Data ScienceEconomia

Dados do comércio internacional no R

By 22 de julho de 2021 No Comments

A base de dados UN Comtrade fornece acesso gratuito às informações de comércio global. É possível obter dados usando sua interface de extração ou API. Por sorte, existe um pacote chamado comtradr que facilita o uso da API no R. Neste post, iremos mostrar um pouco da funcionalidade dele.

 

 
library(comtradr)
library(tidyverse)
library(splitstackshape)
library(inlmisc)

Primeiramente, iremos selecionar os dados de exportações brasileiras com quatro países: China, Estados Unidos, Argentina e Holanda. Como não selecionamos o período, todos os dados desde 1990 são retornados. Além disso, é possível filtrar por tipo de produto. Neste caso, estamos selecionando o total exportado.

 

 
braziltop <- ct_search(reporters = "Brazil", 
partners = c("USA", "China", "Argentina", "Netherlands"), 
trade_direction = "exports") %>%
ct_use_pretty_cols()

Veja que o formato de saída torna muito simples fazer um gráfico com a evolução das exportações ao longo dos anos. Fica evidente a rápida expensão chinesa para se tornar principal destino dos produtos brasileiros.

 

 
ggplot(braziltop, aes(Year, `Trade Value usd`, color = factor(`Partner Country`))) +
geom_point(size = 2) +
geom_line(size = 1) +
scale_color_manual(values = c("#011627", "#FF3366", "#2EC4B6", "#20A4F3"), 
name = "País") +
scale_shape_discrete(name = "País") +
labs(title = "Destino das exportações brasileiras",
y = "Total em dólares",
x = "Ano") +
theme_minimal()

Agora, ao invés de selecionarmos todos os produtos, iremos escolher apenas as exportações de peixe. Para fazer a filtragem, é preciso utilizar os códigos do sistema harmonizado (SH), que cataloga os produtos em categorias gerais e específicas. Essa filtragem é feita no parâmetro "commod_codes" da função. Iremos extrair apenas os dados referentes a 2020.

Como nós selecionamos os produtos, a API retorna o dado individual de cada categoria. Assim, iremos somar o valor exportado por país de destino.

export_peixe <- ct_search(reporters = "Brazil", 
partners = "All", 
trade_direction = "exports",
start_date = 2020, 
end_date = 2020,
commod_codes = c("0301","0302","0303","0304","0305")
) %>%
ct_use_pretty_cols() %>%
group_by(`Partner Country`) %>%
summarise("Total" = sum(`Trade Value usd`)) %>%
filter(`Partner Country` != "World")

A partir destes dados, iremos criar um gráfico que mostre a composição relativa de cada país. Para isso, é preciso antes fazer algumas alterações na formatação dos dados, de modo que o dataframe final tenha a o número de quadrantes ocupado por cada país e suas posições.

</pre>
export_peixe$prop = 100*export_peixe$Total/sum(export_peixe$Total)
export_peixe = expandRows(export_peixe, "prop")
export_peixe <- rbind(export_peixe,
export_peixe[sample(nrow(export_peixe), 100- nrow(export_peixe)), ])

var = export_peixe$`Partner Country`
nrows <- 10
categ_table <- round(table(var) * ((nrows*nrows)/(length(var))))

base <- expand.grid(y = 1:nrows, x = 1:nrows)
base$category <- factor(rep(names(categ_table), categ_table))

ggplot(base, aes(x = x, y = y, fill = category)) +
geom_tile(color = "black", size = 0.5) +
scale_fill_manual(values = as.character(GetColors(n = 9,
scheme = "roma",
alpha = 0.9))) +
theme_void() +
labs(title = "Destino das exportações de Peixe pelo Brasil (2020)") +
scale_x_continuous(expand = c(0, 0)) +
scale_y_continuous(expand = c(0, 0), trans = 'reverse') +
theme(panel.border = element_rect(size = 2, fill = NA))
<pre>
 

 

 

Com isso, vemos uma predominância dos Estados Unidos como destino das exportações brasileiras de peixe.

Receba diretamente em seu e-mail gratuitamente nossas promoções especiais
e conteúdos exclusivos sobre Análise de Dados!

Assinar Gratuitamente
{"cart_token":"","hash":"","cart_data":""}