library(readxl)
library(tidyverse)
## -- Attaching packages --------------------------------------- tidyverse 1.3.1 --
## v ggplot2 3.3.5 v purrr 0.3.4
## v tibble 3.1.4 v dplyr 1.0.8
## v tidyr 1.1.3 v stringr 1.4.0
## v readr 2.0.1 v forcats 0.5.1
## -- Conflicts ------------------------------------------ tidyverse_conflicts() --
## x dplyr::filter() masks stats::filter()
## x dplyr::lag() masks stats::lag()
library(dplyr)
library(plotly)
##
## Attaching package: 'plotly'
## The following object is masked from 'package:ggplot2':
##
## last_plot
## The following object is masked from 'package:stats':
##
## filter
## The following object is masked from 'package:graphics':
##
## layout
base <- read_excel("C:/Users/jpahe/Dropbox/PC/Documents/dados_danilo/base_sinesp_UF/slides/dados.xlsx")
colnames(base)[1:5] <- c("UF", "Tipo_crime", "Ano", "Mes", "Ocorrencias")
# Resumo dos dados
base <- within(base, {
UF <- factor(UF, labels = c("Acre","Alagoas","Amapá","Amazonas","Bahia","Ceará","Distrito Federal","Espírito Santo","Goiás",
"Maranhão","Mato Grosso","Mato Grosso do Sul","Minas Gerais","Pará","Paraíba","Paraná",
"Pernambuco","Piauí","Rio de Janeiro","Rio Grande do Norte","Rio Grande do Sul","Rondônia",
"Roraima","Santa Catarina","São Paulo","Sergipe","Tocantins"))
Tipo_crime <- factor(Tipo_crime, labels = c("Estupro", "Furto de veículo", "Homicídio doloso", "Lesão corporal seguida de morte",
"Roubo a instituição financeira", "Roubo de carga", "Roubo de veículo",
"Roubo seguido de morte (latrocínio)", "Tentativa de homicídio"))
Ano <- factor(Ano, labels = c("2015", "2016", "2017", "2018", "2019", "2020", "2021"))
Mes <- factor(Mes, labels = c("janeiro", "fevereiro", "março", "abril", "maio", "junho", "julho", "agosto",
"setembro", "outubro", "novembro", "dezembro"))
})
summary(base)
## UF Tipo_crime
## Amazonas : 747 Homicídio doloso :2240
## Bahia : 747 Roubo seguido de morte (latrocínio):2236
## Ceará : 747 Roubo de veículo :2235
## Distrito Federal: 747 Tentativa de homicídio :2235
## Espírito Santo : 747 Estupro :2234
## Maranhão : 747 Furto de veículo :2227
## (Other) :15474 (Other) :6549
## Ano Mes Ocorrencias
## 2015:2879 agosto :1689 Min. : 0.0
## 2016:2884 janeiro :1688 1st Qu.: 3.0
## 2017:2893 julho :1687 Median : 34.0
## 2018:2910 dezembro:1685 Mean : 208.6
## 2019:2891 abril :1683 3rd Qu.: 170.0
## 2020:2868 junho :1683 Max. :10518.0
## 2021:2631 (Other) :9841
Estupro
base_estupro <- base %>%
filter(Tipo_crime == "Estupro")
ggplotly(ggplot(base_estupro)+
geom_col(aes(x = UF, y = Ocorrencias, fill = UF), color = "black",
position = "dodge")+
labs(y = "Ocorrências estupro")+
facet_grid(Ano~Mes)+
theme_classic()+
theme(axis.text.x = element_text(angle = 90, vjust = 0.5, hjust=1)))
Furto de veículo
base_furtoveículo <- base %>%
filter(Tipo_crime == "Furto de veículo")
ggplotly(ggplot(base_furtoveículo)+
geom_col(aes(x = UF, y = Ocorrencias, fill = UF), color = "black",
position = "dodge")+
labs(y = "Ocorrências de furto de Veículo")+
facet_grid(Ano~Mes)+
theme_classic()+
theme(axis.text.x = element_text(angle = 90, vjust = 0.5, hjust=1)))
Homicídio doloso
base_homcodlo <- base %>%
filter(Tipo_crime == "Homicídio doloso")
ggplotly(ggplot(base_homcodlo)+
geom_col(aes(x = UF, y = Ocorrencias, fill = UF), color = "black",
position = "dodge")+
labs(y = "Ocorrências de homicídios dolosos")+
facet_grid(Ano~Mes)+
theme_classic()+
theme(axis.text.x = element_text(angle = 90, vjust = 0.5, hjust=1)))
Lesão corporal seguida de morte
base_lesaocorp <- base %>%
filter(Tipo_crime == "Lesão corporal seguida de morte")
ggplotly(ggplot(base_lesaocorp)+
geom_col(aes(x = UF, y = Ocorrencias, fill = UF), color = "black",
position = "dodge")+
labs(y = "Ocorrências de Lesão corporal seguida de morte")+
facet_grid(Ano~Mes)+
theme_classic()+
theme(axis.text.x = element_text(angle = 90, vjust = 0.5, hjust=1)))
Roubo a instituição financeira
base_rouboif <- base %>%
filter(Tipo_crime == "Roubo a instituição financeira")
ggplotly(ggplot(base_rouboif)+
geom_col(aes(x = UF, y = Ocorrencias, fill = UF), color = "black",
position = "dodge")+
labs(y = "Ocorrências de Roubo a instituição financeira")+
facet_grid(Ano~Mes)+
theme_classic()+
theme(axis.text.x = element_text(angle = 90, vjust = 0.5, hjust=1)))
Roubo de carga
base_roubocarga <- base %>%
filter(Tipo_crime == "Roubo de carga")
ggplotly(ggplot(base_roubocarga)+
geom_col(aes(x = UF, y = Ocorrencias, fill = UF), color = "black",
position = "dodge")+
labs(y = "Ocorrências de Roubo de carga")+
facet_grid(Ano~Mes)+
theme_classic()+
theme(axis.text.x = element_text(angle = 90, vjust = 0.5, hjust=1)))
Roubo de veiculo
base_rouboveiculo <- base %>%
filter(Tipo_crime == "Roubo de veículo")
ggplotly(ggplot(base_rouboveiculo)+
geom_col(aes(x = UF, y = Ocorrencias, fill = UF), color = "black",
position = "dodge")+
labs(y = "Ocorrências de Roubo de veículo")+
facet_grid(Ano~Mes)+
theme_classic()+
theme(axis.text.x = element_text(angle = 90, vjust = 0.5, hjust=1)))
Roubo de latrocinio
base_latrocinio <- base %>%
filter(Tipo_crime == "Roubo seguido de morte (latrocínio)")
ggplotly(ggplot(base_latrocinio)+
geom_col(aes(x = UF, y = Ocorrencias, fill = UF), color = "black",
position = "dodge")+
labs(y = "Ocorrências de Roubo seguido de morte (latrocínio)")+
facet_grid(Ano~Mes)+
theme_classic()+
theme(axis.text.x = element_text(angle = 90, vjust = 0.5, hjust=1)))
Tentativa de homicídio
base_tenthom <- base %>%
filter(Tipo_crime == "Tentativa de homicídio")
ggplotly(ggplot(base_tenthom)+
geom_col(aes(x = UF, y = Ocorrencias, fill = UF), color = "black",
position = "dodge")+
labs(y = "Ocorrências de Tentativa de homicídio")+
facet_grid(Ano~Mes)+
theme_classic()+
theme(axis.text.x = element_text(angle = 90, vjust = 0.5, hjust=1)))