Análise da Balança Comercial de Mato Grosso: Saldo, Variações e Desempenho das Exportações e Importações

---

Os gráficos a seguir foram elaborados utilizando a biblioteca highchart no R, com dados obtidos diretamente da base de dados online do Comex Stat. Eles ilustram a variação das importações e exportações de Mato Grosso em relação ao mesmo mês do ano anterior (em US$ FOB), o saldo da balança comercial em bilhões de dólares, e a posição do estado entre os Top 5 por balança comercial. Esses gráficos oferecem uma análise clara das tendências comerciais e o desempenho econômico de Mato Grosso ao longo do tempo.

---

Variação - Exportações

---

Variação - Importações

---

Balança Comercial

---

O Código

O código utilizado para plotagem dos gráficos:

sigla_estado <- "MT"

library(readr)
library(dplyr)
library(knitr)
library(gmp)
library(ggplot2)
library(plotly)
library(dplyr)
library(knitr)
library(pagedown)
library(rmarkdown)
require(odbc)
require(DBI)
library(dplyr)
library(rlang)
library(readxl)
library(writexl)
library(gt)

data <- Sys.Date()

mes_atual <- as.integer(format(data, "%m"))

if (mes_atual == 1) {
  ano_atual <- as.integer(format(data, "%Y"))
  ano_atual <- ano_atual - 1
} else {
  ano_atual <- as.integer(format(data, "%Y"))
}
ano_anterior <- ano_atual - 1



LINK_EXP_ANO_atual <- paste("https://balanca.economia.gov.br/balanca/bd/comexstat-bd/ncm/EXP_",ano_atual,
                            ".csv", sep = "")
LINK_IMP_ANO_atual <- paste("https://balanca.economia.gov.br/balanca/bd/comexstat-bd/ncm/IMP_",ano_atual,
                            ".csv", sep = "")

LINK_EXP_ANO_anterior <- paste("https://balanca.economia.gov.br/balanca/bd/comexstat-bd/ncm/EXP_",ano_anterior,
                               ".csv", sep = "")
LINK_IMP_ANO_anterior <- paste("https://balanca.economia.gov.br/balanca/bd/comexstat-bd/ncm/IMP_",ano_anterior,
                               ".csv", sep = "")
###############################################################################
# Importando dados do COMEX STAT

EXP_ANO_atual <- read_delim(LINK_EXP_ANO_atual, delim = ";", escape_double = FALSE, trim_ws = TRUE)  

IMP_ANO_atual <- read_delim(LINK_IMP_ANO_atual, delim = ";", escape_double = FALSE, trim_ws = TRUE)

EXP_ANO_anterior <- read_delim(LINK_EXP_ANO_anterior, delim = ";", escape_double = FALSE, trim_ws = TRUE)  

IMP_ANO_anterior <- read_delim(LINK_IMP_ANO_anterior, delim = ";", escape_double = FALSE, trim_ws = TRUE)

# Removendo os objetos com os links da memória

rm(LINK_EXP_ANO_anterior, LINK_EXP_ANO_atual, LINK_IMP_ANO_anterior, LINK_IMP_ANO_atual, query_ncm)

############################################################################################

# Definindo o mes de ultima atualização do COMEX STAT

mes_atual_comex <- max(EXP_ANO_atual$CO_MES)

# Importando tabela estados

estados <- read_delim("https://balanca.economia.gov.br/balanca/bd/tabelas/UF.csv", 
    delim = ";", escape_double = FALSE, locale = locale(encoding = "ISO-8859-1"), 
    trim_ws = TRUE)

estado_filtrado <- estados %>% filter(SG_UF == sigla_estado)
estado_nome <- as.character(estado_filtrado$NO_UF[1])
regiao_nome <- estado_filtrado$NO_REGIAO[1]


colnames(estados) <- c("CO_UF", "SG_UF_NCM", "NO_UF", "NO_REGIAO")


