Análise descritiva dos inscritos

Load

library(googlesheets)
library(tidyverse)
library(janitor)
library(stringr)
library(lubridate)
library(forcats)
devtools::load_all()

Download google sheets

# googlesheets::gs_auth()
sheet_key <- gs_ls() %>% 
  filter(stringr::str_detect(sheet_title, 'XII|REGISTROS_')) %>% 
  arrange(sheet_title) %>% 
  with(sheet_key)

d_inscritos <- sheet_key %>% 
  last() %>% 
  gs_key() %>% 
  gs_read(verbose = FALSE) %>% 
  clean_names() %>% 
  set_names(abjutils::rm_accent(names(.)))

d_registros <- sheet_key %>% 
  first() %>% 
  gs_key() %>% 
  gs_read(verbose = FALSE) %>% 
  clean_names() %>% 
  set_names(abjutils::rm_accent(names(.)))

Tidy

tidy_registros <- d_registros %>% 
  mutate(cpf = str_replace_all(cpf, '[^0-9]', '')) %>% 
  select(cpf, situacao) %>% 
  mutate(situacao = tolower(situacao)) %>% 
  distinct(cpf, .keep_all = TRUE)
tidy_inscritos <- d_inscritos %>% 
  select(timestamp = indicacao_de_data_e_hora,
         cpf, endereco, cidade, estado, cep, 
         ocupacao = starts_with('ocupacao'),
         confirmacao = starts_with('confirm'), 
         sexo = starts_with('como_'),
         obs) %>% 
  filter(confirmacao != 'repetido', is.na(obs) | obs != 'DESISTIU') %>% 
  select(-obs) %>% 
  distinct(cpf, .keep_all = TRUE) %>% 
  mutate(estado = estado %>% toupper() %>% abjutils::rm_accent(),
         estado = if_else(str_detect(estado, 'SAO PAULO'), 'SP', estado)) %>% 
  unite(origem, endereco, cidade, estado, sep = ', ') %>% 
  mutate(timestamp = dmy_hms(timestamp)) %>% 
  mutate(cpf = str_replace_all(cpf, '[^0-9]', '')) %>% 
  mutate(confirmacao = if_else(confirmacao == 'sim', 
                               'confirmado', 'espera')) %>% 
  left_join(tidy_registros, 'cpf') %>% 
  mutate(situacao = if_else(is.na(situacao), 'não registrado', situacao)) %>% 
  mutate(sexo = if_else(sexo == 'Sr.', 'masculino', 'feminino'))
  
latlon <- suppressMessages(ggmap::geocode(tidy_inscritos$origem))

Inscrições no tempo

p <- tidy_inscritos %>% 
  arrange(timestamp) %>% 
  mutate(um = 1, inscricoes = cumsum(um)) %>% 
  ggplot(aes(x = timestamp, y = inscricoes)) +
  geom_step() +
  scale_x_datetime(breaks = scales::date_breaks('1 day'), 
                   labels = scales::date_format('%b %d')) +
  theme_bw(14) +
  theme(axis.text.x = element_text(angle = 45, hjust = 1)) +
  xlab(' ') +
  ylab('Volume de inscrições')
plotly::ggplotly(p)

Endereços dos inscritos

library(leaflet)
latlon %>% 
  bind_cols(tidy_inscritos) %>% 
  mutate(label = str_c(ocupacao, origem, sep = '<br/>')) %>% 
  filter(confirmacao == 'confirmado') %>% 
  leaflet() %>%
  setView(lng = -50, lat = -17, zoom = 4) %>% 
  addTiles() %>%
  addMarkers(lng = ~lon, lat = ~lat, popup = ~label,
             clusterOptions = markerClusterOptions())

Sexo

tidy_inscritos %>% 
  count(sexo) %>% 
  mutate(prop = n/sum(n)) %>% 
  add_totals_row() %>% 
  mutate(prop = scales::percent(prop)) %>% 
  knitr::kable()

sexo	n	prop
feminino	58	32.8%
masculino	119	67.2%
Total	177	100.0%

Ocupação

Proporção de inscritos por combinação de ocupações:

tidy_inscritos %>% 
  mutate(ocupacao = fct_lump(ocupacao, n = 12)) %>% 
  count(ocupacao, sort = TRUE) %>% 
  mutate(prop = n/sum(n)) %>%
  add_totals_row() %>% 
  mutate(prop = scales::percent(prop)) %>% 
  knitr::kable()

ocupacao	n	prop
Bacharel em Estatística	50	28.2%
Other	32	18.1%
Profissional com outra graduação	16	9.0%
Estudante do Bacharelado em Estatística	15	8.5%
Estudante de outras carreiras	12	6.8%
Pós-graduando de outras áreas	12	6.8%
Mestrando ou Doutorando em Estatística	8	4.5%
Docente	7	4.0%
Pós-graduando de outras áreas, Bacharel em Estatística	7	4.0%
Estudante de outras carreiras, Profissional com outra graduação	5	2.8%
Mestrando ou Doutorando em Estatística, Bacharel em Estatística	5	2.8%
Pós-graduando de outras áreas, Profissional com outra graduação	5	2.8%
Atualmente está desempregado	3	1.7%
Total	177	100.0%

Proporção de inscritos por ocupação (tem overlap, não soma 100%!).

tidy_inscritos %>% 
  separate(ocupacao, c('a', 'b', 'c', 'd'), sep = ', ',
           fill = 'right') %>% 
  gather(key_ocup, val_ocup, a, b, c, d, convert = TRUE) %>% 
  filter(!is.na(val_ocup)) %>% 
  mutate(ntot = n_distinct(cpf)) %>% 
  mutate(val_ocup = str_wrap(fct_lump(val_ocup, n = 8), 12)) %>%
  group_by(val_ocup) %>% 
  summarise(n = n_distinct(cpf), ntot = first(ntot)) %>% 
  mutate(prop = n / ntot) %>% 
  mutate(val_ocup = fct_reorder(val_ocup, prop, .desc = TRUE)) %>% 
  ggplot(aes(x = val_ocup, y = prop)) +
  geom_bar(stat = 'identity') +
  scale_y_continuous(labels = scales::percent, limits = c(0, .45)) +
  geom_text(aes(label = scales::percent(prop)), 
            position = position_dodge(.9), vjust = -.2) +
  theme_bw(14) +
  xlab('Ocupação') +
  ylab('Proporção de inscritos')

Inscritos vs registrados

Bacharéis em estatística vs situação no CONRE-3. Dos inscritos e bacharéis em estatística, 70% não estão registrados (ou não bateram número do CPF).

tidy_inscritos %>% 
  filter(str_detect(ocupacao, 'Bacharel |Estatístico')) %>% 
  count(situacao) %>% 
  mutate(prop = n/sum(n)) %>% 
  add_totals_row() %>% 
  mutate(prop = scales::percent(prop)) %>% 
  knitr::kable()

situacao	n	prop
não registrado	50	69.4%
regular	22	30.6%
Total	72	100.0%