Trabalhando ou não com dados, com certeza você já deve ter ouvido falar sobre o nosso Instituto Brasileiro de Geografia e Estatística (IBGE). O IBGE é uma entidade da administração pública federal, vinculada ao Ministério da Economia, responsável por prover todas as informações estatísticas oficiais do nosso país. Através do seu trabalho analítico, o IBGE nos fornece informações espaço-temporais importantes, como dados sociodemográficos, de ocupação e de uso da terra, sobre a indústria, o meio ambiente e a agricultura, além de cartas e mapas com delimitações do território brasileiro.
Com o objetivo de homenagear a fundação dessa instituição, hoje comemora-se o Dia da Criação do IBGE. Foi em 06 de julho de 1934 que o Decreto de Lei nº 24.609 foi sancionado, iniciando o projeto que se tornou a instituição que conhecemos atualmente. Para que essa data tão importante não passe em branco, hoje eu vou te ensinar a fazer um mapa animado utilizando dados fornecidos pelo IBGE. No meu caso, eu selecionei a variável “população estimada” para os anos entre 2001 e 2019, mas existem outras opções no Sistema IBGE de Recuperação Automática (SIDRA).
População estimada para os municípios brasileiros entre 2001 e 2019 (fonte de dados: SIDRA - IBGE, 2020).
A SIDRA é uma ferramenta digital criada pelo IBGE com o intuito de permitir a consulta, de maneira simples e rápida, aos dados de estudos e pesquisas realizados pelo instituto. A SIDRA conta com uma API que facilita o download dos dados de sua plataforma, porém, existe um limite de 50.000 informações por download, o que impossibilita a transferência direta dos dados de população estimada para o nosso projeto R. Consequentemente, é necessário realizar o download diretamente da plataforma.
Você pode rodar o script tanto localmente (seu computador) quanto pelo RStudio cloud, como o Rladies Belo Horizonte divulgou nesse post.
Vamos usar alguns pacotes para fazer o mapa: readr, sp, sf, brazilmaps, cartography, reshape2 e animation. Pode ser que para a instalação de alguns deles você também precise do pacote remotes. Todos em referência no fim do post.
## ~~~ Abrir os dados no R ~~~ ## ## Pacoteslibrary(readr) # O 'readr' é um pacote que facilita a obtenção de dados direto de arquivos .csv.## Vamos salvar o endereço para a planilha de dados em um objeto chamado "myfile". myfile <-"https://raw.githubusercontent.com/mmfava/niver_IBGE/master/tab.csv"## Vamos abrir a planilha com o comando 'read_csv2' e armazenar o conteúdo no objeto 'tab'.tab <-read_csv2(myfile, # Endereço da planilha de dados.col_names =TRUE) # Indicamos que a primeira linha da planilha é o nome das colunas.## Salvar a planilha 'tab' como um data frame no R. tab <-as.data.frame(tab)## Indicar que as colunas 3 até 19 são valores numéricos. is.numeric(tab[,3]) # São valores numéricos? NÃO!
[1] FALSE
tab[,3:19] <-sapply(tab[,3:19], as.numeric) # Transformar as colunas entre 3 e 19 em números. str(tab)
“cod_ibge”: os códigos do IBGE para cada município brasileiro
“município”: o nome de cada um dos 5.570 municípios brasileiros com a sigla dos respectivos estados entre parênteses
Entre a 3ª até a 19ª temos as estimativas populacionais para os anos entre 2001 e 2019.
.
A próxima etapa do nosso projeto é a obtenção de polígonos para os municípios do Brasil. Para tal, vamos utilizar dados do tipo ‘sf’ ( spatial data simplified) do pacote ‘brazilmaps’. A parte legal desse pacote é que ele já fornece os limites dos municípios com os códigos do IBGE.
## ~~~ Mapa do Brasil ~~~ #### Pacoteslibrary(sp) # Vai auxiliar o brazilmaps na produção dos mapas.library(sf) # Vai auxiliar o brazilmaps na produção dos mapas.library(brazilmaps) # Polígono com os municípios do Brasil.## Usamos o comando 'get_map' do pacote 'brazilmaps' para ## a obtenção dos polígonos municipais. brasil <- brazilmaps::get_brmap(geo ="City", # Polígonos para municípios.class ="sf") # Classe espacial = 'sf'. # Visualização do mapa.plot(st_geometry(brasil))
old-style crs object detected; please recreate object with a recent sf::st_crs()
old-style crs object detected; please recreate object with a recent sf::st_crs()
old-style crs object detected; please recreate object with a recent sf::st_crs()
Para a construção dos mapas, é necessário associar os valores de população estimada com os polígonos que delimitam os municípios brasileiros. Para isso, vamos utilizar o comando “merge” com as colunas que correspondem aos códigos IBGE como chaves.
