library(tidyverse)
## ── Attaching packages ───────────────────────────────────────────────────────────────── tidyverse 1.2.1 ──
## ✔ ggplot2 2.2.1     ✔ purrr   0.2.4
## ✔ tibble  1.3.4     ✔ dplyr   0.7.4
## ✔ tidyr   0.7.2     ✔ stringr 1.3.0
## ✔ readr   1.1.1     ✔ forcats 0.2.0
## ── Conflicts ──────────────────────────────────────────────────────────────────── tidyverse_conflicts() ──
## ✖ dplyr::filter() masks stats::filter()
## ✖ dplyr::lag()    masks stats::lag()
library(knitr)
library(kableExtra)
# dados<- read_csv(file= "DM_DOCENTE.CSV")
# library(readr)
# base <- read_delim("DM_DOCENTE.CSV", "|", 
#                     escape_double = FALSE, col_types = cols(CO_DOCENTE_IES = col_character()), 
#                     locale = locale(encoding = "ISO-8859-1"), 
#                     trim_ws = TRUE)
base<- read_rds("base5perc.rds")
base%>%
  select(NO_IES, DS_CATEGORIA_ADMINISTRATIVA, CO_MUNICIPIO_NASCIMENTO)%>%
  transmute(Nome =NO_IES,
            categoria = DS_CATEGORIA_ADMINISTRATIVA,
            codigo = as.character(CO_MUNICIPIO_NASCIMENTO))%>%
  mutate(UF= str_sub(string= codigo, start = 1, end=2))%>%
  group_by(UF, categoria)%>%
  count()%>%
  filter(UF=="26") %>% arrange(desc(n)) %>%kable()
UF categoria n
26 Pública Federal 246
26 Privada com fins lucrativos 178
26 Privada sem fins lucrativos 155
26 Pública Estadual 59
26 Pública Municipal 32
26 Especial 8