Parte 2 Meu Primeiro Mapa
2.1 A Eleição Presidencial de 2014
Em 2014, a então presidente Dilma Rousseff (PT) enfrentou o tucano Aécio Neves no segundo turno da eleição presidencial. Para visualizar o resultado desta disputa, elaboraremos um “mapa fácil” que colore os estados brasileiros de acordo com seu candidato mais votado naquela eleição.
Para tanto, utilizaremos apenas quatro pacotes. O primeiro deles, dplyr, nos ajuda a preparar a tabela com os dados eleitorais e realizar manipulações a fim de prepará-lo para nossas análises. Com função semelhante, o sf no auxilia a manipular dados espaciais – essencial para a maior parte das análise que utilizam mapas. O ggplot2, pacote frequentemente utilizado para visualização de dados, nos ajudará a “plotar” as informações nos mapas. Por fim, o pacote geobr foi desenvolvido para obter facilmente “shapefiles” (arquivos com dados espaciais) brasileiros, os quais utilizaremos para produzir nossos mapas.
## Carregando os pacotes relevantes
library(dplyr) ## Gramática para manipulação de dados
library(sf) ## Gramática para dados espaciais
library(ggplot2) ## Elaboração de gráficos
library(geobr) ## Mapas brasileirosNosso próximo passo é gerar uma tabela (tibble) com os dados que queremos plotar no mapa. Ou seja, uma coluna para os estados brasileiros e outra indicando o candidato vencedor. É importante notar que o nome da variável “estados” (a primeira linha da coluna) precisa estar alinhada com a nomenclatura utilizada no pacote geobr. Por esse motivo, utilizaremos o termo abbrev_state (referindo-se a abreviação dos nomes dos estados).
No bloco abaixo, mostramos uma forma simples de gerar esta tabela. No entanto, também é possível produzi-la no MS Excel (ou seu software de preferência) e importá-la para o R.
ganhadores_2014 <- tibble(
abbrev_state = c("RS", "SC", "PR",
"SP", "MG", "RJ", "ES",
"MS", "MT", "GO", "DF", "TO",
"RO", "AC", "AM", "PA", "AP", "RR",
"MA", "PI", "CE", "RN", "PB",
"PE", "AL", "SE", "BA"),
ganhador = c("Aécio", "Aécio", "Aécio",
"Aécio", "Dilma", "Dilma", "Aécio",
"Aécio", "Aécio", "Aécio","Aécio", "Dilma",
"Aécio", "Aécio", "Dilma", "Dilma", "Dilma", "Aécio",
"Dilma", "Dilma", "Dilma", "Dilma", "Dilma",
"Dilma", "Dilma", "Dilma", "Dilma"))A tabela (tibble) construída será como esta que apresentamos abaixo.
data.frame(ganhadores_2014)## abbrev_state ganhador
## 1 RS Aécio
## 2 SC Aécio
## 3 PR Aécio
## 4 SP Aécio
## 5 MG Dilma
## 6 RJ Dilma
## 7 ES Aécio
## 8 MS Aécio
## 9 MT Aécio
## 10 GO Aécio
## 11 DF Aécio
## 12 TO Dilma
## 13 RO Aécio
## 14 AC Aécio
## 15 AM Dilma
## 16 PA Dilma
## 17 AP Dilma
## 18 RR Aécio
## 19 MA Dilma
## 20 PI Dilma
## 21 CE Dilma
## 22 RN Dilma
## 23 PB Dilma
## 24 PE Dilma
## 25 AL Dilma
## 26 SE Dilma
## 27 BA DilmaNosso próximo passo é baixar os dados espaciais via pacote geobr. Basicamente, queremos baixar uma tabela que contenha os estados brasileiros e informações geográficas (e geométricas!) nos informando como eles devem ser “desenhados”.
mapa_brasil <- read_state(code_state="all",
year=2018,
showProgress = FALSE)Agora temos dois objetos complementares. O ganhadores_2014 inclui qual candidato ganhou o segundo turno da eleição presidencial de 2014 em cada estado brasileiro. O mapa_brasil contém informação cartográfica sobre cada um dos estados brasileiros. Como os estados são identificados a partir da coluna abbrev_state em ambos os bancos de dados, agora podemos utilizar o comando left_join para integrá-los.
ganhadores_2014 <- left_join(mapa_brasil, ganhadores_2014, by = "abbrev_state")Isto gera uma tabela na qual estão presentes os estados, seu devidos ganhadores e os dados espaciais. A partir destas informações, podemos usar o comando ggplot para elaborar o mapa brasileiro colorido com base nos ganhadores. Note que utilizamos a função mais básica possível para gerar este mapa. Ao longo deste workshop, aprenderemos como mudar sua aparência.
ganhadores_2014 %>%
ggplot() + ## Gera o gráfico
geom_sf(aes(fill = ganhador)) ## Identifica a coluna "ganhador" como fonte para colorir os estados
2.2 A Eleição Presidencial de 2022
Os mapas nos ajudam a contar uma história. Agora que geramos o mapa eleitoral da eleição presidencial de 2014, faremos o mesmo procedimento para compará-lo com o que ocorreu em 2022 quando Jair Bolsonaro (PL) foi derrotado pelo petista Lula da Silva. Mais uma vez, nosso trabalho começa a partir da criação de um tibble com os vencedores do segundo turno em cada estado brasileiro. Lembre-se que os estados devem ser identificados como abbrev_state.
ganhadores_2022 <- tibble(
abbrev_state = c("RS", "SC", "PR",
"SP", "MG", "RJ", "ES",
"MS", "MT", "GO", "DF", "TO",
"RO", "AC", "AM", "PA", "AP", "RR",
"MA", "PI", "CE", "RN", "PB", "PE", "AL", "SE", "BA"),
ganhador = c("Bolsonaro", "Bolsonaro", "Bolsonaro",
"Bolsonaro", "Lula", "Bolsonaro", "Bolsonaro",
"Bolsonaro", "Bolsonaro", "Bolsonaro","Bolsonaro", "Lula",
"Bolsonaro", "Bolsonaro", "Lula", "Lula", "Bolsonaro", "Bolsonaro",
"Lula", "Lula", "Lula", "Lula", "Lula", "Lula", "Lula", "Lula", "Lula"))Como já haviámos baixado o dados espaciais, não é necessário repetir o processo. Podemos ir diretamente para a etapa de integrá-los ao banco de dados eleitoral de 2022.
ganhadores_2022 <- left_join(mapa_brasil, ganhadores_2022, by = "abbrev_state")Por fim, utilizamos o mesmo código da etapa anterior para gerar o mapa de 2022.
ganhadores_2022 %>%
ggplot() + ## Gera o gráfico
geom_sf(aes(fill = ganhador)) ## Identifica a coluna "ganhador" como fonte para colorir os estados
Pronto! Temos nossa primeira história a ser contada. Ainda que existam diferenças, os mapas são muito parecidos. Ou seja, a distribuição geográfica dos votos da campanha vitoriosa de Dilma Rousseff em 2014 é muito parecida com aquela realizada por Lula da Silva em 2022. Os mapas mostram isto claramente!
Agora, se tiver tempo, sugerimos que você faça os mapas para outras eleições presidenciais. Por exemplo, o que aconteceu em 1994 e 2002?