Na publicação de hoje, quero trazer uma brincadeira que fiz comigo mesmo, um pequeno incentivo para voltar a publicar conteúdos sobre R (eu já estava enferrujado) entre outros assunto sobre economia.
Passeando pelo instagram, encontrei um perfil que pública muita informação sobre economia em formato de visualização, o Economista Visual.
Vendo um gráfico sobre o preço da cesta básica na cidade de São Paulo - SP
Resolvi criar o desafio de reproduzir esta visualização. Claro que não conseguiria deixar igual, mas poderia chegar bem perto.
Vamos começar pela fonte dos dados. Os dados utilizado no gráfico vem da base do DIEESE (Departamento Intersindical de Estatística e Estudos Socioeconômicos), que faz o levantamento do valor da Cesta Básica de Alimentos em várias cidades do país.
Acessando o website do DIEESE, na pagina do banco de dados de Cesta Básica de Alimentos é possível escolher a cidade desejada e fazer o download da planilha contendo as informações sobre o valor da cesta básica.
Com os dados em mãos, é hora de ir para o RStudio e começar “os trabalhos”. Let’s Code!
# para retirar notacoes cientifica
options(scipen = 999)
# Pacotes necessarios para o projeto
library(tidyverse) # conjunto de pacotes essenciais
library(readxl) # pacote para "ler" arquivos excel
library(lubridate) # pacote para trabalhar com datas
library(scales) # pacote para trabalhar com escalas
library(here) # fluxos de trabalho orientados a projetosParticularmente, prefiro utilizar um fluxo orientado a projetos e por isso o pacote hereestá na lista acima. O pacote here implementa uma maneira mais simples de encontrar seus arquivos. O objetivo do pacote here é permitir a referência fácil de arquivos em fluxos de trabalho orientados a projetos. Em contraste com o uso setwd(), que é frágil e dependente da maneira como você organiza seus arquivos, here usa o diretório de nível superior de um projeto para construir facilmente caminhos para os arquivos.
Após carregar os pacotes, é hora de ler os dados que estão na planilha em formato .xls.
# Para carregar os dados usaremos o codigo a seguir:
cesta_basica <- read_excel( # funcao que ler arquivos .xls
here::here( # funcao que informa o local
"dados","exporta.xls" # "local", "arquivo"
)
)Agora que os dados já estão no global environment, vamos usar de alguns “costumes” de pré-analise para conhecer os dados. Lembrando que qualquer modificação nos dados será feito inteiramente e diretamente no R.
# visualizar a situacao dos dados
head(cesta_basica) # funcao imprime no console
# as 10 primeiras observacoes
## A tibble: 6 x 2
# `Gasto Mensal - Total da Cesta` ...2
# <chr> <chr>
# 1 NA São Paulo
# 2 01-2000 112.22
# 3 02-2000 110.8
# 4 03-2000 115.13
# 5 04-2000 115.92
# 6 05-2000 111.78 O resultado mostra o óbvio, que os dados precisam de “tratamento” antes de pensarmos em extrair qualquer informação. Aqui neste caso, precisa retirar a primeira linha, que contém NA (not available) e uma palavra (São Paulo) onde deveria ser números. Os nomes das colunas (variáveis) também necessitam de atenção. Vamos olhar um pouco mais, com a função tail().
tail(cesta_basica) # funcao imprime no console
# as 10 ultimas observacoes
# A tibble: 6 x 2
# `Gasto Mensal - Total da Cesta` ...2
# <chr> <chr>
# 1 11-2020 629.179999999~
# 2 12-2020 631.460000000~
# 3 01-2021 654.149999999~
# 4 Fonte: DIEESE NA
# 5 (1) Série recalculada, conforme mudança metodológica realizada # na ~ NA
# 6 Tomada especial de preços a partir de abril de 2020 NA Como esperado, só reforça a necessidade de um tratamento simples nos dados. A priori é uma “limpeza” de linhas indesejadas.
Por boas práticas, irei modificar o “nome” do objeto (data frame), pois CB é mais simples e fácil que cesta_basica.
