Base de dados

A base de dados foi obtida no site do Instituto Nacional de Meteorologia.

library(readr)
library(dplyr)
library(ggplot2)

dados <- read_csv("chuva_maio.txt")
dados

## # A tibble: 743 x 20
##    codigo_estacao data  hora  temp_inst temp_max temp_min umid_inst
##    <chr>          <chr> <chr>     <dbl>    <dbl>    <dbl>     <dbl>
##  1 A627           01/0… 18         30.5     31       29.5        58
##  2 A627           01/0… 10         22.2     22.2     21.6        86
##  3 A627           01/0… 17         29.8     30.7     28.9        53
##  4 A627           01/0… 06         23.1     23.2     22.2        81
##  5 A627           01/0… 00         24.9     24.9     24.7        72
##  6 A627           01/0… 23         26       26.7     26          78
##  7 A627           01/0… 02         24.6     24.7     24.6        74
##  8 A627           01/0… 14         27.5     27.5     26.4        69
##  9 A627           01/0… 09         21.7     22.7     21.6        88
## 10 A627           01/0… 16         28.9     29.3     28.1        63
## # … with 733 more rows, and 13 more variables: umid_max <dbl>,
## #   umid_min <dbl>, pto_orvalho_inst <dbl>, pto_orvalho_max <dbl>,
## #   pto_orvalho_min <dbl>, pressao <dbl>, pressao_max <dbl>,
## #   pressao_min <dbl>, vento_direcao <dbl>, vento_vel <dbl>,
## #   vento_rajada <dbl>, radiacao <dbl>, precipitacao <dbl>

Em nossa base de dados a coluna de interesse é a de precipitação, baseado nela foi realizada manipulação fazendo a soma dos valores agrupados pela data. Após, baseado na coluna resultante da manipulação realizada, foi criado uma coluna auxiliar prec_chuva para indicar se houve ou não chuva, utilizando a condição de que se o valor observado for maior que 0, houve chuva.

chuva <- 
  dados %>% 
  group_by(data) %>% 
  summarise(precip_chuva = sum(precipitacao)) %>% 
  mutate(chuva = ifelse(precip_chuva>0,1,0))

chuva$precip_chuva

##  [1]  0.0  0.0  0.0  0.0  0.0  0.0 32.2  1.8  0.0  0.0  0.0  0.0  0.0  0.0
## [15] 11.8  0.0 24.2  9.0  0.4  0.0  0.0  0.0  0.0  0.0  0.0  0.0  0.0  0.0
## [29]  0.0  0.0  0.0

Visualização

dfr <- data.frame(date=seq(as.Date('2019-04-29'), as.Date('2019-05-31'), by=1))
dfr$day <- factor(strftime(dfr$date,format="%a"), levels=rev(c("Mon","Tue","Wed","Thu","Fri","Sat","Sun")))
dfr$week <- factor(strftime(dfr$date,format="%V"))
dfr$month <- factor(strftime(dfr$date,format="%B"), levels=c("April","May"))
dfr$ddate <- factor(strftime(dfr$date,format="%d"))
head(dfr[-c(1:2),])

##         date day week month ddate
## 3 2019-05-01 Wed   18   May    01
## 4 2019-05-02 Thu   18   May    02
## 5 2019-05-03 Fri   18   May    03
## 6 2019-05-04 Sat   18   May    04
## 7 2019-05-05 Sun   18   May    05
## 8 2019-05-06 Mon   19   May    06

dfr$comment <- "Não Choveu"
dfr$comment[dfr$date==as.Date('2019-05-07') | dfr$date==as.Date('2019-05-08')] <- "Choveu"
dfr$comment[dfr$date==as.Date('2019-05-15') | dfr$date==as.Date('2019-05-17')] <- "Choveu"
dfr$comment[dfr$date==as.Date('2019-05-18') | dfr$date==as.Date('2019-05-19')] <- "Choveu"

dfr$comment <- factor(dfr$comment,levels=c("Não Choveu","Choveu"))

ggplot(dfr[-c(1:2),],aes(x=week,y=day))+
  geom_tile(aes(fill=comment))+
  geom_text(aes(label=ddate))+
  scale_fill_manual(values=c("#8dd3c7","#ffffb3"))+
  facet_grid(~month,scales="free",space="free")+
  labs(x="Semana",y="")+
  theme_bw(base_size=10)+
  theme(legend.title=element_blank(),
        panel.grid=element_blank(),
        panel.border=element_blank(),
        axis.ticks=element_blank(),
        strip.background=element_blank(),
        legend.position="top",
        legend.justification="right",
        legend.direction="horizontal",
        legend.key.size=unit(0.3,"cm"),
        legend.spacing.x=unit(0.2,"cm"))