Com cunho educativo, o relatório a seguir é referente a avaliação da unidade 1 da cadeira de Introdução a Ciência de Dados. Ministrada pelo professor Ricardo Olinda. Feita a base da exploração, utilização e manipulação do banco de dados por meio do RStudio, utilizando a linguagem R. E tem o intuíto de fazer um levantamento dessas informações por meio das funções aprendidas em sala de aula.
Através deste relatório venho apresentar as experiências que tive com o banco de dados que me foi dado, e os desafios encontrados no meio do caminho.
O relatório aqui introduzido tem como mmissão evidenciar, explorar, e visualizar dados de um específico banco de dados e efetuar as devidas manipulações. O banco de dados que me foi atribuido foi o referente a os mnicípios de Santa Catarina.
Tive muitos desafios quanto a o banco de dados em questão. Uma das princípais foi a dificuldade de trabalhar com 295 cidades diferentes. E efetuar o cruzamento desses dados. Porém, a partir daqui, serm exibidos dados concretos com base em estudos reais feitos pelo IBGE nos anos de 2010 a 2021.
O banco de dados utilizado neste relatório foi adquirido no site do oficial do IBGE; com o seguinte endereço para consultação de veracidade: https://www.ibge.gov.br/cidades-e-estados/sc.html
Para a leitura das extensas planilhas foi utilizado o Google Planilhas.
Para a manipulação dos dados, e efetuação das funções foi utilizado a linguagem de programação R, por meio do intermedio do Software RStudio. Sendo este a principal ferramenta utilizada para a elaboração deste relatório.
Para começar foi feito um estudo sobre o que eu queria mostrar em meu relatório. Foram descartados dados sem utilidade neste documento e eliminadas possíveis informações que atrapalhariam na elaboração de meu relatório durante meu data mine. Tais como: Gentílico, Mortalidade Infantil,
Foram também utilizados as funções contidas nas seguintes
bibliotecas: readxl, ggplot2,
rmarkdown.
Neste módulo irei apresentar os resultados obtidos por meio das funções R, com a exibição de tabelas, histogramas e gráficos. Em seguida mostrarei algumas informações do meu banco de dados com base nos códigos aprendidos em sala de aula e outros que aprendi em meu estudo particular.
O primeiro passo é instalar a biblioteca que utilizaremos para fazer
a leitura do nosso banco de dados, que se encontra em Excel. Fazemos
esse processo de importação por meio da função library.
Para continuarmos com a manipulação do nosso banco de dados
instalamos a biblioteca readxl.
# importando a biblioteca readxl:
library(readxl)
Logo depois atribuimos nosso banco de dados a uma variável. E em
seguida adicionamos uma nova variável responsável por ler nosso banco de
dados por meio de uma função da biblioteca readxl, a função
read_excel. E para finalizar atribuímos nossa variável a
uma nova e a atribuimos a função as.data.frame, para que a
mesma seja lida como data frame.
meuxlsx <- "banco_sc.xlsx"
Dados<- read_excel('banco_sc.xlsx')
dados<- as.data.frame(Dados)
Para visualizarmos o cabeçalho(primeiras linhas) do nosso banco de
dados utilizo a função head. Escolhi reduzir a exibição a 5
linhas adicionando ,5.
# Para visualizar as 5 primeiras linhas do cabeçalho do meu banco de dados utilizo o:
head(dados, 5)
## Municipio Area_Territorial Populacao Densidade_Demografica Escolarizacao
## 1 Abdon Batista 237.517 2598 10.94 100.0
## 2 Abelardo Luz 953.992 17392 18.23 97.1
## 3 Agrolândia 206.815 10990 53.14 97.0
## 4 Agronômica 129.774 6055 46.66 94.4
## 5 Água Doce 1319.137 6508 4.93 97.9
## IDHM PIB
## 1 0.694 24358.67
## 2 0.696 44568.35
## 3 0.725 27381.60
## 4 0.741 33936.32
## 5 0.698 76341.09
Para visualizarmos as últimas linhas do nosso banco de dados utilizo
a função tail. Escolhi também reduzir a exibição a 5 linhas
adicionando ,5.