## ~~~ Unir as tabelas ~~~ #### Vamos unir as tabelas a partir dos códigos do IBGE para os municípios.tab_brasil <-merge(brasil, tab, # Planilhas que queremos unir.by.x ='City', by.y ='cod_ibge', # Nome das colunas com os códigos de pareamento (= código IBGE)all.x =TRUE) # Para manter todos os valores da planilha 'x' (= brasil).
old-style crs object detected; please recreate object with a recent sf::st_crs()
Os mapas com as estimativas populacionais são criados com o uso do pacote “cartography”.
Para facilitar o entendimento do uso do pacote, primeiro vamos criar um mapa com as estimativas populacionais para 2011, deixando a animação para o último passo do projeto.
Cada polígono do mapa denota um município do Brasil. Desse jeito, cada polígono precisa ser colorido com a respectiva informação de população. Sendo assim, vamos criar intervalos da variável tamanho populacional, nos passos abaixo. E, apesar de o mapa inicial ser de 2011 vamos definir os valores dos intervalos da variável tamanho populacional com base no histórico inteiro.
A gente começa selecionando as colunas com as informações propriamente ditas (colunas dos anos) e deixando esse histórico das populações em um formato longo/empilhado:
## ~~~ Mapa com estimativa populacional para 2011 ~~~ #### Pacotes:library(reshape2) ## Para mudar o formato de uma tabela.library(cartography) ## Para a produção do mapa.## ~> 1. A primeira etapa é criar um vetor com intervalos de população estimada, considerando os dados para todos os municípios e anos da planilha 'tab_brasil'. ## Mudamos o formato da tabela com a função "melt", de modo que cada linha descreve um município, de um estado e sua respectiva populaçãodesc <- tab[, 3:19] %>%melt() # Assim, temos anos em uma coluna e estimativa populacional em outra.
Note que a função melt do pacote deixa os dados em formato longo, assim como a função pivot_wider do pacote tidyr.
Agora, definimos os valores dos intervalos da variável tamanho populacional. Se a gente quiser fazer por percentis:
## Utilizamos a função "getBreaks" para obter 10 intervalos de valores. breaks_map <-getBreaks(desc$value, # Valores de estimativa populacional para todos municípios e anos.nclass =10) # Número de intervalos de valores que queremos.# Vendo como ficou:breaks_map
Devido à grande variabilidade da variável tamanho populacional os intervalos foram definidos, possivelmente de um jeito pouco intuitivo. Por exemplo, todos os municípios com população entre 5.44024^{4} e 1.2252023^{7} habitantes seriam representados de modo semelhante (com a mesma cor) sendo que uma cidade com 12 milhões de habitantes é mais de 200 vezes maior que uma cidade com 55.000 habitantes.
Vou quebrar de outro jeito. Note que eu especifiquei valores segundo uma percepção subjetiva de quais seriam quebras interessantes e passei as quantidades como um vetor.
## Utilizamos a função "getBreaks" para obter 10 intervalos de valores. breaks_map <-c(min(desc$value, na.rm =TRUE),2500, 5000, 10000, 50000, 100000, 1000000,max(desc$value, na.rm =TRUE))breaks_map
## ~~ > 2. O mapa. ## 2.1 Fundo colorido para o mapa. ## Plotamos as dimensões do Brasil: st_geometry(tab_brasil)## Não incluir bordas ou cores nesse mapa: col = NA; border = NA## Colorir em lavanda o nosso background: bg = "lavender"## Retirar títulos do mapa: main = NULLplot(st_geometry(tab_brasil), col =NA, border =NA, bg ="lavender", main =NULL)## Vamos plotar os valores de população para o ano de 2011 com a função "choroLayer" do pacote "cartography". ## O mapa:choroLayer(x = tab_brasil, # Tabela com os municípios do Brasil e dados de população estimada (formato "sf"). var ="2011", # Aqui especificamos qual variável queremos plotar no mapa.breaks = breaks_map, # Aqui são os intervalos de valores para o mapa.col =carto.pal(pal1 ="harmo.pal", n1 =10), # Palheta de cores selecionada. border =NA, # Sem bordas no mapa. legend.pos =NA, # Sem legendas no mapa. legend.title.txt =NA, # Sem título de legenda no mapa. add =TRUE) # Adicionar o mapa sob o fundo lavanda. ## A legenda:legendChoro(pos ="bottomright", # Legenda na parte inferior e direita do mapa. title.txt ="População \nestimada", # Título da legenda. breaks = breaks_map, # Intervalo de valores para a legenda (= mapa). col =carto.pal(pal1 ="harmo.pal", n1 =10), # Cores legenda (= mapa).nodata =TRUE, # Incluir um quadrado branco para 'NA'. nodata.txt ="Sem dados") # Nome dado à legenda de valores faltantes. # 3. Informações do nosso mapa:layoutLayer(title ="Distribuição da população em 2011", # Título do mapa.author ="M. M. Favalesso (2020)", # Autor do mapa. sources ="IBGE, estimativa populacional (2020)", # Fonte dos dados (= IBGE ❤)scale =NULL, # Sem barras de escala. south =TRUE) # Indicação do sul.
