A produção industrial é uma pesquisa realizada mensalmente pelo IBGE, como forma de acompanhar o comportamento das indústrias do Brasil. A pesquisa revela informações importantes sobre o nível de atividade e os rumos do crescimento econômico do país. No relatório AM de hoje mostramos como pode ser fácil capturar os dados, tratá-los e comunicar os resultados de forma automática e reprodutível dentro do R.
## Cria função para calcular variação dos índices
var_indice <- function(x, lag) {
w <- (x/dplyr::lag(x, lag) - 1)*100
return(w)
}
## Cria função para calcular a variação acumulada dos índices
acum_i <- function(data, n){
data_ma_n <- RcppRoll::roll_meanr(data, n)
data_lag_n <- dplyr::lag(data_ma_n, n)
data_acum_n = (((data_ma_n/data_lag_n)-1)*100)
return(data_acum_n)
}
# Cria um vetor de cores para utilizar nos gráficos
colours <- c("#282f6b", "#b22200", "#eace3f", "#224f20")
# Pacotes utilizados
library(tidyverse)
library(sidrar)
library(RcppRoll)
# Coleta a PIM com ajuste sazonal pim_aj <- get_sidra(api='/t/3653/n1/all/v/3134/p/all/c544/all/d/v3134%201') %>% mutate(date = parse_date(`Mês (Código)`, format = "%Y%m")) %>% select(date, atividades = "Seções e atividades industriais (CNAE 2.0)", value = "Valor") %>% pivot_wider(names_from = atividades, values_from = value) %>% as_tibble()
## variação na margem
var_marg <- pim_aj %>%
mutate(across(where(is.numeric), ~ var_indice(.x, lag = 1))) %>%
slice(-1)
var_marg_long <- var_marg %>%
pivot_longer(cols = -date,
names_to = "variable")
# Variação Marginal {-}
## Visualização dos dados - Variação Marginal
filter(var_marg_long, date > "2018-12-31" &
variable %in% c('1 Indústria geral',
'2 Indústrias extrativas',
'3 Indústrias de transformação',
"3.29 Fabricação de veículos automotores, reboques e carrocerias")) %>%
ggplot(aes(x= date, y = value, colour = variable))+
geom_line(aes(colour= variable))+
scale_fill_manual(values=colours)+
scale_colour_manual(values=colours)+
geom_hline(yintercept = 0, colour='black', linetype='dashed')+
facet_wrap(~variable, scales = 'free')+
theme(legend.position = 'none',
strip.text = element_text(size=7, face='bold'),
axis.text.x = element_text(size=6),
plot.title = element_text(size=10, face='bold'),
plot.subtitle = element_text(size=8, face='italic'))+
scale_x_date(breaks = date_breaks("3 month"),
labels = date_format("%m/%y"))+
theme(axis.text.x=element_text(angle=45, hjust=1))+
labs(x='', y='',
title='Produção Industrial',
subtitle = 'Variação contra o mês imediatamente anterior (%)',
caption='Fonte: analisemacro.com.br com dados do IBGE')
É extremamente fácil coletar, tratar e visualizar dados no R. Além de gráficos da variação mensal da PIM, é possível também criar gráficos da variação interanual e variação acumulada no R. Também é fácil a criação de tabelas bem formatas e estilizadas. Tudo isso você pode aprender com o nosso Curso de Análise de Conjuntura, onde ensinamos a teoria e prática com o R.
___________________________
