Graficos de Missing do SIH/SUS para o Andre

library(pacman)
p_load(dplyr, ggplot2, hrbrthemes, ggthemes)

#mss <- read.csv("C:/Users/luizz/Downloads/missingSIHSUS.csv", sep = ";")
#dput(mss)

mss <- structure(list(raca = c("Branca", "Parda", "Preta", "Amarela", 
"Indigena", "Ausente", "Branca", "Parda", "Preta", "Amarela", 
"Indigena", "Ausente", "Branca", "Parda", "Preta", "Amarela", 
"Indigena", "Ausente", "Branca", "Parda", "Preta", "Amarela", 
"Indigena", "Ausente"), pct = c(34.5, 26, 3.3, 0.5, 0.5, 35.2, 
53.3, 40.2, 5.1, 0.7, 0.7, NA, 33.2, 38.2, 3.9, 2.4, 0.3, 22.1, 
42.6, 49, 5, 3, 0.4, NA), ano = c(2008L, 2008L, 2008L, 2008L, 
2008L, 2008L, 2008L, 2008L, 2008L, 2008L, 2008L, 2008L, 2019L, 
2019L, 2019L, 2019L, 2019L, 2019L, 2019L, 2019L, 2019L, 2019L, 
2019L, 2019L), status = c("com dados ausentes", "com dados ausentes", "com dados ausentes", 
"com dados ausentes", "com dados ausentes", "com dados ausentes", "sem dados ausentes", "sem dados ausentes", 
"sem dados ausentes", "sem dados ausentes", "sem dados ausentes", "sem dados ausentes", "com dados ausentes", 
"com dados ausentes", "com dados ausentes", "com dados ausentes", "com dados ausentes", "com dados ausentes", 
"sem dados ausentes", "sem dados ausentes", "sem dados ausentes", "sem dados ausentes", "sem dados ausentes", 
"sem dados ausentes")), class = "data.frame", row.names = c(NA, -24L
))

mss <- mss %>% 
   mutate(raca = factor(raca, levels = c("Branca", "Parda", "Preta", "Amarela", "Indigena", "Ausente")))

Escala de cinza automática

g1 <- ggplot(mss, aes(fill=raca, y=pct, x=raca)) + 
    geom_bar(position="dodge", stat="identity") +
    facet_wrap(vars(ano, status)) +
    theme_economist_white() +
    scale_fill_grey() +
    theme(legend.position="none",
          axis.text.x = element_text(angle=0, vjust = 0.6)
          ) +
    xlab("") +
   scale_y_continuous(name = "percentual por categoria racial", 
                      limits = c(0, 60),
                      breaks = NULL) +
   geom_text(aes(label=pct, fontface = "bold"), position=position_dodge(width=0.9), vjust=-0.25)

g1

Escala de cinza manual (alternativa)

g2 <- ggplot(mss, aes(fill=raca, y=pct, x=raca)) + 
    geom_bar(position="dodge", stat="identity", color= "black") +
    facet_wrap(vars(ano, status)) +
    theme_economist_white() +
    scale_fill_manual(values = c("#000000", "#555555", "#999999", "#CCCCCC", "#EEEEEE", "#FFFFFF"), aesthetics = "fill") +
    theme(legend.position="none",
          axis.text.x = element_text(angle=0, vjust = 0.6)
          ) +
    xlab("") +
   scale_y_continuous(name = "percentual por categoria racial", 
                      limits = c(0, 60),
                      breaks = NULL) +
   geom_text(aes(label=pct, fontface = "bold"), position=position_dodge(width=0.9), vjust=-0.25)

g2

Escala de cinza manual 2 (alternativa 2)

g3 <- ggplot(mss, aes(fill=raca, y=pct, x=raca)) + 
    geom_bar(position="dodge", stat="identity") +
    facet_wrap(vars(ano, status)) +
    theme_economist_white() +
    scale_fill_manual(values = c("#000000", "#555555", "#999999", "#AAAAAA", "#CCCCCC", "#EEEEEE"), aesthetics = "fill") +
    theme(legend.position="none",
          axis.text.x = element_text(angle=0, vjust = 0.6)
          ) +
    xlab("") +
   scale_y_continuous(name = "percentual por categoria racial", 
                      limits = c(0, 60),
                      breaks = NULL) +
   geom_text(aes(label=pct, fontface = "bold"), position=position_dodge(width=0.9), vjust=-0.25)

g3

#ggsave("SIHSUS_vies.png")