Transformando os gráficos do ggplot em gifs

O gganimate é um pacote que permite extender os gráficos do ggplot para uma forma animada, em formato de vídeo ou gif. Esse tipo de visualização pode ser muito interessante, principalmente para apresentações de slides ou textos online. Para demonstrar a funcionalidade do pacote, iremos analisar o comportamento da participação da agropecuária no PIB das microrregiões do Brasil, entre 2002 e 2018. Para capturar os dados, iremos utilizar o pacote sidrar, que faz o download dos dados do IBGE. Já para plotar o mapa, utilizaremos o pacote geobr.

Além dos pacotes carregados pelo library, é necessário instalar os pacotes gifski, png e transformr.

 


#install.packages('gifski')
#install.packages('png')
#install_github("thomasp85/transformr")
library(geobr)
library(sidrar)
library(gganimate)

Além de fazer o download dos dados e dos mapas, é preciso junta-los em um mesmo dataframe por um denominador comum. No caso, utilizaremos o código IBGE da microrregião, presente em ambas as bases.

pib_agro = sidrar::get_sidra(5938,
variable = 516, #variavel e porcentagem do agro no pib
geo = "MicroRegion",
period = "all")

mapa_micro = read_micro_region()
mapa_micro$code_micro = as.character(mapa_micro$code_micro)

merged = dplyr::left_join(mapa_micro, pib_agro, by = c("code_micro" = "Microrregião Geográfica (Código)"))
merged$Ano = as.integer(merged$Ano)

Com o dataframe pronto, é possível plotar o mapa. Veja que os comandos do pacote gganimate são as duas últimas linhas. O comando transition_time faz a definição da variável que vai corresponder aos frames do vídeo. Já com o ease_aes, o pacote faz uma interpolação entre os frames para gerar uma suavização dos dados.


ggplot() +
geom_sf(data=merged, aes(fill=Valor), color= NA) +
labs(subtitle="Participação da agricultura no PIB", size=8) +
scale_fill_continuous(trans = "reverse") +
theme_minimal() +
theme(axis.title=element_blank(),
axis.text=element_blank(),
axis.ticks=element_blank()) +
labs(title = 'Year: {frame_time}') +
transition_time(Ano) +
ease_aes('linear')


Com o mapa, é possível perceber que a participação da agropecuária caiu no período de forma quase geral, principalmente nas regiões Sudeste e Nordeste do país, mas permanece forte em parte das regiões Centro-oeste e Norte.

Compartilhe esse artigo

Facebook
Twitter
LinkedIn
WhatsApp
Telegram
Email
Print

Comente o que achou desse artigo

Outros artigos relacionados

Aplicando o Time Series Transformer para prever inflação (IPCA)

Neste exercício, exploramos a previsão de séries temporais utilizando o Temporal Fusion Transformer (TFT). O TFT é uma arquitetura de Deep Learning baseada em mecanismos de atenção, desenhada especificamente para lidar com múltiplas variáveis e horizontes de previsão longos, mantendo a interpretabilidade — uma característica frequentemente ausente em modelos de "caixa-preta".

Análise do Payroll norte-americano com Python

O Payroll norte-americano é o termômetro da economia global. No post de hoje, mostro como analisar esse indicador usando Python e as bibliotecas Pandas e Plotnine. Saia do básico e aprenda a visualizar a geração de empregos nos EUA de forma profissional.

O papel da credibilidade do Banco Central na desinflação da economia

O objetivo deste trabalho é mensurar a credibilidade da política monetária brasileira através de diferentes métricas e verificar empiricamente se uma maior credibilidade contribui para a redução da inflação. Realizamos a modelagem econométrica usando o pacote {systemfit} disponível na linguagem. Ao fim, criamos um relatório reprodutível com a combinação Quarto + R.

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.