# Para visualizar as 5 ultimas linhas do meu banco de dados utilizo:
tail(dados, 5)
## Municipio Area_Territorial Populacao Densidade_Demografica Escolarizacao
## 291 Witmarsum 153.776 4255 27.67 98.1
## 292 Xanxerê 377.426 51607 136.73 98.6
## 293 Xavantina 218.032 3653 16.75 99.4
## 294 Xaxim 293.628 31918 108.70 96.4
## 295 Zortéa 190.179 3930 20.66 98.9
## IDHM PIB
## 291 0.710 35935.74
## 292 0.775 42322.34
## 293 0.749 44986.58
## 294 0.752 38235.08
## 295 0.761 24088.11
Para visualizarmos o sumário com algumas informações adicionais sobre
cada variável do nosso banco de dados utilizo a função
summary.
# Para ver o sumário do nosso banco de dados utilizo o:
summary(dados)
## Municipio Area_Territorial Populacao Densidade_Demografica
## Length:295 Min. : 35.14 Min. : 1651 Min. : 1.97
## Class :character 1st Qu.: 135.16 1st Qu.: 3671 1st Qu.: 20.54
## Mode :character Median : 232.35 Median : 8319 Median : 35.91
## Mean : 324.51 Mean : 25795 Mean : 104.91
## 3rd Qu.: 381.49 3rd Qu.: 19448 3rd Qu.: 76.92
## Max. :2637.66 Max. :616323 Max. :3077.70
##
## Escolarizacao IDHM PIB
## Min. : 92.80 Min. :0.6210 Min. : 10600
## 1st Qu.: 97.50 1st Qu.:0.7050 1st Qu.: 29371
## Median : 98.40 Median :0.7360 Median : 37369
## Mean : 98.18 Mean :0.7316 Mean : 40401
## 3rd Qu.: 99.10 3rd Qu.:0.7590 3rd Qu.: 47184
## Max. :100.00 Max. :0.8470 Max. :198923
## NA's :2 NA's :2
Para visualizarmos informações sobre as dimensões(n’ de linhas e
colunas) do nosso banco de dados utilizo a função dim.
# Para visualizarmos as dimensões do nosso banco de dados utilizo o:
dim(dados)
## [1] 295 7
Para visualizarmos informações sobre as classes dos objetos que temos
em nossas variáveis no banco de dados utilizo a função
str.
# Para visulizarmos a classe utilizo o:
str(dados)
## 'data.frame': 295 obs. of 7 variables:
## $ Municipio : chr "Abdon Batista" "Abelardo Luz" "Agrolândia" "Agronômica" ...
## $ Area_Territorial : num 238 954 207 130 1319 ...
## $ Populacao : num 2598 17392 10990 6055 6508 ...
## $ Densidade_Demografica: num 10.94 18.23 53.14 46.66 4.93 ...
## $ Escolarizacao : num 100 97.1 97 94.4 97.9 99.3 100 98.7 92.8 98.7 ...
## $ IDHM : num 0.694 0.696 0.725 0.741 0.698 0.713 0.745 0.723 0.668 0.755 ...
## $ PIB : num 24359 44568 27382 33936 76341 ...
Antes de continuar gostaria de exibir de forma inteira o meu banco de
dados para fazer um monitoramento e exibição organizada através de
estudos que fiz por minha conta. E para isso utilizarei a biblioteca
rmarkdown.
Por meio dela terei acesso a função paged_table, que
exibirá meu banco de dados por inteiro, porém, agora de forma muito mais
organizada e apresentável.
# Importei aqui a biblioteca "rmarkdown".
library(rmarkdown)
# Uso a função "paged_table" para ter vizualizar meu banco de dados de forma organizada.
paged_table(dados)
Pra iniciar a analise descritiva por meio de gráficos começo fazendo
o carregamento da minha biblioteca que será utilizada para exibir os
gráficos desejados por meio da função library. A biblioteca
que utilizaremos é a ggplot2.
# Para observar nossos gráficos vamos primeiro importar a biblioteca do ggplt2
library(ggplot2)
Seguindo a ordem em que os dados são apresentados, mostrarei primeiramente cada variável individualmente. E por fim suas relações com as outras variáveis contidas em meu banco de dados.
Colocamos nosso banco de dados dentro da função ggplot e
adicionamos a nossa variável a o eixo Y para o mesmo ser
exibido de forma horizontal. Informamos que o modelo de gráfico que
desejamos é “histograma” pela função geom_histogram e o
atribuimos algumas cracterísticas visuais através das funções
color e alpha, como: cor do histograma e
opacidade. E repetimos para as demais variáveis.
