#Introdução

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

Passo Zero

Vamos carregar os 3 bancos de dados > Famílias > Prefeito Fluminense > SECULT CE

# Passo 0 - Carregar base de dados
Familias <- read.csv2("C:/Estatistica/Base_de_dados-master/Familias.csv")
load("C:/Estatistica/Base_de_dados-master/prefeitofluminense.RData")
load("C:/Estatistica/Base_de_dados-master/dados_SECULT_CE.RData")
View(dados_SECULT_CE)

meu text0

Passo Um

Aqui vamos construir as tabelas.

# Analise de uma variavel qualitativa
# passo 1 - Construir as tabelas
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

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

secult1

## 
##  não  sim 
## 1402  212

secult2

## 
##  não  sim 
## 1451  163

sexo_pref<-table(prefeitofluminense$DESCRICAO_SEXO)

sexo_pref

## 
##  FEMININO MASCULINO 
##        48       399

Passo Dois - Mostrar os percentuais

Aqui vamos calcular os percentuais

# passo 2 - contruir percentual 
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

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% de prefeitos do sexo masculino
Mais teatro do que arte visual
Maioria usa P.A.P.

Gráficos de pizza

pie(tab_fam1,
    main = "Grafico 1 - Distribuição de Familias por Bairro",
    col = c("#D2691E","#00FF7F","#00BFFF"))

pie(tab_fam2,
    main = "Grafico 2 - Familias que usam o p.a.p",
    col = c("#FF4500", "#00FF7F"))

Gráfico de Barras

# Passo 3 - Gráfico de Barras 
barplot(tab_fam1,
        col = c("#E40C25", "#74E265", "#A5EEE9"),
        main = "Gráfico 3 - Distruibuição de Famílias por Bairro",
        ylim = c(0,50),
        xlim = c(0,5))

barplot(sexo_pref,
        col = c("#CC6708", "#0C09C4"),
        main = "Sexo do candidato a prefeito nos municípios",
        ylim = c(0,500))

A maioria mora no Parque da Figueira

Conclusão

O gráfico fica mais bonito em HTML do que no R.

Relatório com tabelas e gráficos