Transformando dados

Introdução

Primeiramente, precisamos carregar o pacote tidyverse e a base de dados que vamos utilizar. A base de dados é a tabela 4092 do SIDRA, que apresenta dados sobre “pessoas de 14 anos ou mais de idade por condição em relação à força de trabalho e condição de ocupação”1, e foi baixada previamente (em Importando dados).

Neste capítulo, vamos explorar as funções de transformação de dados do pacote dplyr, a partir da pergunta norteadora abaixo:

Considerando que a tabela 4092 apresenta dados sobre “pessoas de 14 anos ou mais de idade por condição em relação à força de trabalho e condição de ocupação”, qual é a taxa de desocupação de cada estado e região do Brasil ao longo do tempo?

library(dplyr)
dados_brutos <- readr::read_rds("dados/sidrar_4092_bruto.rds")

Linhas, colunas e objetivo de análise

Uma pergunta que é sempre importante ter em mente ao analisar dados é: O que cada linha representa? Na estatística, esse é o conceito da unidade observacional.

O objeto dados_brutos apresenta uma linha para cada combinação das seguintes variáveis:

  • Trimestre (Código) / Trimestre

  • Unidade da Federação / Unidade da Federação (Código)

  • Variável / Variável (Código)

  • Condição em relação à força de trabalho e condição de ocupação e Condição em relação à força de trabalho e condição de ocupação (Código)

Podemos consultar os valores distintos possíveis no R, para garantir que estamos selecionando corretamente os valores de interesse.

As variáveis disponíveis na base de dados, e suas unidades de medida são:

dados_brutos |>
  distinct(`Variável`, `Unidade de Medida`)
1
Colunas que queremos buscar os valores distintos 
                                                                                   Variável
1                                                       Pessoas de 14 anos ou mais de idade
2                             Coeficiente de variação - Pessoas de 14 anos ou mais de idade
3                           Distribuição percentual das pessoas de 14 anos ou mais de idade
4 Coeficiente de variação - Distribuição percentual das pessoas de 14 anos ou mais de idade
  Unidade de Medida
1       Mil pessoas
2                 %
3                 %
4                 %

Podemos observar, cada linha representa uma combinação de trimestre, unidade da federação e variável.

Outras perguntas relevantes ao analisar dados são:

  • Qual é a pergunta que eu quero responder com esses dados?
  • Quais são as variáveis que eu preciso para responder essa pergunta?

Padronizar nome das colunas

É uma boa prática padronizar o nome das colunas de um data frame. Assim evitamos problemas de codificação de caracteres (encoding), facilitamos a legibilidade do código e evitamos possíveis erros ao acessar as colunas.

O pacote janitor possui a função clean_names(), que padroniza os nomes das colunas de um data frame. Ele substitui espaços por underline (_), remove caracteres especiais, e transforma o texto em minúsculo, garantindo maior consistência ao lidar com os dados. Isso evita erros ao acessar colunas.

names(dados_brutos)
1
Checar o nome das colunas da base de dados 
 [1] "Nível Territorial (Código)"                                             
 [2] "Nível Territorial"                                                      
 [3] "Unidade de Medida (Código)"                                             
 [4] "Unidade de Medida"                                                      
 [5] "Valor"                                                                  
 [6] "Unidade da Federação (Código)"                                          
 [7] "Unidade da Federação"                                                   
 [8] "Trimestre (Código)"                                                     
 [9] "Trimestre"                                                              
[10] "Variável (Código)"                                                      
[11] "Variável"                                                               
[12] "Condição em relação à força de trabalho e condição de ocupação (Código)"
[13] "Condição em relação à força de trabalho e condição de ocupação"         
dados_renomeados <- janitor::clean_names(dados_brutos)

names(dados_renomeados)
1
Limpar nomes das colunas da base de dados, e salvar em um novo objeto chamado dados_renomeados
2
Checar o nome das colunas da base de dados renomeada 
 [1] "nivel_territorial_codigo"                                             
 [2] "nivel_territorial"                                                    
 [3] "unidade_de_medida_codigo"                                             
 [4] "unidade_de_medida"                                                    
 [5] "valor"                                                                
 [6] "unidade_da_federacao_codigo"                                          
 [7] "unidade_da_federacao"                                                 
 [8] "trimestre_codigo"                                                     
 [9] "trimestre"                                                            
[10] "variavel_codigo"                                                      
[11] "variavel"                                                             
[12] "condicao_em_relacao_a_forca_de_trabalho_e_condicao_de_ocupacao_codigo"
[13] "condicao_em_relacao_a_forca_de_trabalho_e_condicao_de_ocupacao"

Pipe - Encadeando funções

Nos exemplos anteriores, utilizamos uma função por vez, para facilitar a compreensão de cada etapa. No entanto, à medida que nos familiarizamos com as funções, podemos encadear várias delas em um único fluxo de código usando o operador pipe (%>% ou |>). Isso torna o código mais conciso e elimina a criação de objetos intermediários desnecessários.