CB <- cesta_basica %>% # criando um objeto reduzindo
# o nome do dataframe para CB
# ao inves de cesta_basica
# e usando o operador " %>% "
rename( # funcao para renomear colunas
Data = `Gasto Mensal - Total da Cesta`,
Valor = ...2
) %>%
slice(2:255) # funcao que corta os dados
# retirando apenas o desejadoAgora temos que verificar as características dos nossos dados. Utilizo a função srt().
str(CB)
# tibble [254 x 2] (S3: tbl_df/tbl/data.frame)
# $ Data : chr [1:254] "01-2000" "02-2000" "03-2000" "04-2000" ...
# $ Valor: chr [1:254] "112.22" "110.8" "115.13" "115.92" ...Temos 254 observacoes e 2 colunas (variaveis) as 2 variaveis estao em formato -chr- caracteres e precisamos modificar esses formatos, passando a variavel Valor para o formato númerico, e a variável Data como datas, para isso utilizaremos os passos a seguir:
CB <- CB %>% # substituindo o dataframe
mutate( # funcao p/ modificar variaveis
Data = rep(seq( # Substituindo a variavel Data
# por uma variavel no formato de datas
# criando uma sequencia de datas
from = as.Date("2000-01-01"),
to = as.Date("2021-01-01"),
by ="1 month"
)),
Valor = as.numeric(Valor) # modificando a variavel ´Valor´
# para o formato numerico
)
# Erro: Problem with `mutate()` input `Data`.
# x Input `Data` can't be recycled to size 254.
# i Input `Data` is `rep(...)`.
# i Input `Data` must be size 254 or 1, not 253.Percebemos esse erro que significa que o vetor de datas que tentamos criar nao é do mesmo “tamanho” que a variavel Data anterior. A variavel Data tem 254 observacoes e nosso vetor de datas tem apenas 253. Totalmente sem sentido, pois criamos um vetor de datas que segue uma sequencia mes a mes de 01/01/2000 ate 01/01/2021.
A priori, temos a hipótese de que há valores e data repetidas como a base de dados eh pequena (254 obs) usaremos a funcao View() para ver a base completa e entende-la para encontrar a observacao repetida.
Encontramos a observacao 193, com a data 12-2015 (1) e valor de 418.13. Como nao pesquisei a fundo o motivo, vou considerar como um reajuste no valor, entao irei retirar a observacao anterior (192).
Vou utilizar novamente o codigo acima, porém com um upgrade, adicionarei a funcao slice() para recortar a observacao 192.
CB <- CB %>% # substituindo o dataframe
slice(-192) %>% # funcao p/ recortar
mutate( # funcao p/ modificar variaveis
Data = rep(seq( # Substituindo a variavel Data
# por uma variavel no formato de dadtas
# criando uma sequencia de datas
from = as.Date("2000-01-01"),
to = as.Date("2021-01-01"),
by ="1 month"
)),
Valor = as.numeric(Valor) # modificando a variavel ´Valor´
# para o formato numerico
)Agora vamos para a parte mais delicada de todo o desafio: criar a visualização, ou seja, reproduzir um gráfico parecido com o gráfico que foi publicado pelo Economista Visual.
Antes de construir o gráfico, vamos elaborar a customização de uma tema para aplicar juntamente com o pacote ggplot2. Esta customização nos ajudará a gerar um gráfico parecido.