O último passo do nosso projeto é criar um mapa animado com as estimativas populacionais para os municípios do Brasil. Para tal, vamos usar o pacote “animation”. Esse pacote salva uma sequência de imagens dentro de um laço como um gif animado. Particularmente, é um dos meus pacotes R favoritos.
Se você não estiver usando um projeto (.Rproj) é necessário que você defina um diretório de trabalho para salvar os mapas.
## ~~~ Criando a animação ~~~ #### Working directory## a pasta do seu computador onde vamos salvar nosso gif.#setwd("pasta_onde_voce_quer_salvar")## Pacote:library(animation) ## Pacote para a criação das animações.## Vetor com o nome das colunas que queremos plotar em nosso laço de repetição, para que apareçam## em nossa animação em sequência. ano <-colnames(tab_brasil)[8:24]## Usamos um laço de repetição para criar os mapas com as estimativas populacionais e inseri-los na nossa animação. saveGIF({for(i in ano){ ## Vamos usar a função saveGIF do pacote "animation".## for(i in ano) = Para cada ano (i) no objeto "ano" ...## Background colorido. plot(st_geometry(tab_brasil), col =NA, border =NA, bg ="lavender", main =NULL)## Mapas de população estimada. choroLayer(x = tab_brasil, var = i, # A cada laço de repetição, um novo ano é plotado. breaks = breaks_map, col =carto.pal(pal1 ="harmo.pal", n1 =10), border =NA, legend.pos =NA, legend.title.txt =NA, add =TRUE) ## Legenda.legendChoro(pos ="bottomright",title.txt ="População \nestimada",breaks = breaks_map,col =carto.pal(pal1 ="harmo.pal", n1 =10), nodata =TRUE, nodata.txt ="Sem dados")## Informações do mapa.layoutLayer(title =paste0("Distribuição da população em ", i), # Título do mapa para cada ano. author ="M. M. Favalesso (2020)", sources ="IBGE, estimativa populacional (2020)", scale =NULL, south =TRUE) }}, movie.name ="pop_BR.gif") # Nome do gif.
Output at: pop_BR.gif
[1] TRUE
Com a finalização do laço, o gif é aberto e você poderá verificar o resultado. O arquivo ficará salvo no seu working directory com o nome “pop_brasil.gif”.
Espero que você tenha gostado desse tutorial!
Desejo ver suas gifs animadas em comemoração ao aniversário do nosso IBGE ♡
Hadley Wickham, Jim Hester e Romain Francois (2018). readr: Read Rectangular Text Data. R package version 1.3.1. https://CRAN.R-project.org/package=readr
Roger S. Bivand, Edzer Pebesma, Virgilio Gomez-Rubio, 2013. Applied spatial data analysis with R, Second edition. Springer, NY. https://asdar-book.org/
Renato Prado Siqueira (2020). brazilmaps: Brazilian Maps from Different Geographic Levels. R package version 0.1.0. http://github.com/rpradosiqueira/brazilmaps
Pebesma, E., 2018. Simple Features for R: Standardized Support for Spatial Vector Data. The R Journal 10 (1), 439-446, https://doi.org/10.32614/RJ-2018-009
Giraud, T. e Lambert, N. (2016). cartography: Create and Integrate Maps in your R Workflow. JOSS, 1(4). doi: 10.21105/joss.00054.
Giraud, T. e Lambert, N. (2017). “Reproducible Cartography.” In Peterson M. (ed.), _Advances in Cartography and GIScience. ICACI 2017. Lecture Notes in Geoinformation and Cart
ography._, pp. 173-183. doi: 10.1007/978-3-319-57336-6_13.
Yihui Xie (2013). animation: An R Package for Creating Animations and Demonstrating Statistical Methods. Journal of Statistical Software, 53(1), 1-27. URL http://www.jstatsoft.org/v53/i01/.
Yihui Xie [aut, cre], Christian Mueller [ctb], Lijia Yu [ctb], Weicheng Zhu [ctb] (2018). animation: A Gallery of Animations in Statistics and Utilities to Create Animations. R package version 2.6.
Csárdi G, Hester J, Wickham H, Chang W, Morgan M, Tenenbaum D (2024). remotes: R Package Installation from Remote Repositories, Including ‘GitHub’. R package version 2.5.0, https://github.com/r-lib/remotes#readme, https://remotes.r-lib.org.
Citação
BibTeX
@online{melo_favalesso2020,
author = {Melo Favalesso, Marília},
title = {Como fazer um mapa animado com dados do IBGE},
version = {1},
date = {2020-06-06},
url = {http://www.mmfava.com},
langid = {pt-br}
}
Por favor, cite este trabalho como:
Melo Favalesso, Marília. 2020. “Como fazer um mapa animado com
dados do IBGE.” June 6, 2020. http://www.mmfava.com.
. 
