knitr::opts_chunk$set(echo = TRUE)

Base de dados

knitr::opts_chunk$set(echo = TRUE)
library(readxl)
SP <- read_excel("Desktop/Base_de_dados-master/empregados_setor_publico_adm_direta.xlsx", 
                           col_types = c("text", "numeric", "numeric", 
                                         "numeric", "numeric", "numeric", 
                                         "numeric", "text", "text"))

Carregar biblioteca para incluir tabela

knitr::opts_chunk$set(echo = TRUE)
library(kableExtra)

#Carregar base de dados objeto da pesquisa
library(readxl)
dados <- read_excel("Desktop/Base_de_dados-master/empregados_setor_publico_adm_direta.xlsx")

#Execução e manipulação da tabela
kable(dados, row.names = FALSE)%>%
  kable_styling( full_width = T,bootstrap_options = c("striped", "hover", "condensed", "responsive"), 
                 position = "center", fixed_thead = T) %>%
  scroll_box(width = "900px", height = "600px")
unidades_da_federacao total estatutarios clt comissionados estagiarios sem_vinculo_permanente regiao pais
Acre 22881 11253 4655 1626 449 4898 N Brasil
Alagoas 128161 75830 2514 12660 762 38486 NE Brasil
Amapá 20193 13679 228 2324 196 3766 N Brasil
Amazonas 98084 43015 3459 11332 118 40159 N Brasil
Bahia 515754 307188 12074 51231 7917 135743 NE Brasil
Ceará 317006 184346 22759 30139 5815 73947 NE Brasil
Distrito Federal 122197 102521 97 5164 1047 13368 CO Brasil
Espírito Santo 138182 73177 8026 11547 7910 37522 SE Brasil
Goiás 203986 147949 1700 42135 3151 17664 CO Brasil
Maranhão 291461 157597 9613 30995 198 98601 NE Brasil
Mato Grosso 110118 71953 5545 8607 3253 20760 CO Brasil
Mato Grosso do Sul 110835 70641 809 8867 4059 26459 CO Brasil
Minas Gerais 673016 411433 37466 39476 14712 169361 SE Brasil
Pará 293783 168594 5393 20998 1596 97202 N Brasil
Paraíba 167477 97945 1043 20684 191 49717 NE Brasil
Paraná 330172 253848 26689 17076 25455 7104 S Brasil
Pernambuco 275490 147976 3087 30921 9822 83684 NE Brasil
Piauí 114171 69120 4038 15733 835 24693 NE Brasil
Rio de Janeiro 397644 269570 19530 48188 5419 54937 SE Brasil
Rio Grande do Norte 125963 75128 3652 16356 3517 27310 NE Brasil
Rio Grande do Sul 308567 225236 13514 22761 24636 22420 S Brasil
Rondônia 52476 40706 3513 6459 206 1592 N Brasil
Roraima 19390 11414 577 2656 0 4743 N Brasil
Santa Catarina 225990 133392 21929 14188 15853 40628 S Brasil
São Paulo 981738 620932 231659 41644 49771 38983 SE Brasil
Sergipe 76629 43997 1114 12438 1190 17890 NE Brasil
Tocantins 70300 41902 364 7539 500 19988 N Brasil

Carregar base de dados em que consta o dicionário de dados

knitr::opts_chunk$set(echo = TRUE)
library(readxl)
dicio <- read_excel("Desktop/Base_de_dados-master/empregados_setor_publico_adm_direta.xlsx")

#Execução e manipulação da tabela
library(DT)
DT::datatable(dicio)

Bloxplot por região

options(scipen = 999)
boxplot(total~regiao, 
        data=SP,
        col=c("#87CEFA","#708090","#87CEFA","#0f8efc","#ADD8E6"),
        main="Bloxpot 1 \n Total por Região \n")

boxplot(estatutarios~regiao, 
        data=SP,
        col=c("#87CEFA","#708090","#87CEFA","#0f8efc","#ADD8E6"),
        main="Bloxpot 2 \n Estatutários por Região \n")

boxplot(clt~regiao, 
        data=SP,
        col=c("#87CEFA","#708090","#87CEFA","#0f8efc","#ADD8E6"),
        main="Bloxpot 3 \n CLT por Região \n")

boxplot(comissionados~regiao, 
        data=SP,
        col=c("#87CEFA","#708090","#87CEFA","#0f8efc","#ADD8E6"),
        main="Bloxpot 4 \n Comissionados por Região \n")

boxplot(estagiarios~regiao, 
        data=SP,
        col=c("#87CEFA","#708090","#87CEFA","#0f8efc","#ADD8E6"),
        main="Bloxpot 5 \n Estagiários por Região \n")

boxplot(sem_vinculo_permanente~regiao, 
        data=SP,
        col=c("#87CEFA","#708090","#87CEFA","#0f8efc","#ADD8E6"),
        main="Bloxpot 6 \n Sem Vínculo Permanente por Região \n")

Flextable com estatísticas do total por região

library(flextable)
library(dplyr)

SP %>% select(regiao,total) %>% group_by (regiao) %>%
  summarise(média=mean(total),
            desvio_padrao=sd(total),
            minimo=min(total),
            maximo=max (total)) %>%
  flextable()
SP %>% select(regiao,estatutarios) %>% group_by (regiao) %>%
  summarise(média=mean(estatutarios),
            desvio_padrao=sd(estatutarios),
            minimo=min(estatutarios),
            maximo=max (estatutarios)) %>%
  flextable()
SP %>% select(regiao,estagiarios) %>% group_by (regiao) %>%
  summarise(média=mean(estagiarios),
            desvio_padrao=sd(estagiarios),
            minimo=min(estagiarios),
            maximo=max (estagiarios)) %>%
  flextable()
SP %>% select(regiao,clt) %>% group_by (regiao) %>%
  summarise(média=mean(clt),
            desvio_padrao=sd(clt),
            minimo=min(clt),
            maximo=max (clt)) %>%
  flextable()
SP %>% select(regiao,comissionados) %>% group_by (regiao) %>%
  summarise(média=mean(comissionados),
            desvio_padrao=sd(comissionados),
            minimo=min(comissionados),
            maximo=max (comissionados)) %>%
  flextable()
SP %>% select(regiao,sem_vinculo_permanente) %>% group_by (regiao) %>%
  summarise(média=mean(sem_vinculo_permanente),
            desvio_padrao=sd(sem_vinculo_permanente),
            minimo=min(sem_vinculo_permanente),
            maximo=max (sem_vinculo_permanente)) %>%
  flextable()

Carregar biblioteca para elaboração de matriz de correlação

library(corrplot)
## corrplot 0.90 loaded
#Elaboração da matriz de correlação
MC <-cor(SP[,c("estagiarios","clt","comissionados","estatutarios", "sem_vinculo_permanente")])
corrplot.mixed(MC)