Introdução

Vamos carregar o banco de dados, construir tabelas e mostrar as visualizações com gráfico de pizza.

Passo zero

Vamos carregar os três bancos de dados.

Familias Prefeito Fluminense Secult CE

# passo 0 - carregar as bases de dados
library(readxl)
Familias <- read_excel("Base_de_dados-master/Familias.xls")
                         
load("~/Base_de_dados-master/dados_SECULT_CE.RData")

load("~/Base_de_dados-master/prefeitofluminense.RData")

meu texto.

Passo 1

Aqui vamos construir as tabelas.

#análise de variável qualitativa
# passo 1 - construir uma tabela

tab_fam1<-table(Familias$local)
tab_fam2<-table(Familias$p.a.p)

tab_fam1

## 
##   Encosta do Morro        Monte Verde Parque da Figueira 
##                 37                 40                 43

tab_fam2

## 
## Não usa     Usa 
##      42      78

table(dados_SECULT_CE$Teatro)

## 
##  não  sim 
## 1402  212

table(dados_SECULT_CE$Artes_Visuais)

## 
##  não  sim 
## 1451  163

secult1<-table(dados_SECULT_CE$Teatro)
secult2<-table(dados_SECULT_CE$Artes_Visuais)

secult1

## 
##  não  sim 
## 1402  212

secult2

## 
##  não  sim 
## 1451  163

table(prefeitofluminense$DESCRICAO_SEXO)

## 
##  FEMININO MASCULINO 
##        48       399

table(prefeitofluminense$DESCRICAO_GRAU_INSTRUCAO)

## 
##   ENSINO FUNDAMENTAL COMPLETO ENSINO FUNDAMENTAL INCOMPLETO 
##                            20                             9 
##         ENSINO MÉDIO COMPLETO       ENSINO MÉDIO INCOMPLETO 
##                            98                            11 
##             SUPERIOR COMPLETO           SUPERIOR INCOMPLETO 
##                           266                            43

sexo_pref<-table(prefeitofluminense$DESCRICAO_SEXO)

sexo_pref

## 
##  FEMININO MASCULINO 
##        48       399

Passo 2 - mostrar os percentuais

Aqui vamos calcular os percentuais.

prop.table(tab_fam1)

## 
##   Encosta do Morro        Monte Verde Parque da Figueira 
##          0.3083333          0.3333333          0.3583333

prop.table(tab_fam2)

## 
## Não usa     Usa 
##    0.35    0.65

prop.table(secult1)

## 
##       não       sim 
## 0.8686493 0.1313507

prop.table(secult2)

## 
##       não       sim 
## 0.8990087 0.1009913

round(prop.table(secult1)*100, 2)

## 
##   não   sim 
## 86.86 13.14

round(prop.table(secult2)*100, 2)

## 
##  não  sim 
## 89.9 10.1

#prop.table(sexo_pref) # entre 0 e 1
#prop.table(sexo_pref)*100 # entre 0 e 100
round(prop.table(sexo_pref)*100 , 2) # duas casas decimais

## 
##  FEMININO MASCULINO 
##     10.74     89.26

89% dos prefeitos são do sexo masculino.
Mais teatro do que arte visual.
Maioria usa P.A.P..

Gráficos de Pizza

pie (tab_fam2, main = "Gráfico 1 - famílias que usam p.a.p.", col = c("yellow2", "blue"))

pie (tab_fam1, main = "Gráfico 2 - distribuição de famílias por bairro", col = c("#17e6cd", "#530e8c", "#753739"))

Gráfico de barras

barplot(tab_fam1, col = c("red", "blue", "yellow3"),
        main = "Gráfico 3 - distribuição de famílias por bairro",
        ylim = c(0, 50))

A maioria mora no bairro Parque da Figueira.

Conclusão

É fácil construir gráficos com o R.

Meu relatório com tabelas e gráficos

Bruno Nunes