Criando mapas com o R

Hoje em dia é bastante fácil construir mapas brasileiros com o R através dos pacotes ggplot2 e o geobr. Para ilustrar, vou dar um exemplo aqui de um mapa temático que fornece o IDH dos municípios do Rio de Janeiro. O script começa com alguns pacotes sendo carregados.


library(geobr)
library(ggplot2)
library(sf)
library(dplyr)
library(rio)
library(readr)

A seguir, importo o arquivo idh.csv que contém o IDH dos 92 municípios do Rio de Janeiro e carrego as informações de longitude e latitude desses municípios. Também mesclo ambos os arquivos tendo por base os 92 municípios do Estado.


idh = read_csv2('idh.csv', locale=locale(encoding='Latin1'))
mun_rj <- read_municipality(code_muni=33, year=2017)
all_mun_rj = left_join(mun_rj, idh, by='name_muni')

O dataset está pronto para ser colocado em um gráfico. Abaixo, um exemplo.


no_axis <- theme(axis.title=element_blank(),
axis.text=element_blank(),
axis.ticks=element_blank())

ggplot() +
geom_sf(data=all_mun_rj, aes(fill=idh), color= NA, size=.15)+
labs(title="IDH dos Municipíos do RJ",
caption='Fonte: analisemacro.com.br', size=8)+
scale_fill_distiller(palette = "Greens", limits=c(0.60,0.85),
name="IDH")+
theme_minimal()+
no_axis

E o mapa...

Gostou? Nosso Curso de Introdução ao R para Análise de Dados está com inscrições abertas!

______________


(*) O arquivo idh.csv está disponível aqui.

 

Compartilhe esse artigo

Facebook
Twitter
LinkedIn
WhatsApp
Telegram
Email
Print

Comente o que achou desse artigo

Outros artigos relacionados

Previsões do Boletim Focus em Anos Eleitorais

Eleições são momentos de incerteza, mas os dados do Boletim Focus mostram que nem toda incerteza é igual. Ao analisar as previsões de inflação, juros e câmbio nos anos que antecederam as eleições de 2014, 2018 e 2022, este post investiga como o mercado revisa cenários macroeconômicos ao longo do tempo.

Como Medir o Ciclo das Concessões de Crédito usando Python

Este exercício apresenta uma análise quantitativa da relação entre o ciclo de concessões de crédito, a atividade econômica e a política monetária no Brasil. Utilizando a linguagem Python, o estudo aplica técnicas de decomposição de séries temporais (X13-ARIMA e Filtro HP) para isolar os componentes cíclicos dos dados. Os resultados da modelagem econométrica confirmam a pró ciclicidade do crédito em relação ao hiato do produto e sua sensibilidade às variações no hiato da taxa de juros real.

Choque de juros e renda em bens duráveis e não duráveis usando Python

Este artigo analisa a dinâmica do consumo no Brasil utilizando Python e modelos de Vetores Autorregressivos (VAR). Ao segregar bens duráveis e não duráveis, o estudo quantifica a sensibilidade a choques de juros e renda. Criamos todo o processo através do ciclo de dados: coleta, tratamento, análise de dados, modelagem e apresentação dos resultados, tudo automatizado usando a linguagem Python.

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.