Exploração do clima em João Pessoa, Campina Grande e Patos - PB
library(tidyverse)
library(here)
theme_set(theme_bw())Respondida as questões 1, 2 e 3
# SEMPRE read_csv NUNCA read.csv
clima_tudo = read_csv(
here("data/tempo-jp-cg-pt.csv"),
col_types = cols(
.default = col_double(),
cidade = col_character(),
semana = col_date(format = ""),
ano = col_integer(),
mes = col_integer()
)
)
clima = clima_tudo %>%
filter(ano == 2019)
clima %>%
slice(1:8)## # A tibble: 8 x 11
## cidade semana temp_max temp_media temp_min vento_medio vento_max umidade
## <chr> <date> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl>
## 1 Campina~ 2019-01-06 32.1 25.6 19.6 3.57 4.6 74.9
## 2 Campina~ 2019-01-13 33.5 27.1 20 3.29 4.5 69
## 3 Campina~ 2019-01-20 33.3 26.7 19.6 4.01 6.5 72.5
## 4 Campina~ 2019-01-27 32.4 26.4 19.6 3.53 5 75.0
## 5 Campina~ 2019-02-03 32.2 25.3 19.5 2.95 4.8 83
## 6 Campina~ 2019-02-10 31.1 25.6 20.1 3.17 5 84.1
## 7 Campina~ 2019-02-17 31.6 25.9 20.5 2.89 4.1 79.2
## 8 Campina~ 2019-02-24 31.1 25.9 20.5 3.63 4.8 76.8
## # ... with 3 more variables: chuva <dbl>, ano <int>, mes <int>#Como foi o vento nessas 3 cidades no ano que já analisei (2019)?
summary(clima)## cidade semana temp_max temp_media
## Length:156 Min. :2019-01-06 Min. :25.10 Min. :20.63
## Class :character 1st Qu.:2019-04-05 1st Qu.:31.07 1st Qu.:26.04
## Mode :character Median :2019-07-03 Median :32.80 Median :27.59
## Mean :2019-07-03 Mean :32.79 Mean :27.47
## 3rd Qu.:2019-09-30 3rd Qu.:34.50 3rd Qu.:29.11
## Max. :2019-12-29 Max. :39.10 Max. :32.30
## temp_min vento_medio vento_max umidade
## Min. :16.10 Min. :1.171 Min. :2.600 Min. :40.15
## 1st Qu.:19.60 1st Qu.:2.130 1st Qu.:3.600 1st Qu.:62.73
## Median :20.30 Median :2.964 Median :4.900 Median :73.31
## Mean :20.54 Mean :3.043 Mean :5.035 Mean :69.99
## 3rd Qu.:21.80 3rd Qu.:3.989 3rd Qu.:6.300 3rd Qu.:79.68
## Max. :23.90 Max. :6.090 Max. :9.800 Max. :95.71
## chuva ano mes
## Min. : 0.00 Min. :2019 Min. : 1.000
## 1st Qu.: 0.00 1st Qu.:2019 1st Qu.: 3.750
## Median : 6.90 Median :2019 Median : 6.500
## Mean : 22.32 Mean :2019 Mean : 6.577
## 3rd Qu.: 23.02 3rd Qu.:2019 3rd Qu.: 9.250
## Max. :398.80 Max. :2019 Max. :12.000hist(clima$temp_media)
mean(clima$temp_media)## [1] 27.47134As temperaturas médias das 3 cidades deste relatório são apresentadas:
clima %>%
ggplot(mapping = aes(y = cidade, x = temp_media)) +
# geom_point(alpha = 0.3) +
geom_jitter(height = .1, alpha = .6, color = "coral") +
labs(
y = "",
x = "Temperatura Média Semanal (C)"
)
A temperatura média, no ano de 2019, variou em uma faixa maior de valores para Patos e CG do que para JP. Há semanas em Patos que são mais quentes do que nas outras cidades. O mesmo acontece para CG com o frio.