Na construção do tema, precisamos usar a mesma fonte que o Economista Visual usa em seu gráfico, mas preferir não investigar qual fonte é usada, e usei uma fonte qualquer. Decidir usar a fonte Teko, que pode ser encontrada no Google Fonts
custom_theme <- function(){
font <- "Teko" # definindo a fonte a ser utilizada
theme(
# Elementos de grade e painel
panel.border = element_blank(), # sem borda
panel.grid.major.x = element_blank(), # sem grades em X
panel.grid.minor.x = element_blank(), # sem grades em X
panel.grid.major.y = element_line(
color = "#d2d2d2" # cor para a linha
), # da grade em Y
panel.grid.minor.y = element_blank(), # sem grades menor em Y,
axis.ticks = element_blank(), # tira pontos do eixo
# Elementos textuais
plot.title = element_text( # Titulo
family = font, # definir font
size = 20, # definir tamanho
face = 'bold', # negrito
color = "black", # cor da fonte
hjust = 0, # ajuste p/ esquerda*
vjust = 2),
# *O valor de hjust e vjust sao
# definidos entre 0 e 1:
# 0 significa justificado a esquerda
# 1 significa justificado a direita
# 0.5 significa justificado ao meio
plot.subtitle = element_text( # Sub-titulo
family = font, # fonte
color="black", # cor da fonte
size = 12), # tamanho
plot.caption = element_text( # Legenda
family = font, # fonte
size = 9, # tamanho da fonte
face = "italic", # italico
colour = "#4c4c4c", # cor da fonte
hjust = 0), # ajuste a esquerda
axis.title = element_text( # Titulo dos eixos
family = font, # fonte
face = 'bold', # negrito
color = "#2e2e2e", # cor da fonte
size = 10), # tamanho
axis.text = element_text( # Texto dos eixos
family = font, # fonte
color = "#2e2e2e", # cor
size = 9), # tamanho
axis.text.x = element_text( # margem p/ texto dos eixos
color = "#2e2e2e", # cor
margin=margin(5, b = 10)),
axis.text.y = element_text( # margem p/ texto dos eixos
color = "#2e2e2e", # cor
margin=margin(10, b = 20)),
legend.position="bottom", # Posição da legenda
# bottom = meio-inferior
legend.title = element_blank(), # Anular o título da legenda
legend.text = element_text(
colour="#2e2e2e", # cor da legenda
family = font # fonte
),
plot.background = element_rect(
fill = "#f7efd8", # cor de fundo do grafico
colour = NA
),
panel.background = element_rect(
fill = "#f7efd8", # cor de fundo do painel
colour = NA
)
# since the legend often requires manual tweaking
# based on plot content, don't define it here
)
}Com esse bloco de código acima, definimos o tema personalizado para aplicarmos ao gráfico. O gráfico do Economista Visual, usa uma fonte diferente do comum, fonte que não sei qual é, e o seu título e sub-título na cor preta com ajuste a esquerda (definimos isso no tema que customizamos acima), texto nos eixos em uma cor parecido com um cinza numa escala mais clara, a mesma cor para a legenda que também é ajustada a esquerda, e por fim, o gráfico é do tipo linha, na cor vermelha com um efeito “glow”, ponto sólido menor que o circulo, e anotação em texto, tudo na cor vermelha.
O eixo X é composto pelos anos observados (datas), e a escala do eixo X inicia no ano 2000 e termina no ano 2021 com intervalos a cada 1 ano. Já no eixo Y, temos os valores na escala de 0 a 700, com intervalo a cada 100.
Tendo essas informações em mente, é hora de elaborarmos o gráfico. Para isso, será utilizado as funções do pacote ggplot2 e aplicaremos o tema customizado para ajustar a estética do nosso gráfico ao gráfico do Economista Visual.
plot <- CB %>% # definindo o gráfico
ggplot(aes(x=Data)) + # adicionando apenas o eixo X
geom_line( # 1° linha do eixo Y
aes(y = Valor), # definindo o Valor para o eixo Y
size = 3, # espessura da linha
colour = '#e20000', # cor (esolhi um verlho aleatorio)
alpha = 0.1 # alpha mede a transparência
) +
geom_line( # 2° linha do eixo Y
aes(y = Valor), # definindo o Valor para o eixo Y
size = 2, # espessura (menor que a 1°)
colour = '#e20000', # cor (a mesma cor para todas)
alpha = 0.2 # transparência (maior que a 1°)
) +
geom_line( # 3° linha do eixo Y
aes(y = Valor), # definindo o Valor para o eixo Y
size = 1, # espessura (menor que a 2°)
colour = '#e20000', # cor
