Projeto Análise de Dados Fase 2

Dados descritivos da matéria

Análise de dados

Professor Adriano Lauro

Centro Universitário Celso Lisboa

Trabalho feito com base nos dados das eleições de 2024, Rio de Janeiro

planilha adquirida pelo site do STJ

##Carregamento de Planilha ###Planilha montada através dos dados disponibilizados no site do STJ ### Trabalho feito sobre as eleições municipais do Rio de Janeiro 2024 ###foco nas vagas para Vereadores no município do Rio de Janeiro

library(readxl)
Planilha_eleicoes <- read_excel("Planilha_eleicoes.xlsx")

##Carregamento de Pacotes

library(readxl)
library(readr)
library(dplyr)

## 
## Attaching package: 'dplyr'

## The following objects are masked from 'package:stats':
## 
##     filter, lag

## The following objects are masked from 'package:base':
## 
##     intersect, setdiff, setequal, union

library(ggplot2)
library(kableExtra)

## 
## Attaching package: 'kableExtra'

## The following object is masked from 'package:dplyr':
## 
##     group_rows

library(knitr)

##tratando Dados

votacao <- Planilha_eleicoes

glimpse(votacao)

## Rows: 984
## Columns: 4
## $ candidato  <chr> "*22222 - CARLOS NANTES BOLSONARO", "*55005 - MARCIO CESAR …
## $ Votos      <chr> "130480", "56770", "49986", "47671", "40892", "39967", "398…
## $ Destinacao <chr> "Válido", "Válido", "Válido", "Válido", "Válido", "Válido",…
## $ Situacao   <chr> "Eleito por QP", "Eleito por QP", "Eleito por QP", "Eleito …

class(votacao$`Votos`)

## [1] "character"

votacao$`Votos` <- as.numeric(as.character(votacao$`Votos`))

Agrupando Dados

 x<- votacao %>%
  group_by(Situacao) %>%
  summarise(maxino_votos = max(Votos),
            minimo_votos = min(Votos),
            media_votos = mean(Votos),
            mediana_votos = median(Votos),
            S_votos = sd(Votos))

Colocando numa tabela para apresnetçaõ usando a função kable ##Estatística Básica

Média

Mediana

Desvio Padrão

kable(head(x, 15))

Situacao	maxino_votos	minimo_votos	media_votos	mediana_votos	S_votos
10º Suplente	8000	613	2685.4375	1888.0	2074.4609
11º Suplente	7393	544	2458.2500	1724.5	1926.9452
12º Suplente	7026	505	2259.2500	1489.0	1814.9360
13º Suplente	6190	501	1956.3125	1316.0	1610.4063
14º Suplente	6134	492	1735.5000	971.5	1573.8933
15º Suplente	6083	456	1651.6000	851.0	1558.2728
16º Suplente	6066	380	1514.6875	749.0	1524.5282
17º Suplente	5921	344	1373.8750	696.5	1476.8236
18º Suplente	5624	342	1298.0000	694.5	1407.7623
19º Suplente	5056	269	1176.0000	627.5	1293.9006
1º Suplente	25844	3889	12593.0000	12006.0	5347.0528
20º Suplente	4779	266	1106.1250	613.0	1226.1614
21º Suplente	4406	263	1031.5000	561.5	1141.0167
22º Suplente	4350	241	921.3125	556.5	1061.8278
23º Suplente	3631	231	781.3750	498.0	859.6917

Histograma

###Histograma feito com as colunas “Votos” e ” Destinacao”

###nesse Histograma podemos ver a quantidade de votos válidos, Anulados e NA

ggplot(votacao) +
  aes(Votos) +
  geom_histogram(bins = 15, color = "blue", fill = "yellow") +
  facet_grid(~Destinacao)

## Warning: Removed 2 rows containing non-finite outside the scale range
## (`stat_bin()`).

##Gráfico de Barras

##Gráfico feito com a coluna “situacao”

##Nesse gráfico podemos observar a quantidade detalhada e de forma decrescente a quantidade de votos em cada situação de voto(Não eleito, suplentes e eleito por legenda)

situacao_freq <- table(votacao$Situacao)
situacao_freq <- situacao_freq[order(situacao_freq, decreasing = TRUE)]
cores <- terrain.colors(length(situacao_freq))
par(mar = c(9, 5, 4, 2)) 
bp <- barplot(situacao_freq,
        main = "Distribuição da Situação dos Votos(base votacao)",
        ylab ="Frequencia Absoluta ",
        cex.axis = 0.7,
        col = cores,
        border = "darkgray",
        las = 2,
        cex.names = 0.8,
        ylim = c(0, max(situacao_freq) * 1.2))
grid(nx = NA, ny = NULL, col = "gray", lty = "dotted")
text(x = bp , 
     y = situacao_freq, 
     label = situacao_freq, 
     pos = 3, 
     cex = 0.7, 
     col = "darkblue", 
     font = 2)