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

Automatizando Análises Econômicas com LangChain e LangGraph: Multi-Agentes com LLMs

A evolução das ferramentas baseadas em modelos de linguagem (LLMs) está transformando o modo como realizamos análises econômicas. Neste artigo, apresentamos como utilizar LangChain e LangGraph, duas das bibliotecas mais relevantes para a orquestração de fluxos complexos com agentes de IA, integrando-os com o Google Gemini. O foco será a construção de uma pipeline multi-agente para análise econômica utilizando dados reais do Brasil.

O que é o ciclo de Agentes de IA?

Neste post, vamos explorar o fluxo completo de trabalho de um Agente de IA — um ciclo que definimos como Pensamento-Ação-Observação. Ao final, criamos um exemplo de Agente de IA que responde perguntas sobre dados econômicos.

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.