EXP_ANO_atual <- left_join(EXP_ANO_atual, estados, by = "SG_UF_NCM")
IMP_ANO_atual <- left_join(IMP_ANO_atual, estados, by = "SG_UF_NCM")
EXP_ANO_anterior <- left_join(EXP_ANO_anterior, estados, by = "SG_UF_NCM")
IMP_ANO_anterior <- left_join(IMP_ANO_anterior, estados, by = "SG_UF_NCM")
###############################################################################


PAIS <- read_delim("https://balanca.economia.gov.br/balanca/bd/tabelas/PAIS.csv", 
                   delim = ";", escape_double = FALSE, locale = locale(encoding = "ISO-8859-1"), 
                   trim_ws = TRUE)
################################# PAIS EXP #####################################


indicador_pais_at <- left_join(EXP_ANO_atual, PAIS, by = "CO_PAIS") %>% 
  filter(SG_UF_NCM == sigla_estado, CO_MES == mes_atual_comex) %>% 
  group_by(CO_PAIS_ISOA3, NO_PAIS) %>% 
  summarise(VL_FOB_ATUAL = sum(VL_FOB), TON_ATUAL = round((sum(KG_LIQUIDO / 1000))))



indicador_pais_ant <- left_join(EXP_ANO_anterior, PAIS, by = "CO_PAIS") %>% 
  filter(SG_UF_NCM == sigla_estado, CO_MES == mes_atual_comex) %>% 
  group_by(CO_PAIS_ISOA3) %>% 
  summarise(VL_FOB_Anterior = sum(VL_FOB), TON_anterior = round((sum(KG_LIQUIDO / 1000))))

indicador_pais <- left_join(indicador_pais_at, indicador_pais_ant, by = "CO_PAIS_ISOA3")
indicador_pais <- na.omit(indicador_pais)

indicador_pais$variacao_fob <- round(((indicador_pais$VL_FOB_ATUAL / indicador_pais$VL_FOB_Anterior - 1)*100),2)
indicador_pais$VL_FOB_ATUAL <- format(indicador_pais$VL_FOB_ATUAL, big.mark = ".")
indicador_pais$TON_ATUAL <- format(indicador_pais$TON_ATUAL, big.mark = ".")
############################# MAPA EXPORTAcÃO EXP - MES ATUAL ###################
require(highcharter)

# Baixar e visualizar os dados do mapa
mapdata <- get_data_from_map(download_map_data(url = "custom/world.js", showinfo = FALSE, quiet = FALSE))


# Selecionar e renomear a coluna
data_map <- mapdata %>% select(`iso-a3`)
colnames(data_map) <- "CO_PAIS_ISOA3"

  

# Fazer o join com os dados do país
data_map <- left_join(data_map, indicador_pais, by = "CO_PAIS_ISOA3")
data_map <- data_map %>% select(CO_PAIS_ISOA3,NO_PAIS,variacao_fob,VL_FOB_ATUAL, TON_ATUAL)
data_map$Var2 <- data_map$variacao_fob

# Corrigir a lista de classes de dados
data_classes <- list(
  list(from = -100, to = 0, color = "red", name = "Variação negativa"),
  list(from = 0, to = 100, color = "lightgreen", name = "Positiva e < 100%"),
  list(from = 100, to = max(data_map$variacao_fob, na.rm = TRUE), color = "green", name = "Superior a 100%")
)