Os valores médios de vento médio nas 3 cidades no ano de 2019 foram:
clima %>%
ggplot(mapping = aes(y = cidade, x = vento_medio)) +
# geom_point(alpha = 0.3) +
geom_jitter(height = .1, alpha = .6, color = "coral") +
labs(
y = "",
x = "Vento Médio Semanal (C)"
)
O vento médio semanal,no ano de 2019, variou em uma faixa maior de valores para Patos e CG do que para JP. Há semanas em Campina Grande que são os ventos são mais fortes do que nas outras cidades. O mesmo acontece para CG com o frio.
Comparando visualmente os dois gráficos de pontos, pode existir uma correlação entre a temperatura e a ventania, pois João pessoa tem um amplitude menor de temperatura e uma amplitude menor de ventania e as outras cidades tem uma alplitude maior assim como uma ventania maior.
Considerando apenas o período de janeiro e fevereiro, o calor das 3 cidades nos últimos anos abaixo
clima_tudo %>%
filter(mes == 1 | mes == 2) %>%
ggplot(aes(x = semana, y = temp_media, color = cidade)) +
geom_point()## Warning: Removed 10 rows containing missing values (geom_point).
Nos últimos anos Patos teve as maiores temperaturas média semanais em comparação com as outras cidades. Campina grande teve as menores temperaturas médias semanais do que as outras cidades.
Como a umidade das 3 cidades variou ao longo de 2019?
clima %>%
ggplot(mapping = aes(y = cidade, x = umidade)) +
# geom_point(alpha = 0.3) +
geom_jitter(height = .1, alpha = .6, color = "coral") +
labs(
y = "",
x = "Umidade Semanal (C)"
)
A cidade de João pessoa variou da seguinte forma dos últimos 10 anos. O que isso nos diz sobre 2019 nessa cidade: Umidade da cidade João Pessoa em 2019:
clima %>%
filter(cidade == "João Pessoa" ) %>%
ggplot(mapping = aes(y = cidade, x = umidade)) +
# geom_point(alpha = 0.3) +
geom_jitter(height = .1, alpha = .6, color = "coral") +
labs(
y = "",
x = "Umidade Semanal (C)"
)
A Umidade da cidade João Pessoa durante todos os anos
clima_tudo %>%
filter(cidade == "João Pessoa", ano > 2009, ano < 2021) %>%
ggplot(mapping = aes(y = cidade, x = umidade)) +
facet_wrap(~ ano, ncol = 1)+
# geom_point(alpha = 0.3) +
geom_jitter(height = .1, alpha = .6, color = "coral") +
labs(
y = "",
x = "Umidade Semanal (C)"
)
O ano de 2019 em joão pessoa foi um dos anos que teve a maior umidade na semana, logo após o ano de 2017 que teve a maior humidade.
clima_tudo %>%
filter(cidade == "João Pessoa", ano > 2009, ano < 2021) %>%
ggplot(aes(x = umidade)) +
facet_wrap(~ ano, ncol = 1)+
geom_histogram(binwidth = .5, fill = "coral", color = "black") +
geom_rug()
clima_tudo %>%
filter(cidade == "João Pessoa", ano > 2009, ano < 2021) %>%
ggplot(aes(x = mes, y = umidade)) +
facet_wrap(~ ano, ncol = 1) +
geom_point()
clima_tudo %>%
filter(cidade == "João Pessoa", ano > 2009, ano < 2021) %>%
ggplot(aes(x = umidade)) +
facet_wrap(~ ano)+
geom_histogram(binwidth = .5, fill = "coral", color = "black")
2019 foi o ano em que a humidade ficou quase semelhante a uma curva normal
clima_tudo %>%
filter(cidade == "João Pessoa", ano > 2009, ano < 2021) %>%
ggplot(aes(x = umidade)) +
facet_wrap(~ ano)+
geom_density(fill = "coral", color = "black") 
2019 em joão pessoa foi um ano que teve a mediana da umidade entre 75 e 80.
clima %>%
ggplot(mapping = aes(y = ano, x = umidade)) +
# geom_point(alpha = 0.3) +
geom_jitter(height = .1, alpha = .6, color = "coral") +
labs(
y = "",
x = "Umidade Semanal (C)"
)