Coletando dados do Banco Mundial com o R

Ontem, divulguei o pacote OECD de modo que é possível coletar dados da OCDE diretamente para o RStudio. Hoje, a dica é o pacote WDI, que faz coleta de dados do Banco Mundial. Para ilustrar, pego os dados da taxa de poupança e taxa de juros para 2017.


library(WDI)

interest = WDI(country='all',
indicator = 'FR.INR.RINR',
start=2017, end=2017)

saving = WDI(country = 'all',
indicator = 'NY.GNS.ICTR.ZS',
start=2017, end=2017)

Uma vez coletado os dados e depois de algum tratamento, podemos gerar o gráfico abaixo...

Impressiona que em diversas comparações que tenho mostrado por aqui, o Brasil está sempre como um outlier, não é mesmo?

Quer saber mais sobre como usar o R para analisar dados? Conheça o nosso curso de Introdução ao R para Análise de Dados que abriu inscrições ontem, 06/05. O 1º lote está com 30% de desconto, mas deve acabar logo...

Interessados no código do gráfico, basta rolar a barra à direita e colocar o e-mail na nossa newsletter semanal. Toda segunda, envio o código de um dos posts mais comentados e curtidos da semana para a lista!

Compartilhe esse artigo

Comente o que achou desse artigo

Boletim AM

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

Assinar

Encontre o seu conteúdo

Categorias

Artigos mais acessados

Como treinar e selecionar os melhores modelos de previsão no Python?

Como selecionar variáveis para modelos de previsão no Python?

Resultado IPCA-15 - Novembro/2024

Resultado PNADc Trimestral - 3° Trimestre/2024

Análise exploratória para modelagem preditiva no Python

Como usar modelos do Sklearn para previsão? Uma introdução ao Skforecast

Outros artigos relacionados

Como treinar e selecionar os melhores modelos de previsão no Python?

Em previsão, há uma infinidade de modelos que podem ser usados. O processo de escolha do(s) modelo(s) deve ser empírico-científico, usando métodos que visem avaliar a generalização dos algoritmos para dados novos. Neste artigo, mostramos como implementar a metodologia de validação cruzada com algoritmos de machine learning no Python, exemplificando para a previsão do IPCA.

Como selecionar variáveis para modelos de previsão no Python?

Em oposição à crença popular, grande parte dos modelos de machine learning não produzem previsões magicamente. É papel do cientista de dados executar uma boa engenharia de variáveis para não cair no clássico problema de “garbage in, garbage out” (GIGO) em aprendizado de máquina. Neste sentido, aprender a fazer uma boa seleção de variáveis é fundamental e neste artigo exploramos algumas possibilidades práticas usando o Python.

Resultado IPCA-15 - Novembro/2024

A Análise Macro apresenta os resultados do IPCA-15 de Novembro de 2024, com gráficos elaborados em Python para coleta, tratamento e visualização de dados. Todo o conteúdo, disponível exclusivamente no Clube AM, foi desenvolvido com base nos métodos ensinados nos cursos da Análise Macro, permitindo aos assinantes acesso aos códigos e replicação das análises.

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!