Vamos apresentar de forma prática a construção do Mapa do Brasil utilizando o pacote brazilmaps. Para mais informações acesse a documentação do pacote nos links: https://cran.r-project.org/web/packages/brazilmaps/brazilmaps.pdf https://cran.r-project.org/web/packages/ggplot2/ggplot2.pdf.

Instalando pacotes

install.packages(c("ggplot2","tidyverse","brazilmaps"))

Construindo uma tabela ou data.frame com dados diponibilizados no site https://mapaosc.ipea.gov.br/dados-indicadores.html. Esses dados são referentes a quantidade de empregos formais por Região no Brasil.

numero_emp<- c(166206,305430,70645,1351812,410070) # Quantidade de empregos formais
macro_regiao<- c("Centro-Oeste","Nordeste","Norte","Sudeste","Sul") # Região do Brasil
regiao<- c(5,2,1,3,4) # Código da região
Empregos_Formais <- data.frame(numero_emp,macro_regiao,regiao) # Criação da tabela
head(Empregos_Formais,n=3) #visualizando as 3 primeiras linhas
##   numero_emp macro_regiao regiao
## 1     166206 Centro-Oeste      5
## 2     305430     Nordeste      2
## 3      70645        Norte      1
names(Empregos_Formais)<- c("Empregos","Macroregiao","Regiao") # renomeando 
Empregos_Formais<- Empregos_Formais[order(Empregos_Formais$Empregos),] #ordenando 
head(Empregos_Formais,n=3) #visualizando as 3 primeiras linhas
##   Empregos  Macroregiao Regiao
## 3    70645        Norte      1
## 1   166206 Centro-Oeste      5
## 2   305430     Nordeste      2

Carregando pacotes

Note que foi criado uma variável que armazenou o modelo do gráfico para a plotagem dos dados, para mais informações consulte a documentação do pacote no link:

library(brazilmaps) # pacote para o mapa do brasil 
library(tidyverse) # pacote para manipulção dos dados
## -- Attaching packages ----------------------------------------------------------------------------- tidyverse 1.2.1 --
## v ggplot2 3.2.0     v purrr   0.3.2
## v tibble  2.1.3     v dplyr   0.8.3
## v tidyr   0.8.3     v stringr 1.4.0
## v readr   1.3.1     v forcats 0.4.0
## -- Conflicts -------------------------------------------------------------------------------- tidyverse_conflicts() --
## x dplyr::filter() masks stats::filter()
## x dplyr::lag()    masks stats::lag()
library(ggplot2)
library(lattice)

Estrutura utilizada para construção do mapa, nesta etapa é necessário unir a tabela com as informações iniciais (empregos formais) com as informações default do próprio pacote brazilmaps

mapa_emprego<- get_brmap(geo = "Region")


mapa_emprego<- plot_brmap(mapa_emprego,
                          data_to_join = Empregos_Formais,
                          join_by = c("Region" = "Regiao"),
                          var = "Empregos")

mapa_emprego

Nas próximas etapas iremos melhorar o design do gráfico, inserindo título, cores otimizadas e legendas nas regiões. Começaremos com o título

mapa_emprego+
  # Adicionando titulo ao grafico
  labs(title = "Número de empregos formais nas OSCs por região, Brasil - 2015")

Agora serão feitas alteração na cor do gráfico, note que no gráfico anterior as escalas não estavam na ordem correta.

mapa_emprego+
  # Adicionando titulo ao grafico
  labs(title = "Número de empregos formais nas OSCs por região, Brasil - 2015")+
  # Escala de cores, Legenda e quebra do rotulo
  scale_fill_continuous(low = "gray", high = "dark green", 
                        name = "Quantidade de Empregos (2015)", label = scales::comma, 
                        breaks=c(70645,670000,1351812))

Por último vamos adicionar as latitudes e longitudes para que a legenda da região possa ser plotada no gráfico, facilitando a leitura do gráfico

# Latitude e Longitude das Regiões do Brasil
Latitude<- c(-60.11427458,-55.11427458,-40.11427458,-52.11427458,-45.11427458)
Lontgitude<- c(-2.19830591,-14.09999000,-5.99999000,-26.99999000,-20.99999000)

mapa_emprego+
  # Adicionando titulo ao grafico
  labs(title = "Número de empregos formais nas OSCs por região, Brasil - 2015")+
  # Escala de cores, Legenda e quebra do rotulo
  scale_fill_continuous(low = "gray", high = "dark green", 
                        name = "Quantidade de Empregos (2015)", label = scales::comma, 
                        breaks=c(70645,670000,1351812))+
  # Latitude e longitude, e legendas das regiões
  geom_text(aes(Latitude,Lontgitude,label = Empregos_Formais$Macroregiao),
            data = Empregos_Formais,  size = 3)

Gostou da página, então siga-nós nas redes sociais que sempre estaremos inserindo conteúdos novos por aqui.

Site https://sites.google.com/view/estatistica-ciencias-de-dados

Linkedin https://www.linkedin.com/in/joseli-moreira-ferraz/

GitHub https://github.com/JoseliFerraz

Rpubs https://rpubs.com/joseli1987/513362

Contato:

Quer conhecer mais sobre o universo R, alguns links interessantes para sua jornada:

https://rpubs.com

https://cran.r-project.org/

https://cran.r-project.org/web/packages/ggplot2/ggplot2.pdf