library(tm);library(wordcloud2);library(RColorBrewer);library(readxl);library(ggplot2);library(dplyr);library(stringi)
dados <- read_excel("agentes.xlsx",col_names = TRUE)
colnames(dados)[59] = "colunaA"Núvem de palavras da primeira linguagem/expressão que mais utiliza
texto = dados$`46. Qual é a linguagem/expressão artística-cultural que você mais utiliza/trabalha em sua atuação no campo: (Queremos saber um pouco mais sobre a linguagem ou expressão artístico-cultural que você MAIS utiliza ou trabalha. Responda com termos bem resumidos, como por exemplo: “teatro”, “capoeira”, “hip-hop”, “artesanato”, “cultura popular”, etc. Sabemos que dá vontade de colocar muitas coisas, mas por favor, coloque APENAS aquela que você considera a PRINCIPAL!)`
corpus <- Corpus(VectorSource(texto))
corpus <- tm_map(corpus, content_transformer(tolower))
corpus <- tm_map(corpus, removePunctuation)
corpus <- tm_map(corpus, removeNumbers)
corpus <- tm_map(corpus, removeWords, stopwords("pt"))
corpus <- tm_map(corpus, stripWhitespace)
tdm <- TermDocumentMatrix(corpus)
m <- as.matrix(tdm)
word_freqs <- sort(rowSums(m), decreasing = TRUE)
word_freq_df <- data.frame(word = names(word_freqs), freq = word_freqs)
wordcloud2(word_freq_df, size=1.6)Frequência dos 20 termos mais populares da primeira linguagem/expressão que mais utiliza
tdm <- TermDocumentMatrix(corpus)
matriz <- as.matrix(tdm)
frequencias <- rowSums(matriz)
tabela_frequencias <- data.frame(Palavra = names(frequencias), Frequencia = frequencias)
tabela_frequencias <- tabela_frequencias[order(-tabela_frequencias$Frequencia), ]
head(tabela_frequencias,20)## Palavra Frequencia
## cultura cultura 132
## popular popular 111
## teatro teatro 61
## dança dança 47
## artesanato artesanato 29
## música música 27
## capoeira capoeira 16
## audiovisual audiovisual 15
## artes artes 14
## hiphop hiphop 13
## fotografia fotografia 12
## visuais visuais 12
## hip hip 12
## hop hop 12
## percussão percussão 9
## cultural cultural 9
## cinema cinema 8
## desenho desenho 8
## digital digital 8
## pintura pintura 7markdown_widget <- function(widget,path=getwd(),filename="file.png"){
require(htmlwidgets)
require(webshot)
saveWidget(widget,"tmp.html",selfcontained = F)
file <- paste(path,filename,sep = "/")
webshot("tmp.html",file,delay = 5,vwidth = 1024,vheight = 768)
file.remove("tmp.html")
paste0("![",file,"](",file,")\n\n") %>% cat()
}Núvem de palavras da segunda linguagem/expressão que mais utiliza
texto = dados$`47.Qual é segunda linguagem/expressão artística-cultural que você mais utiliza/trabalha em sua atuação no campo: (Se você ficou com vontade de inserir mais respostas na questão anterior, coloque aqui a linguagem ou expressão artístico-cultural que fica em SEGUNDO LUGAR na sua lista de importância.)`
corpus <- Corpus(VectorSource(texto))
corpus <- tm_map(corpus, content_transformer(tolower))
corpus <- tm_map(corpus, removePunctuation)
corpus <- tm_map(corpus, removeNumbers)
corpus <- tm_map(corpus, removeWords, stopwords("pt"))
corpus <- tm_map(corpus, stripWhitespace)
tdm <- TermDocumentMatrix(corpus)
m <- as.matrix(tdm)
word_freqs <- sort(rowSums(m), decreasing = TRUE)
word_freq_df <- data.frame(word = names(word_freqs), freq = word_freqs)
wordcloud2(word_freq_df, size=1.6)Frequência dos 20 termos mais populares da segunda linguagem/expressão que mais utiliza
tdm <- TermDocumentMatrix(corpus)
matriz <- as.matrix(tdm)
frequencias <- rowSums(matriz)
tabela_frequencias <- data.frame(Palavra = names(frequencias), Frequencia = frequencias)
tabela_frequencias <- tabela_frequencias[order(-tabela_frequencias$Frequencia), ]