# Criar o mapa com título e opcão de download
GR_MAP_2 <- hcmap(
  "custom/world",
  data = data_map,
  value = "variacao_fob",
  joinBy = c("iso-a3", "CO_PAIS_ISOA3"),
  name = "País",
  dataLabels = list(enabled = FALSE, format = "{point.name}"),
  borderColor = "black",
  borderWidth = 0.2,
  tooltip = list(
    valueDecimals = 2,
    valuePrefix = "% ",
    pointFormat = "<b>{point.NO_PAIS}</b><br>US$ Fob: {point.VL_FOB_ATUAL}<br>Toneladas: {point.TON_ATUAL}<br>Variação: {point.Var2} % <br>"
  )
) %>%
  hc_title(text = "Variação das Exportações de Mato Grosso em Relação a Setembro de 2023 (US$ FOB), Dados de Setembro de 2024") %>%
  hc_exporting(enabled = TRUE) %>%
  hc_mapNavigation(enabled = TRUE) %>%
  hc_colorAxis(
    dataClasses = data_classes
  )




indicador_pais_at <- left_join(IMP_ANO_atual, PAIS, by = "CO_PAIS") %>% 
  filter(SG_UF_NCM == sigla_estado, CO_MES == mes_atual_comex) %>% 
  group_by(CO_PAIS_ISOA3, NO_PAIS) %>% 
  summarise(VL_FOB_ATUAL = sum(VL_FOB), TON_ATUAL = round((sum(KG_LIQUIDO / 1000))))



indicador_pais_ant <- left_join(IMP_ANO_anterior, PAIS, by = "CO_PAIS") %>% 
  filter(SG_UF_NCM == sigla_estado, CO_MES == mes_atual_comex) %>% 
  group_by(CO_PAIS_ISOA3) %>% 
  summarise(VL_FOB_Anterior = sum(VL_FOB), TON_anterior = round((sum(KG_LIQUIDO / 1000))))

indicador_pais <- left_join(indicador_pais_at, indicador_pais_ant, by = "CO_PAIS_ISOA3")
indicador_pais <- na.omit(indicador_pais)

indicador_pais$variacao_fob <- round(((indicador_pais$VL_FOB_ATUAL / indicador_pais$VL_FOB_Anterior - 1)*100),2)
indicador_pais$VL_FOB_ATUAL <- format(indicador_pais$VL_FOB_ATUAL, big.mark = ".")
indicador_pais$TON_ATUAL <- format(indicador_pais$TON_ATUAL, big.mark = ".")



########################### IMP #####################################


require(highcharter)

# Baixar e visualizar os dados do mapa
mapdata <- get_data_from_map(download_map_data(url = "custom/world.js", showinfo = FALSE, quiet = FALSE))

# Selecionar e renomear a coluna
data_map <- mapdata %>% select(`iso-a3`)
colnames(data_map) <- "CO_PAIS_ISOA3"



# Fazer o join com os dados do país
data_map <- left_join(data_map, indicador_pais, by = "CO_PAIS_ISOA3")
data_map <- data_map %>% select(CO_PAIS_ISOA3,NO_PAIS,variacao_fob,VL_FOB_ATUAL, TON_ATUAL)
data_map$Var2 <- data_map$variacao_fob

# Corrigir a lista de classes de dados
data_classes <- list(
  list(from = -100, to = 0, color = "red", name = "Variação negativa"),
  list(from = 0, to = 100, color = "lightgreen", name = "Positiva e < 100%"),
  list(from = 100, to = max(data_map$variacao_fob, na.rm = TRUE), color = "green", name = "Superior a 100%")
)






# Criar o mapa com título e opcão de download
GR_MAP_3 <- hcmap(
  "custom/world",
  data = data_map,
  value = "variacao_fob",
  joinBy = c("iso-a3", "CO_PAIS_ISOA3"),
  name = "País",
  dataLabels = list(enabled = FALSE, format = "{point.name}"),
  borderColor = "black",
  borderWidth = 0.2,
  tooltip = list(
    valueDecimals = 2,
    valuePrefix = "% ",
    pointFormat = "<b>{point.NO_PAIS}</b><br>US$ Fob: {point.VL_FOB_ATUAL}<br>Toneladas: {point.TON_ATUAL}<br>Variação: {point.Var2} % <br>"
  )
) %>%
  hc_title(text = "Variação das Importações de Mato Grosso em Relação a Setembro de 2023 (US$ FOB), Dados de Setembro de 2024") %>%
  hc_exporting(enabled = TRUE) %>%
  hc_mapNavigation(enabled = TRUE) %>%
  hc_colorAxis(
    dataClasses = data_classes
  )


