Baixando dados do Banco Mundial com o R

Com o R, é possível acessar diversas bases de dados e baixar o que precisa diretamente para o RStudio. Um exemplo disso é a base de dados do Banco Mundial. Nessa Dica de R - sim, volto a publicar toda quarta-feira uma dica de R aqui no Blog - vamos mostrar como pegar os dados sobre poupança e taxa de juros de diversos países com o pacote WDI. Como de praxe, o código começa carregando alguns pacotes que utilizaremos.


library(WDI)
library(ggplot2)
library(ggrepel)
library(png)
library(grid)

A seguir, podemos pegar os dados que precisamos.


interest = WDI(country='all',
indicator = 'FR.INR.RINR',
start=2019, end=2019)

saving = WDI(country = 'all',
indicator = 'NY.GNS.ICTR.ZS',
start=2019, end=2019)

data = cbind(interest, saving)
data = data[complete.cases(data),]
data$iso2c = data$iso2c = data$country = data$year = data$year = NULL
colnames(data) = c('interest', 'country', 'saving')
data = subset(data, interest>0 & saving>0)

Um gráfico com os dados é posto abaixo.

 

______________

Para acessar os códigos completos desse exercício, é preciso fazer parte do Clube AM.

Compartilhe esse artigo

Facebook
Twitter
LinkedIn
WhatsApp
Telegram
Email
Print

Comente o que achou desse artigo

Outros artigos relacionados

Criando operações SQL com IA Generativa no R com querychat

No universo da análise de dados, a velocidade para obter respostas é um diferencial competitivo. Frequentemente, uma simples pergunta de negócio — “Qual foi nosso produto mais vendido no último trimestre na região Nordeste?” — inicia um processo que envolve abrir o RStudio, escrever código dplyr ou SQL, executar e, finalmente, obter a resposta. E se pudéssemos simplesmente perguntar isso aos nossos dados em português, diretamente no nosso dashboard Shiny?

Dashboard Financeiro com IA e Shiny Python: Análise de Dados Abertos da CVM

Este artigo apresenta um tutorial completo sobre como construir uma ferramenta de análise financeira de ponta. Utilizando Shiny for Python, demonstramos a automação da coleta de dados das Demonstrações Financeiras Padronizadas (DFP) da CVM e o tratamento dessas informações com Pandas. O ponto alto do projeto é a integração da IA Generativa do Google Gemini, que atua como um assistente de análise, interpretando os dados filtrados pelo usuário e fornecendo insights contábeis e financeiros em tempo real. O resultado é um dashboard dinâmico que democratiza a análise de dados complexos e acelera a tomada de decisão.

Econometria, ML ou IA para previsão da PMS?

Prever a Pesquisa Mensal de Serviços (PMS/IBGE) é um desafio por natureza: trata-se de uma série mensal, sujeita a volatilidade e choques que vão de fatores sazonais a mudanças estruturais no setor. Para enfrentar esse problema, realizamos um exercício de comparação entre três abordagens de modelagem: econometria tradicional (ARIMA), machine learning (XGBoost) e inteligência artificial (TimeGPT).

Boletim AM

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

Boletim AM

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

como podemos ajudar?

Preencha os seus dados abaixo e fale conosco no WhatsApp

Boletim AM

Preencha o formulário abaixo para receber nossos boletins semanais diretamente em seu e-mail.