Porém, é importante ter cuidado para não criar sequências muito longas e difíceis de entender.

Filtrando linhas (filter())

Para responder à pergunta norteadora, não precisamos de todas as variáveis presentes na base de dados. Podemos filtrar as linhas que são relevantes para a análise, escolhendo as variáveis de interesse.

Nesse caso, podemos filtrar os dados onde a variável é igual à "Pessoas de 14 anos ou mais de idade".

dados_filtrados <- dados_renomeados |>
  filter(variavel == "Pessoas de 14 anos ou mais de idade")

Para verificar se o filtro foi feito corretamente, podemos checar o número de linhas de cada base de dados:

nrow(dados_renomeados)
[1] 27000
nrow(dados_filtrados)
[1] 6750

Podemos verificar também os valores distintos para as colunas variavel e unidade_de_medida na base de dados dados_filtrados:

dados_filtrados |>
  distinct(variavel, unidade_de_medida)
                             variavel unidade_de_medida
1 Pessoas de 14 anos ou mais de idade       Mil pessoas

Agora sabemos que a base de dados dados_filtrados contém apenas dados sobre a variável "Pessoas de 14 anos ou mais de idade", e que a unidade de medida da coluna valor é mil pessoas.

Várias formas de filtrar as linhas

Como citamos anteriormente, em algumas situações existem várias formas diferentes de realizar uma tarefa.

No caso da função filter(), podemos utilizar diferentes operadores lógicos ou funções auxiliares para fazer filtros.

Os exemplos abaixo podem ser úteis para consulta futura!

Para esses exemplos, vamos utilizar a tabela starwars do pacote dplyr. Nessa tabela, cada linha representa um personagem de Star Wars, e as colunas representam diferentes características desses personagens.

Exemplos de operadores lógicos:

Operador Descrição Exemplo Interpretação
== Igual à species == "Human" Todas as linhas cuja espécie é “Human”
!= Diferente de species != "Human" Todas as linhas cuja espécie não é “Human”
> Maior que height > 180 Todas as linhas cuja altura é maior que 180
>= Maior ou igual a height >= 180 Todas as linhas cuja altura é maior ou igual a 180
< Menor que height < 180 Todas as linhas cuja altura é menor que 180
<= Menor ou igual a height <= 180 Todas as linhas cuja altura é menor ou igual a 180
%in% Está em um conjunto species %in% c("Human", "Droid") Todas as linhas cuja espécie é “Human” ou “Droid”
! Negação !is.na(height) Todas as linhas cuja altura não é NA
! e %in% Negação de um conjunto !(species %in% c("Human", "Droid")) Todas as linhas cuja espécie não é “Human” ou “Droid”

Exemplos de funções auxiliares:

Função Descrição Exemplo Interpretação
str_detect() Detecta padrões em textos str_detect(name, "Skywalker") Todas as linhas cujo nome contém “Skywalker”
str_starts() Detecta padrões no início de textos str_starts(name, "Luke") Todas as linhas cujo nome começa com “Luke”
str_ends() Detecta padrões no final de textos str_ends(name, "Vader") Todas as linhas cujo nome termina com “Vader”

Selecionando colunas (select())

Algumas colunas não são relevantes para responder à pergunta norteadora. Podemos selecionar apenas as colunas que vamos utilizar através da função select():

dados_selecionados <-
  dados_filtrados |>
  select(
    # colunas que queremos manter
    unidade_da_federacao,
    unidade_da_federacao_codigo,
    trimestre,
    trimestre_codigo,
    condicao_em_relacao_a_forca_de_trabalho_e_condicao_de_ocupacao,
    valor
  )

glimpse(dados_selecionados)
Rows: 6,750
Columns: 6
$ unidade_da_federacao                                           <chr> "Rondôn…
$ unidade_da_federacao_codigo                                    <chr> "11", "…
$ trimestre                                                      <chr> "1º tri…
$ trimestre_codigo                                               <chr> "201201…
$ condicao_em_relacao_a_forca_de_trabalho_e_condicao_de_ocupacao <chr> "Total"…
$ valor                                                          <dbl> 1210, 7…
Várias formas de selecionar colunas

Os exemplos abaixo podem ser úteis para consulta futura!