GR_MAP_3

#####################################################################################

#####################################################################################
#####################################################################################
#####################################################################################
#####################################################################################

############# MAPA BALANÇA ##################################


require(highcharter)

####### DADOS BALANCA ANO_ATUAL

indicador_bal_mes_atual_EXP <- EXP_ANO_atual %>% filter(CO_MES == mes_atual_comex) %>% 
  group_by(SG_UF_NCM) %>% 
  summarise(VL_FOB_EXP_MES_ATUAL = sum(VL_FOB))

indicador_bal_mes_atual_IMP <- IMP_ANO_atual %>% filter(CO_MES == mes_atual_comex) %>% 
  group_by(SG_UF_NCM) %>% 
  summarise(VL_FOB_IMP_MES_ATUAL = sum(VL_FOB))

DADOS_BALANCA_MES <- left_join(indicador_bal_mes_atual_EXP, indicador_bal_mes_atual_IMP, by = "SG_UF_NCM")
DADOS_BALANCA_MES$BALANCA_MES_ano_atual <- DADOS_BALANCA_MES$VL_FOB_EXP_MES_ATUAL - DADOS_BALANCA_MES$VL_FOB_IMP_MES_ATUAL

indicador_bal_ANO_atual_EXP <- EXP_ANO_atual %>%
  group_by(SG_UF_NCM) %>% 
  summarise(VL_FOB_EXP_ANO_ATUAL = sum(VL_FOB))

indicador_bal_ANO_atual_IMP <- IMP_ANO_atual %>% 
  group_by(SG_UF_NCM) %>% 
  summarise(VL_FOB_IMP_ANO_ATUAL = sum(VL_FOB))
DADOS_BALANCA_ANO <- left_join(indicador_bal_ANO_atual_EXP, indicador_bal_ANO_atual_IMP, by = "SG_UF_NCM")
DADOS_BALANCA_ANO$BALANCA_ANO_atual <- DADOS_BALANCA_ANO$VL_FOB_EXP_ANO_ATUAL - DADOS_BALANCA_ANO$VL_FOB_IMP_ANO_ATUAL

DADOS_BALANCA_ATUAL <- left_join(DADOS_BALANCA_ANO, DADOS_BALANCA_MES, by = "SG_UF_NCM")

####### DADOS BALANCA ANO_ANTERIOR ################################################
###################################################################################
###################################################################################
###################################################################################
###################################################################################
###################################################################################


indicador_bal_mes_anterior_EXP <- EXP_ANO_anterior %>% filter(CO_MES == mes_atual_comex) %>% 
  group_by(SG_UF_NCM) %>% 
  summarise(VL_FOB_EXP_MES_anterior = sum(VL_FOB))

indicador_bal_mes_anterior_IMP <- IMP_ANO_anterior %>% filter(CO_MES == mes_atual_comex) %>% 
  group_by(SG_UF_NCM) %>% 
  summarise(VL_FOB_IMP_MES_anterior = sum(VL_FOB))

DADOS_BALANCA_MES <- left_join(indicador_bal_mes_anterior_EXP, indicador_bal_mes_anterior_IMP, by = "SG_UF_NCM")
DADOS_BALANCA_MES$BALANCA_MES_ano_anterior <- DADOS_BALANCA_MES$VL_FOB_EXP_MES_anterior - DADOS_BALANCA_MES$VL_FOB_IMP_MES_anterior

indicador_bal_ANO_anterior_EXP <- EXP_ANO_anterior %>% filter(CO_MES <= mes_atual_comex) %>% 
  group_by(SG_UF_NCM) %>% 
  summarise(VL_FOB_EXP_ANO_anterior = sum(VL_FOB))