head(tabela_frequencias,20)## Palavra Frequencia
## cultura cultura 73
## popular popular 54
## dança dança 49
## teatro teatro 33
## artesanato artesanato 23
## música música 21
## audiovisual audiovisual 15
## capoeira capoeira 11
## artes artes 11
## literatura literatura 11
## produção produção 9
## arte arte 9
## hip hip 8
## hop hop 8
## cultural cultural 8
## hiphop hiphop 8
## canto canto 8
## fotografia fotografia 8
## trabalho trabalho 7
## musica musica 7Ano de nascimento dos agentes (Formato sem padrão, ocasionando erros)
dados$Ano_Nascimento <- substr(dados$`5.Data de Nascimento:`, nchar(dados$`5.Data de Nascimento:`) - 3, nchar(dados$`5.Data de Nascimento:`))
frequencias_ano <- dados %>%
filter(Ano_Nascimento >= 1900 & Ano_Nascimento < 2025) %>%
group_by(Ano_Nascimento) %>%
summarise(Frequencia = n()) %>%
arrange(desc(Frequencia))
ggplot(frequencias_ano, aes(x = factor(Ano_Nascimento), y = Frequencia, fill = factor(Ano_Nascimento))) +
geom_bar(stat = "identity") +
geom_text(aes(label = Frequencia), vjust = -0.3) +
theme_minimal() +
labs(title = "Distribuição dos Anos de Nascimento", x = "Ano de Nascimento", y = "Frequência") +
theme(axis.text.x = element_text(angle = 45, hjust = 1),
panel.grid = element_blank(),
legend.position = "none")
library(plotly)
library(dplyr)
dados_resumidos <- dados %>%
count(`7. UF`, `9.Você reside em qual dessas áreas?`)
dados_resumidos <- dados_resumidos %>%
add_row(`7. UF` = "AC", `9.Você reside em qual dessas áreas?` = "Rural", n = 0)
uf_options <- c("Todos", unique(dados_resumidos$`7. UF`))
filtrar_dados <- function(uf) {
if (uf == "Todos") {
df <- dados_resumidos %>%
group_by(`9.Você reside em qual dessas áreas?`) %>%
summarise(n = sum(n), .groups = "drop")
} else {
df <- dados_resumidos %>% filter(`7. UF` == uf)
}
return(df)
}
uf_inicial <- "Todos"
dados_iniciais <- filtrar_dados(uf_inicial)
fig <- plot_ly(dados_iniciais,
x = ~`9.Você reside em qual dessas áreas?`,
y = ~n,
type = "bar") %>%
layout(
title = paste("Distribuição de Áreas por UF -", uf_inicial),
xaxis = list(title = "Área"),
yaxis = list(title = "Frequência"),
updatemenus = list(
list(
buttons = lapply(uf_options, function(uf) {
dados_atualizados <- filtrar_dados(uf)
list(
method = "update",
args = list(
list(
x = list(dados_atualizados$`9.Você reside em qual dessas áreas?`),
y = list(dados_atualizados$n)
),
list(
title = paste("Distribuição de Áreas por UF -", uf),
xaxis = list(
tickvals = dados_atualizados$`9.Você reside em qual dessas áreas?`,
ticktext = dados_atualizados$`9.Você reside em qual dessas áreas?`
)
)
),
label = uf
)
}),
direction = "down",
x = 0.1,
y = 1.2
)
)
)
figdados_resumidos <- dados %>%
count(`19. Qual foi a sua principal motivação para se tornar Agente Cultura Viva?`)
fig <- plot_ly(data = dados_resumidos,
x = ~`19. Qual foi a sua principal motivação para se tornar Agente Cultura Viva?`,
y = ~n,
type = 'bar') %>%
layout(
xaxis = list(title = "Principal motivação para se tornar Agente Cultura Viva"),
yaxis = list(title = "Frequência")
)
figdados_resumidos <- dados %>%
count(colunaA)
fig <- plot_ly(data = dados_resumidos,
x = ~colunaA,
y = ~n,
type = 'bar') %>%
layout(
xaxis = list(title = "Principal atuação no campo artístico cultural"),
yaxis = list(title = "Frequência")
)
figlibrary(tidygeocoder);library(stringr);library(leaflet)
dados = dados %>%
mutate("CEP" = str_replace_all(`8.CEP:`, "[^0-9]", ""))
dadosGeocode = dados %>%
geocode("CEP",method='osm')
dadosGeocode$Country %>% table()## .
## Argentina Belize Brazil Colombia Costa Rica
## 3 1 424 1 2
## Ecuador Haiti Israel Mexico Panama
## 1 1 2 4 1
## Portugal United States
## 1 14