Para esses exemplos, vamos utilizar a tabela starwars do pacote dplyr:

Exemplos de seleção de colunas:

Operador Descrição Exemplo Interpretação
: Seleciona um intervalo de colunas name:mass Todas as colunas entre name e mass
c() Seleciona colunas específicas c(name, height, mass) Apenas as colunas name, height e mass
-c() Exclui colunas específicas -c(name, height, mass) Todas as colunas, exceto name, height e mass

Exemplos de funções auxiliares:

Função Descrição Exemplo Interpretação
starts_with() Seleciona colunas que começam com um prefixo starts_with("h") Todas as colunas que começam com “h”
ends_with() Seleciona colunas que terminam com um sufixo ends_with("color") Todas as colunas que terminam com “color”
contains() Seleciona colunas que contêm um padrão contains("e") Todas as colunas que contêm “e”

Renomeando colunas (rename())

Podemos renomear colunas com a função rename(). Vamos renomear algumas colunas para facilitar o uso posteriormente:

dados_renomeados_2 <- dados_selecionados |>
  rename(
    # colunas que queremos renomear: novo_nome = nome_atual
    condicao = condicao_em_relacao_a_forca_de_trabalho_e_condicao_de_ocupacao,
    valor_mil_pessoas = valor,
    uf = unidade_da_federacao,
    uf_codigo = unidade_da_federacao_codigo
  )

glimpse(dados_renomeados_2)
Rows: 6,750
Columns: 6
$ uf                <chr> "Rondônia", "Rondônia", "Rondônia", "Rondônia", "Ron…
$ uf_codigo         <chr> "11", "11", "11", "11", "11", "11", "11", "11", "11"…
$ trimestre         <chr> "1º trimestre 2012", "1º trimestre 2012", "1º trimes…
$ trimestre_codigo  <chr> "201201", "201201", "201201", "201201", "201201", "2…
$ condicao          <chr> "Total", "Força de trabalho", "Força de trabalho - o…
$ valor_mil_pessoas <dbl> 1210, 765, 703, 62, 446, 1217, 782, 733, 49, 434, 12…

Transformando a estrutura da tabela (pivot_wider() e pivot_longer())

Ainda considerando nossa pergunta norteadora, queremos calcular a taxa de desocupação de cada estado e região do Brasil ao longo do tempo. Para isso, é mais fácil trabalhar com a tabela onde cada linha represente uma UF por trimestre, e as categorias da variável condicao sejam transformadas em colunas.

Para fazer essa transformação, podemos usar a função pivot_wider(), do pacote {tidyr}.

A função pivot_wider() é útil quando queremos reorganizar uma tabela, transformando variáveis categóricas em novas colunas. Essa estrutura facilita cálculos comparativos e análises entre as diferentes categorias.

Por exemplo, no formato atual (dados longos), temos uma linha para cada combinação de UF, trimestre e condição de ocupação. Ao usarmos pivot_wider(), vamos transformar a tabela para que cada linha represente uma UF por trimestre, e as diferentes condições de ocupação (empregado, desocupado, etc.) se tornem colunas.

dados_largos <- dados_renomeados_2 |> 
  tidyr::pivot_wider(
  names_from = condicao,
  values_from = valor_mil_pessoas,
  names_prefix = "mil_pessoas_"
)
1
names_from =: Nome da coluna de onde os nomes das novas colunas serão extraídos
2
values_from =: Nome da coluna de onde os valores para preencher as novas colunas serão extraídos
3
names_prefix =: Podemos adicionar um texto como prefixo. Nesse caso, isso é opcional, mas é útil para ficar claro qual é a unidade de medida das variáveis. 
glimpse(dados_largos)
Rows: 1,350
Columns: 9
$ uf                                           <chr> "Rondônia", "Rondônia", "…
$ uf_codigo                                    <chr> "11", "11", "11", "11", "…
$ trimestre                                    <chr> "1º trimestre 2012", "2º …
$ trimestre_codigo                             <chr> "201201", "201202", "2012…
$ mil_pessoas_Total                            <dbl> 1210, 1217, 1226, 1219, 1…
$ `mil_pessoas_Força de trabalho`              <dbl> 765, 782, 784, 805, 796, …
$ `mil_pessoas_Força de trabalho - ocupada`    <dbl> 703, 733, 738, 762, 746, …
$ `mil_pessoas_Força de trabalho - desocupada` <dbl> 62, 49, 46, 42, 49, 39, 3…
$ `mil_pessoas_Fora da força de trabalho`      <dbl> 446, 434, 441, 415, 437, …

Agora temos uma tabela onde cada linha representa uma UF por trimestre, e as categorias da variável condicao se tornaram colunas. Porém agora temos colunas com nomes que estão com caracteres especiais, e podemos arrumar isso com a função clean_names().