indicador_bal_ANO_anterior_IMP <- IMP_ANO_anterior %>% filter(CO_MES <= mes_atual_comex) %>%
  group_by(SG_UF_NCM) %>% 
  summarise(VL_FOB_IMP_ANO_anterior = sum(VL_FOB))
DADOS_BALANCA_ANO <- left_join(indicador_bal_ANO_anterior_EXP, indicador_bal_ANO_anterior_IMP, by = "SG_UF_NCM")
DADOS_BALANCA_ANO$BALANCA_ANO_anterior <- DADOS_BALANCA_ANO$VL_FOB_EXP_ANO_anterior - DADOS_BALANCA_ANO$VL_FOB_IMP_ANO_anterior

DADOS_BALANCA_anterior <- left_join(DADOS_BALANCA_ANO, DADOS_BALANCA_MES, by = "SG_UF_NCM")

dados_balanca <- left_join(DADOS_BALANCA_anterior, DADOS_BALANCA_ATUAL, by = "SG_UF_NCM")
dados_balanca <- na.omit(dados_balanca)
dados_balanca$variacao_acum <- round(((dados_balanca$BALANCA_ANO_atual / dados_balanca$BALANCA_ANO_anterior - 1)*100),2)
dados_balanca$variacao_mes <- round(((dados_balanca$BALANCA_MES_ano_atual / dados_balanca$BALANCA_MES_ano_anterior - 1)*100),2)

rm(DADOS_BALANCA_anterior, DADOS_BALANCA_ANO, indicador_bal_ANO_anterior_IMP, indicador_bal_ANO_anterior_EXP, DADOS_BALANCA_MES,
   indicador_bal_mes_anterior_EXP, DADOS_BALANCA_ATUAL, indicador_bal_ANO_atual_IMP)

dados_balanca$resultado <- ifelse(dados_balanca$BALANCA_ANO_atual >= 0, "Superavitária", "Deficitaria")
dados_balanca$resultado2 <- ifelse(dados_balanca$BALANCA_MES_ano_atual >= 0, "Superavitária", "Deficitaria")

dados_balanca <- dados_balanca %>% arrange(desc(BALANCA_ANO_atual)) %>% 
  mutate(ranking_nacional_ano = 1:27)
dados_balanca <- dados_balanca %>% arrange(desc(BALANCA_MES_ano_atual)) %>% 
  mutate(ranking_nacional_mes = 1:27)

dados_balanca$BALANCA_MES_ano_atual2 <- dados_balanca$BALANCA_MES_ano_atual

dados_balanca$unidade_BALANCA_ANO_ATUAL <- ifelse(dados_balanca$BALANCA_ANO_atual >= 1000000000 | dados_balanca$BALANCA_ANO_atual <= -1000000000, "Bilhões",
                                                  ifelse(dados_balanca$BALANCA_ANO_atual >= 1000000 | dados_balanca$BALANCA_ANO_atual <= -1000000, "Milhões",
                                                         ifelse(dados_balanca$BALANCA_ANO_atual >= 1000 | dados_balanca$BALANCA_ANO_atual <= -1000, "Mil",
                                                                ifelse(dados_balanca$BALANCA_ANO_atual >= 1000 | dados_balanca$BALANCA_ANO_atual <= -1000, "Centenas"))))

dados_balanca$unidade2_BALANCA_ANO_ATUAL <- ifelse(dados_balanca$BALANCA_ANO_atual >= 1000000000 | dados_balanca$BALANCA_ANO_atual <= -1000000000, 1000000000,
                                                  ifelse(dados_balanca$BALANCA_ANO_atual >= 1000000 | dados_balanca$BALANCA_ANO_atual <= -1000000, 1000000,
                                                         ifelse(dados_balanca$BALANCA_ANO_atual >= 1000 | dados_balanca$BALANCA_ANO_atual <= -1000, 1000,
                                                                ifelse(dados_balanca$BALANCA_ANO_atual >= 1000 | dados_balanca$BALANCA_ANO_atual <= -1000, 100))))


dados_balanca$unidade3_BALANCA_ANO_ATUAL <- paste(round(dados_balanca$BALANCA_ANO_atual / dados_balanca$unidade2_BALANCA_ANO_ATUAL, 2),"US$", dados_balanca$unidade_BALANCA_ANO_ATUAL, sep = " ")

