Variáveis utilizadas no desafio 4

No desafio 3 as principais variáveis utilizadas foram orçamento, óbitos e dados do IBGE acerca de serviços e amenidades existentes em todos os municípios de todas as unidades federativas do Brasil. Para o desafio 4, restringiremos as análises a óbitos e orçamento. Contudo, apresentaremos o data frame final antes de produzir os mapas, a fim de enunciar as variáveis incluídas nas imagens seguir.

Data frame final do *Desafio 3*
Código IBGE	Município	UF	População	Funcionários diretos	Taxas	Amenidades	Grau de instrução	Orçamento	Óbitos (total)	Óbitos (100 mil habitantes)	Orçamento relativo (per capita)
355030	SAO PAULO	SP	11,895,893	138233	Sim	Sim	Mestrado ou doutorado	314,370,052,308	75,273	0.8	26,426.8
350950	CAMPINAS	SP	1,154,617	17571	Sim	Sim	Ensino superior completo	28,530,329,716	6,757	0.1	24,709.8
351880	GUARULHOS	SP	1,312,197	23663	Sim	Sim	Ensino superior incompleto	25,300,010,964	7,367	0.1	19,280.6
354780	SANTO ANDRE	SP	707,613	10298	Sim	Não	Ensino superior completo	12,622,622,866	5,142	0.1	17,838.3
350010	ADAMANTINA	SP	35,001	1183	Sim	Sim	Mestrado ou doutorado	658,593,862	307	0.0	18,816.4
350020	ADOLFO	SP	3,631	315	Sim	Sim	-	169,142,169	42	0.0	46,582.8

Como o objetivo é apenas enunciar as variáveis utilizadas, e não os valores, apresentei apenas as informações iniciais, através do comando “head” em “kable”. Ademais, selecionei os dados referentes apenas a São Paulo, uma vez que o desafio 4 refere-se apenas a conurbação desse estado.

Mapas (Desafio 4)

## OGR data source with driver: ESRI Shapefile 
## Source: "/home/erumenig/Documents/Disciplinas/R/Desafio_4/rmsp", layer: "MunRM07"
## with 39 features
## It has 8 fields
## Integer64 fields read as strings:  ID COD_IBGE POP_2000 DENS_DEMO

Após importar os arquivos com o layer da metrópole paulista, verifico o que existe de informação.

## Formal class 'SpatialPolygonsDataFrame' [package "sp"] with 5 slots
##   ..@ data       :'data.frame':  39 obs. of  8 variables:
##   ..@ polygons   :List of 39
##   ..@ plotOrder  : int [1:39] 12 37 10 5 11 1 16 6 3 4 ...
##   ..@ bbox       : num [1:2, 1:2] -47.2 -24.1 -45.7 -23.2
##   .. ..- attr(*, "dimnames")=List of 2
##   ..@ proj4string:Formal class 'CRS' [package "sp"] with 1 slot

Então, tal qual no tutorial 10c, separo as informações a fim de fazer um “left_join” com o meu data frame [rmsp_data + “desafio_3”]; e, finalmente, produzir um mapa com informações do “Desafio 3”.

## Observations: 19,673
## Variables: 26
## $ long                <dbl> -46.15734, -46.16225, -46.16271, -46.16266, …
## $ lat                 <dbl> -23.34258, -23.34526, -23.34622, -23.34684, …
## $ order               <int> 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 1…
## $ hole                <lgl> FALSE, FALSE, FALSE, FALSE, FALSE, FALSE, FA…
## $ piece               <fct> 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1,…
## $ id                  <dbl> 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0,…
## $ group               <fct> 0.1, 0.1, 0.1, 0.1, 0.1, 0.1, 0.1, 0.1, 0.1,…
## $ ID                  <dbl> 74, 74, 74, 74, 74, 74, 74, 74, 74, 74, 74, …
## $ COD_IBGE            <dbl> 354680, 354680, 354680, 354680, 354680, 3546…
## $ SIGLA               <chr> "SIS", "SIS", "SIS", "SIS", "SIS", "SIS", "S…
## $ NOME                <chr> "Santa Isabel", "Santa Isabel", "Santa Isabe…
## $ NOMECAPS            <chr> "SANTA ISABEL", "SANTA ISABEL", "SANTA ISABE…
## $ POP_2000            <chr> "43740", "43740", "43740", "43740", "43740",…
## $ DENS_DEMO           <dbl> 120, 120, 120, 120, 120, 120, 120, 120, 120,…
## $ AREA_KM2            <dbl> 364.1687, 364.1687, 364.1687, 364.1687, 364.…
## $ Municipio           <chr> "SANTA ISABEL", "SANTA ISABEL", "SANTA ISABE…
## $ UF                  <chr> "SP", "SP", "SP", "SP", "SP", "SP", "SP", "S…
## $ Populacao           <dbl> 54363, 54363, 54363, 54363, 54363, 54363, 54…
## $ Func_diretos        <dbl> 1814, 1814, 1814, 1814, 1814, 1814, 1814, 18…
## $ Taxa                <chr> "Sim", "Sim", "Sim", "Sim", "Sim", "Sim", "S…
## $ Amenidades          <chr> "Sim", "Sim", "Sim", "Sim", "Sim", "Sim", "S…
## $ Educacao            <chr> "Ensino superior completo", "Ensino superior…
## $ Orcamento_total     <dbl> 874376709, 874376709, 874376709, 874376709, …
## $ Obitos              <dbl> 347, 347, 347, 347, 347, 347, 347, 347, 347,…
## $ Obitos_habitante    <dbl> 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0,…
## $ Orcamento_percapita <dbl> 16084, 16084, 16084, 16084, 16084, 16084, 16…

População

Mapa de São Paulo discriminado pela população de cada município.

Número de funcionários

Mapa de São Paulo discriminado pelo número de funcionários diretos que atuam no municiípio.

Orçamento

Mapa de São Paulo discriminado pelo orcamento total e per capita dos municiípios.

Óbitos

Mapa de São Paulo discriminado pelos óbitos (totais) e relativos (dividios por 100 mil habitantes).

Esse desafio foi muito mais fácil, embora o tempo requerido não tenha sido pouco (aproximadamente 3 horas). Contudo, na maior parte do tempo fiquei ajustando parâmetros estéticos. O script foi relativamente rápido.

Desafio_4

Eduardo Rumenig

June 13, 2019

Nome <- “Eduardo Rumenig Souza”

Programa <- “Doutorado em Educação Física”

N_Usp <- 6310410