R Notebook

df <- read_csv("ieducar turmas _17042024 17-46.csv")

Rows: 16328 Columns: 6── Column specification ──────────────────────────────────────────────────────────────────────────
Delimiter: ","
chr (2): nm_turma, sgl_turma
dbl (4): sigrh_lotacao, ano_turma, ref_cod_turno, cod_turma
ℹ Use `spec()` to retrieve the full column specification for this data.
ℹ Specify the column types or set `show_col_types = FALSE` to quiet this message.

df$sigrh_lotacao %>% unique() %>% length()

[1] 619

df$ano_turma %>% unique() %>% length()

[1] 1

df$nm_turma %>% unique() %>% length()

[1] 6764

df$cod_turma %>% unique() %>% length()

[1] 16328

df$sgl_turma %>% unique() %>% length()

[1] 374

df1<-df %>% #select(-ano_turma,-sigrh_lotacao) %>% 
  separate(sgl_turma,into = c("id1","id2","id3","id4","id5"),sep = "_",remove=FALSE) 

df1\(id1 %>% unique#[1] "EI" "3C" "2C" "EM" "EMI" df1\)id2 %>% unique#[1] “1P” “2P” “B1” “B2” “1” “2” “3” “M1” “M2” df1\(id3 %>% unique#[1] "M" "V" "N" "I" df1\)id4 %>% unique# [1] “A” “B” “C” “D” “E” “F” “G” “H” “I” “J” “K” “L” “N” “M” “O” “P” “Q” “R” “S” “T” “U” “V” “W” “X” df1$id5 %>% unique#[1] “1P” “2P” “B1” “B2” “1” “2” “3” “M1” “M2”

df1 %>%   #### Testar ids no nome
  mutate(score1=map2_lgl(id1, nm_turma, ~ grepl(.x, .y))*1,#Há registro de modalidade?
         score2=map2_lgl(id2, nm_turma, ~ grepl(.x, .y))*1,# há registro de seriação padronizado?
         score3=map2_lgl(id3, nm_turma, ~ grepl(.x, .y))*1,# há registro de turno?
         score4=map2_lgl(id4, nm_turma, ~ grepl(.x, .y))*1,# há registro alfabetico de turma
         score5=map2_lgl(id5, nm_turma, ~ grepl(.x, .y))*1,# há registro de ... padronizado?
         scoresimples=score1+score2+score3+score4+score5,### pontuação total de matching
         scoresponderado=score1*2+score2+score3+score4*3+score5### pontuação total de matching
  )  %>% group_by(scoresponderado,scoresimples)%>%summarise(n=n())%>%gather("criterio","score",-n)  %>% 
  ggplot(aes(score,n))+geom_col(alpha=0.5)+facet_wrap(~criterio,ncol=1)#+geom_text(aes(label=n))

`summarise()` has grouped output by 'scoresponderado'. You can override using the `.groups` argument.

df1 %>%   #### Testar ids no nome
  mutate(score1=map2_lgl(id1, nm_turma, ~ grepl(.x, .y))*1,#Há registro de modalidade?
         score2=map2_lgl(id2, nm_turma, ~ grepl(.x, .y))*1,# há registro de seriação padronizado?
         score3=map2_lgl(id3, nm_turma, ~ grepl(.x, .y))*1,# há registro de turno?
         score4=map2_lgl(id4, nm_turma, ~ grepl(.x, .y))*1,# há registro alfabetico de turma
         score5=map2_lgl(id5, nm_turma, ~ grepl(.x, .y))*1,# há registro de ... padronizado?
         scoresimples=score1+score2+score3+score4+score5,### pontuação total de matching
         scoresponderado=score1*2+score2+score3+score4*3+score5### pontuação total de matching
  )  ->df2

library(janitor)
df2%>% tabyl(score1)  #Há registro de modalidade?

 score1     n   percent
      0 14335 0.8779397
      1  1993 0.1220603

df2%>% tabyl(score2)  #Há registro de seriação?

 score2     n   percent
      0 13112 0.8030377
      1  3216 0.1969623

df2%>% tabyl(score3)  #Há registro de turno?

 score3     n   percent
      0 12626 0.7732729
      1  3702 0.2267271

df2%>% tabyl(score4)  #Há registro de alfabetico?

 score4     n   percent
      0 11914 0.7296668
      1  4414 0.2703332

df2%>% tabyl(score5)  #Há registro de ...?

 score5     n  percent
      0  3350 0.205169
      1 12978 0.794831