################################################################################################

dados_balanca$unidade4_BALANCA_ANO_ATUAL <- ifelse(dados_balanca$BALANCA_MES_ano_atual >= 1000000000 | dados_balanca$BALANCA_MES_ano_atual <= -1000000000, "Bilhões",
                                                  ifelse(dados_balanca$BALANCA_MES_ano_atual >= 1000000 | dados_balanca$BALANCA_MES_ano_atual <= -1000000, "Milhões",
                                                         ifelse(dados_balanca$BALANCA_MES_ano_atual >= 1000 | dados_balanca$BALANCA_MES_ano_atual <= -1000, "Mil",
                                                                ifelse(dados_balanca$BALANCA_MES_ano_atual >= 1000 | dados_balanca$BALANCA_MES_ano_atual <= -1000, "Centenas"))))

dados_balanca$unidade2_BALANCA_MES_ano_atual <- ifelse(dados_balanca$BALANCA_MES_ano_atual >= 1000000000 | dados_balanca$BALANCA_MES_ano_atual <= -1000000000, 1000000000,
                                                   ifelse(dados_balanca$BALANCA_MES_ano_atual >= 1000000 | dados_balanca$BALANCA_MES_ano_atual <= -1000000, 1000000,
                                                          ifelse(dados_balanca$BALANCA_MES_ano_atual >= 1000 | dados_balanca$BALANCA_MES_ano_atual <= -1000, 1000,
                                                                 ifelse(dados_balanca$BALANCA_MES_ano_atual >= 1000 | dados_balanca$BALANCA_MES_ano_atual <= -1000, 100))))


dados_balanca$unidade3_BALANCA_MES_ano_atual <- paste(round(dados_balanca$BALANCA_MES_ano_atual / dados_balanca$unidade2_BALANCA_MES_ano_atual, 2),"US$", dados_balanca$unidade4_BALANCA_ANO_ATUAL, sep = " ")



##############################################################################################



hex_to_rgba <- function(hex, alpha) {
  rgb <- col2rgb(hex)
  paste0("rgba(", rgb[1], ",", rgb[2], ",", rgb[3], ",", alpha, ")")
}





leg_1 <- dados_balanca %>% filter(BALANCA_MES_ano_atual == min(dados_balanca$BALANCA_MES_ano_atual, na.rm = TRUE))
leg_min <- leg_1$unidade2_BALANCA_MES_ano_atual[1]
leg_min2 <- leg_1$unidade2_BALANCA_MES_ano_atual[1]
leg_1 <- dados_balanca %>% filter(BALANCA_MES_ano_atual == max(dados_balanca$BALANCA_MES_ano_atual, na.rm = TRUE))
leg_max <- leg_1$unidade2_BALANCA_MES_ano_atual[1]
leg_max2 <- leg_1$unidade3_BALANCA_MES_ano_atual[1]



data_classes2 <- list(
  list(from = -1000000000000000000000000000000000000000000000, to = - 1000000000, color = "#effdd1", name = "Déficit superior a 1 bi US$"),
  list(from = -1000000000, to = 0, color = "lightgreen", name = "Déficit inferior a 1 bi US$"),
  list(from = 0, to = 1000000000, color = "#469d6b", name = "Superávit inferior a 1 bi US$"),
  list(from = 1000000000, to = 100000000000000000000000000000000, color = "#3c604a", name = "Superávit superior a 1 bi US$")
)

#############################################################################################