OBS1: Ocultei avisos e comentários do
RStudio referentes a os gráficos usados neste relatório. Fiz
isto por meio das funções message=FALSE e
warning=FALSE.
OBS2: A partir do segundo histograma, por se tratar
do mesmo código, ocultarei o chunk para uma melhor organização. E fiz
isso por meio da função echo=FALSE.
Aqui está o histograma referente a Área Terrritorial dos município de Santa Catarina e seu, já comentado, respectivo código:
ggplot(dados, aes(y= Area_Territorial)) +
geom_histogram(color= "red" , alpha= 0.5, position = 'identity') +
labs(title="Área Territorial - Santa Catarina")
Aqui está o histograma referente a pesquisa realizada pelo IBGE em 2020 sobre a População dos municípios de Santa Catarina:
Aqui está o histograma referente a pesquisa realizada pelo IBGE sobre a Densidade Demográfica dos municípios de Santa Catarina:
Aqui está o histograma referente a pesquisa realizada pelo IBGE em 2010 sobre a taxa de Escolarização dos municípios de Santa Catarina:
Aqui está o histograma referente a pesquisa realizada pelo IBGE em 2010 sobre a taxa do Índice de Desenvolvimento Humano dos municípios de Santa Catarina:
Aqui está o histograma referente a pesquisa realizada pelo IBGE em
2020 sobre PIB dos municípios de Santa Catarina:
Seguindo a ordem do nosso código. Começo primeiramente atribuindo a
função ggplot a meu banco de dados e o atribuo com um
função de estética, a função aes. Defino uma cor para o meu
gráfico, por meio da funçõ red. Defino também as variáveis
do meu eixo X e Y, no caso do primeiro
gráfico, “Municípios” e “Densidade Demográfica”. E por fim aviso a meu
código, por meio da função xlab e ylab que
desejo renomear os eixos X e Y, que antes
estavam nomeadas de maneira compactada para o meu dat mine.
OBS1: Ocultei avisos e comentários do
RStudio referentes a os gráficos usados neste relatório. Fiz
isto por meio das funções message=FALSE e
warning=FALSE.
OBS2: A partir do segundo geom point, por
se tratar do mesmo código, ocultarei o chunk para uma melhor
organização. E fiz isso por meio da função echo=FALSE.
Apresento aqui os gráficos criados a partir do cruzamento dos dados das variáveis “Município” e “Densidade Demográfica”:
ggplot(dados, aes(x= Municipio, y= Densidade_Demografica)) +
geom_point(color= "red") +
labs(title="Índice de Densidade Demográfica por Município - Santa Catarina") +
ylab("Densidade Demográfica") + xlab("Municípios")
Apresento aqui os gráficos criados a partir do cruzamento dos dados
das variáveis “Município” e “IDHM”:
Apresento aqui os gráficos criados a partir do cruzamento dos dados
das variáveis “Município” e “Escolarização”:
Apresento aqui os gráficos criados a partir do cruzamento dos dados
das variáveis “Município” e “População”:
Apresento aqui os gráficos criados a partir do cruzamento dos dados
das variáveis “Município” e “PIB”:
Por meio dos estudos levantados neste relatório, agora irei declarar aqui algumas informações obtidas através dessa análise de dados.
Ressalto também novamente que este estudo trata-se minimamente de explorar os usos da linguagem R e RStudio por meio de um relatório com cunho educativo. E o mesmo foi feito por um estudante em desenvolvimento.
Começamos analisando a taxa de Escolarização media dos municípios de Santa Catarina. Sua média é de 98.4%. Isto se equipara a taxa de Escolarização média do Brasil, que é de 94% para pessoas de 6 até 14 anos.
Agora o Índice de Desenvolvimento Humano dos municípios de Santa Catarina, que tem o valor médio de 0.736. Tendo o menor índice o município com o valor de 0.6210, e o município com maior índice o valor de 0.8470. Esse dado se equipara a média divulgada pelo IBGE em 2021 que foi de 0.754.
O PIB médio dos municípios de Santa Catarina, segundo o estudo feito pelo IBGE em 2020, é de 37659. Tendo o município com menor índice 10600, e o município com maior índice 198923.
A População média dos municípios de Sannta Catarina é de 8319. Tendo o menor índice de população o município com valor de 1651, e o município de maior índice o valor de 616323.