# bibliotecas necessárias
library(rlang)
library(here)
library(magrittr)
library(readr)
library(ggplot2)
library(dplyr)
theme_set(theme_bw())

Iremos analisar as chuvas durante os anos de 2017, 2018 e 2019. Esperamos com essa análise verificar um comportamento característico no sertão (Patos) e diferente para as regiões de Campina Grande e João Pessoa. No sertão, as chuvas acontecem no começo do ano, tanto que os agricultores consideram essa época o inverno.

Percebe-se pelos gráficos que as chuvas, em Patos, acontecem antes de maio e durante todo resto do ano, há extiagem. Em Campina Grande, região da Zona da Mata (entre o litoral e o sertão) o período de chuvas se prolanga por mais meses no ano. Em João Pessoa, região litorânea, há chuvas praticamente durante todo ano.

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 == 2020)


#clima %>% 
#  head() %>% 
#  knitr::kable()
clima_2017 = clima_tudo %>% 
    filter(ano == 2017)

clima_2017 %>% 
    ggplot(aes(x = semana, y = chuva, color = cidade)) + 
    geom_line() +
    facet_wrap(~ ano) + 
    labs(
         y = "Chuvas (mm)", 
         x = "Semanas de 2017"
    )

clima_2018 = clima_tudo %>% 
    filter(ano == 2018)

clima_2018 %>% 
    ggplot(aes(x = semana, y = chuva, color = cidade)) + 
    geom_line() +
    facet_wrap(~ ano) + 
    labs(
         y = "Chuvas (mm)", 
         x = "Semanas de 2018"
    )

clima_2019 = clima_tudo %>% 
    filter(ano == 2019)

clima_2019 %>% 
    ggplot(aes(x = semana, y = chuva, color = cidade)) + 
    geom_line() +
    labs(
         y = "Chuvas em Patos (mm)", 
         x = "Semanas de 2019"
    )