# Baixar e visualizar os dados do mapa
mapbrazil <- get_data_from_map(download_map_data(url = "countries/br/br-all", showinfo = FALSE, quiet = FALSE))
###################################################################################
titulo_5_bra <- paste("Balança Comercial por Estado - ", mes_atual_comex," / ",ano_atual)

##################################################################################
map_bal <- hcmap(
  "countries/br/br-all",
  data = dados_balanca,
  value = "BALANCA_MES_ano_atual",
  joinBy = c("hc-a2", "SG_UF_NCM"),
  name = "Estado",
  dataLabels = list(enabled = FALSE, format = "{point.name}"),
  borderColor = "black",
  borderWidth = 0.3,
  tooltip = list(
    valueDecimals = 2,
    valuePrefix = "% ",
    pointFormat = "
    <b>{point.name}</b>
    <br>Balança do mês: {point.unidade3_BALANCA_MES_ano_atual}
     <br>Status balança mês: {point.resultado2}
    <br>Variação da Balança no mês: {point.variacao_mes} %
    <br>Ranking nacional - mês: {point.ranking_nacional_mes}º
    <br>Balança acum: {point.unidade3_BALANCA_ANO_ATUAL}
    <br>Status balança acum: {point.resultado}
    <br>Variação balança acum: {point.variacao_acum} % 
    <br>Ranking nacional - acum: {point.ranking_nacional_ano}º
    "
  )
  ) %>%
  hc_title(text = titulo_5_bra) %>%
  hc_exporting(enabled = TRUE) %>%
  hc_mapNavigation(enabled = TRUE) %>% 
  hc_legend(
      title = list(text = "Saldo da Balança Comercial em Setembro de 2024 (Bilhões de US$ FOB)"),
    layout = "vertical",       # Define o layout da legenda como vertical
    align = "right",           # Alinha a legenda à direita
    verticalAlign = "middle"   # Alinha a legenda verticalmente ao meio
  )  %>%
  hc_colorAxis(
    dataClasses = data_classes2
  )



################################################

top_5_estados <- dados_balanca %>% arrange(desc(BALANCA_MES_ano_atual)) %>% head(5)

colnames(estados) <- c("CO_UF", "SG_UF_NCM", "NO_UF", "NO_REGIAO")
top_5_estados <- left_join(top_5_estados,estados, by = "SG_UF_NCM")

BAR_2 <- highchart() %>%
  hc_chart(type = "bar") %>%
  hc_title(text = "Top 5 Estados Brasileiros por Saldo da Balança") %>%
  hc_xAxis(categories = top_5_estados$NO_UF,
           title = list(text = " "),  # Título do eixo Y
           opposite = FALSE,
           labels = list(enabled = FALSE)) %>%
  hc_yAxis(
    title = list(text = " "),  # Título do eixo Y
    opposite = FALSE,
    labels = list(enabled = FALSE)) %>%
  hc_add_series(
    name = " ",
    data = top_5_estados$BALANCA_MES_ano_atual,
    color = "#469d6b"
  ) %>%
  hc_exporting(enabled = TRUE) %>%
  hc_plotOptions(
    bar = list(
      dataLabels = list(
        enabled = TRUE,
        format = "{point.category}",
        inside = TRUE,
        color = "white"
      )
    ),
    tooltip = list(
      pointFormat = "<b>{point.}</b>:Saldo balançca no mês: {point.unidade3_BALANCA_MES_ano_atual}")
  ) %>% 
  hc_title(text = "Top 5 Estados Brasileiros por Balança Comercial") %>%
  hc_legend(enabled = FALSE) %>%
  hc_exporting(enabled = T)

require(htmltools)
tagList(
  div(style = "display: flex;",
      div(style = "flex: 0 0 70%; padding-right: 15px;", htmltools::browsable(map_bal)),
      div(style = "flex: 0 0 30%; padding-left: 5px;", htmltools::browsable(BAR_2))
  )
)

---

georgiano.stat@gmail.com