Introdução
Essa análise tem foco nos contrastes, ou seja, ela quer analisar o Brasil numa perspectiva de preto no branco, tem ou não tem, é assim ou não e etc. Com o auxílio do ggplot, iremos mostrar caracteristicas por municipios, que são representados pelas suas latitudes no mapa, ou pra quem ainda não entendeu, os pontinhos coloridos.
Base de dados
A base de dados é composta por diversas caracteristicas dos municipios que uma alma bondosa reuniu e colocou la no kaggle. Ela é composta de 5573 linhas e 81 colunas.
Brasil em Pontos
Onde estão as cidades?
Como sabemos, a maioria das cidades brasileiras encontram se perto do litoral.
Cidades com mais de 200 mil habitantes
df1 %>%
mutate(Cidade_200 = ifelse(IBGE_RES_POP > 200000,"Mais","Menos")) %>%
ggplot(aes(x = LONG,y = LAT)) +
geom_point(aes(colour = Cidade_200,size = IBGE_RES_POP)) +
theme_void()
Cidades com 200 mil habitantes ou mais podem ter segundo turno na eleição para prefeito. E como visto no mapa, elas se concentram perto das capitais, normalmente nos chamados grandes centros, como a grande São Paulo, Grande Rio e etc.
IDHM
df1 %>%
mutate(IDHM = case_when(
IDHM < 0.5 ~ "Muito Baixo",
IDHM > 0.5 & IDHM < 0.6 ~ "Baixo",
IDHM > 0.6 & IDHM < 0.7 ~ "Médio",
IDHM > 0.7 & IDHM < 0.8 ~ "Alto",
IDHM > 0.8 ~ "Muito Alto"
)) %>%
filter(IDHM != "NA") %>%
ggplot(aes(x = LONG,y = LAT)) +
geom_point(aes(colour = IDHM)) +
theme_void() 
Aqui temos três padrões. Municipios com IDHM baixo tendem a se concentrar no nordeste do país. Já os que possuem alto IDHM concentram - se principalmente em São Paulo e algumas outras partes do Sul. Ja a maioria do restante que está espelhado pelo país encontra se na categoria Médio.
Setor com maior valor adicionado por município
df1 %>%
select(LAT,LONG,GVA_AGROPEC,GVA_INDUSTRY,GVA_SERVICES,
GVA_PUBLIC) %>%
mutate(Total = GVA_INDUSTRY + GVA_PUBLIC + GVA_AGROPEC + GVA_SERVICES,
Agro = GVA_AGROPEC/Total,
Industria = GVA_INDUSTRY/Total,
Serviços = GVA_SERVICES/Total,
Setor_Publico = GVA_PUBLIC/Total) %>%
select(LAT,LONG,Agro,Industria,Serviços,Setor_Publico) %>%
gather("Setor","Valor",-c(LAT,LONG)) %>%
group_by(LAT,LONG) %>%
top_n(1) %>%
ggplot(aes(x = LONG,y = LAT)) +
geom_point(aes(colour = Setor)) +
theme_void()
Nota se que na maior parte dos municipios brasileiros, o valor adicionado do setor publico é o que rege a economia munincipal.
Balanço dos municípios
df1 %>%
mutate(saldo = ifelse((TAXES*1000) - MUN_EXPENDIT > 0,"Superávit","Déficit")) %>%
filter(saldo != "NA") %>%
ggplot(aes(x = LONG,y = LAT)) +
geom_point(aes(colour = saldo)) +
labs(subtitle = "Dados de 2016") +
theme_void()
Um bom retrato da crise fiscal brasileira pode ser análisada pela ótica munincipal. A maioria dos municípios tem déficits em seu orçamento e isso contribui para o déficit governamental como um todo.