alpha = 0.5 # transparência (maior que a 2°)
) +
geom_line( # 4° linha do eixo Y
aes(y = Valor), # definindo o Valor para o eixo Y
size = 0.75, # espessura (menor que a 3°)
colour = '#e20000' # cor
) + # sem alpha, para deixar a cor sólida
annotate( # 1° anotação 1/3
geom="text", # tipo de anotação: texto
x=as.Date("2000-01-01"), # ponto que a anotação deve aparecer
y=160, # ajustando a altura do anotação
label="R$ 112,22", # Texto de referência
size=4, # tamanho do texto
color = "#e20000", # cor do texto (a mesma da linha)
family = "Teko" # fonte do texto (opcional)
) +
annotate( # 1° anotação 2/3
geom="point", # tipo de anotação: ponto
x=as.Date("2000-01-01"), # ponto que a anotação deve aparecer
y=112, # ponto cruzado entre X e Y
size=3, # tamanho do ponto
color = "#e20000" # cor do ponto
) +
annotate( # 1° anotação 3/3
geom="point", # tipo de anotação: ponto
x=as.Date("2000-01-01"), # ponto que a anotação de aparecer
y=112, # ponto cruzado entre X e Y
size=5, # tamanho do ponto
shape=21, # formato do ponto
fill="transparent", # preenchimento transparente
color="#e20000" # cor, aplica somente na borda
) +
annotate( # 2° anotação 1/3
geom="text", # tipo de anotação: texto
x=as.Date("2016-01-01"), # ponto que a anotação deve aparecer
y=500, # ajustando a altura da anotação
label="R$ 448,31", # texto de referência
size=4, # tamanho do texto
color = "#e20000", # cor do texto
family = "Teko" # fonte do texto
) +
annotate( # 2° anotação 2/3
geom="point", # tipo de anotação: ponto
x=as.Date("2016-01-01"), # ponto que a anotação deve aparecer
y=448.31, # ponto cruzado entre X e Y
size=3, # tamanho do ponto
color = "#e20000" # cor do ponto
) +
annotate( # 2° anotação 3/3
geom="point", # tipo da anotação: ponto
x=as.Date("2016-01-01"), # ponto que a anotação deve aparecer
y=448.31, # ponto cruzado entre X e Y
size=5, # tamanho do ponto
shape=21, # formato do ponto
fill="transparent", # preenchimento transparente
color="#e20000" # cor somente na borda
) +
annotate( # 3° anotação 1/3
geom="text", # tipo de anotação: texto
x=as.Date("2021-01-01"), # ponto que a anotação deve aparecer
y=700, # ajustando a altura da anotação
label="R$ 654,15", # texto de referência
size=4, # tamanho do texto
color = "#e20000", # cor do texto
family = "Teko" # fonte do texto
) +
annotate( # 3° anotação 2/3
geom="point", # tipo de anotação: ponto
x=as.Date("2021-01-01"), # ponto que a anotação deve aparecer
y=654.15, # ponto cruzado entre X e Y
size=3, # tamanho do ponto
color = "#e20000" # cor do ponto
) +
annotate( # 3° anotação 3/3
geom="point", # tipo de anotação: ponto
x=as.Date("2021-01-01"), # ponto que a anotação deve aparecer
y=654.15, # ponto cruzado entre X e Y
size=5, # tamanho do ponto
shape=21, # formato do ponto
fill="transparent", # preenchimento transparente
color="#e20000" # cor somente na borda
) +
labs( # rótulos
x = NULL, # anula rótulo do eixo X
y = NULL, # anula rótulo do eixo Y
# título
title='Valor da cesta básica',
# sub-título
subtitle = "Com base na cidade de São Paulo-SP",
# legenda
caption='Fonte: https://www.dieese.org.br/cesta/ \nDataViz: @hcostax'
) +
scale_x_date( # definindo escalas p/ eixo X
date_breaks = "1 year", # intervalos de 1 ano
date_labels = "%Y" # rotular somente o ano
) +
scale_y_continuous( # definindo escalas p/ eixo Y
breaks = seq( # definindo o intervalo
from = 0,
to = 700,
by = 100
),
limits=c(0, 700), # definindo os limites
labels = scales::dollar_format( # adicionando notação monetária
prefix="R$" # definindo como "R$" real brasileiro
)
) +
custom_theme() # aplicando o tema customizado
# ---
print(plot) # gerando o gráfico
# ---Esse enorme bloco de código gera o gráfico final. O resultado foi bastante satisfatório (p/ mim, rsrs). Após executar todos esses passos temos o gráfico:
O gráfico não ficou exatamente igual ao gráfico publicado no perfil do Economista Visual no instagram, mas chegamos bem próximo. O objetivo aqui foi reproduzir a informação, e para deixar mais divertido, reproduzir aos moldes do original.
Você também pode reproduzir isso escolhendo a cidade que quiser.
Confira o código completo no meu Github.