dados_largos_renomeados <- janitor::clean_names(dados_largos)
glimpse(dados_largos_renomeados)
Rows: 1,350
Columns: 9
$ uf                                       <chr> "Rondônia", "Rondônia", "Rond…
$ uf_codigo                                <chr> "11", "11", "11", "11", "11",…
$ trimestre                                <chr> "1º trimestre 2012", "2º trim…
$ trimestre_codigo                         <chr> "201201", "201202", "201203",…
$ mil_pessoas_total                        <dbl> 1210, 1217, 1226, 1219, 1233,…
$ mil_pessoas_forca_de_trabalho            <dbl> 765, 782, 784, 805, 796, 800,…
$ mil_pessoas_forca_de_trabalho_ocupada    <dbl> 703, 733, 738, 762, 746, 761,…
$ mil_pessoas_forca_de_trabalho_desocupada <dbl> 62, 49, 46, 42, 49, 39, 36, 3…
$ mil_pessoas_fora_da_forca_de_trabalho    <dbl> 446, 434, 441, 415, 437, 443,…

As funções pivot_longer() e pivot_wider() são usadas para alternar entre dados ‘longos’ e ‘largos’. Normalmente, dados longos são mais fáceis de visualizar, enquanto dados largos são melhores para realizar cálculos comparativos entre categorias. Para cada análise, sempre existe um formato mais apropriado a considerar.

Criando e transformando colunas (mutate())

Para criar novas colunas, ou transformar colunas que já existem, podemos usar a função mutate().

Alterando os tipos de variáveis

A variável uf_codigo está armazenada como valor numérico. No entanto, como não realizaremos operações matemáticas com esses valores, é mais apropriado transformá-los em fatores, o que facilita a análise e previne erros em cálculos futuros.

Existem várias funções para transformar variáveis de um tipo para outro, como as.factor(), as.character(), as.numeric(), as.Date(), etc.

dados_tipo <- dados_largos_renomeados |>
  mutate(
    # nova variável:
    # nome_da_coluna = o que queremos calcular
    uf_codigo = as.factor(uf_codigo)
    )

Calculando a taxa de desocupação

Para calcular a taxa de desocupação, precisamos criar uma nova variável representando a proporção de pessoas desocupadas em relação ao total de pessoas economicamente ativas.

dados_com_proporcao <- dados_tipo |>
  mutate(
    prop_desocupacao = mil_pessoas_forca_de_trabalho_desocupada / mil_pessoas_forca_de_trabalho,
    perc_desocupacao = prop_desocupacao * 100
  )
1
Calculando a proporção da desocupação: para cada linha, vamos dividir o valor mil_pessoas_forca_de_trabalho_desocupada por mil_pessoas_forca_de_trabalho.
2
Multiplicando por 100 para transformar em percentual.

Criando uma variável trimestre_inicio

Podemos criar uma nova variável chamada trimestre_inicio para representar a data de início de cada trimestre. Para isso, precisaremos criar algumas outras variáveis “auxiliares” a partir da variável trimestre_codigo: ano, trimestre_numero e trimestre_mes_inicio.

dados_com_trimestre <- dados_com_proporcao |>
  mutate(
    ano = stringr::str_sub(trimestre_codigo, 1, 4),
    ano = as.numeric(ano),
    
    trimestre_numero = stringr::str_sub(trimestre_codigo, 5, 6),
    trimestre_numero = as.numeric(trimestre_numero),
    
    trimestre_mes_inicio = case_when(
      trimestre_numero == 1 ~ 1,
      trimestre_numero == 2 ~ 4,
      trimestre_numero == 3 ~ 7,
      trimestre_numero == 4 ~ 10
    ),
    
    trimestre_inicio = paste0(ano, "-", trimestre_mes_inicio, "-01"),
    trimestre_inicio = as.Date(trimestre_inicio),
    
    .after = trimestre_codigo
  ) |> 
  select(-trimestre_mes_inicio, -trimestre_numero)
1
Extrair os 4 primeiros caracteres do código do trimestre
2
Convertendo a coluna ano de texto para numérico
3
Extrair os 2 últimos caracteres do código do trimestre
4
Convertendo a coluna trimestre_numero de texto para numérico
5
Criar variável com o mês de início do trimestre
6
Criar variável com data de início do trimestre (neste momento, com tipo texto), colando os valores do mês e ano.
7
Convertendo a coluna trimestre_inicio de texto para Data
8
Queremos adicionar as colunas novas após a coluna trimestre_codigo
9
Removendo colunas que não serão necessárias

Criando uma variável dummy

Uma variável dummy é uma variável binária que indica a presença ou ausência de algum atributo.

Podemos criar uma variável dummy para identificar os trimestres que ocorreram durante o período de emergência em saúde pública de importância nacional de COVID-19. Para isso, vamos criar uma nova variável chamada periodo_pandemia, que será 1 para os trimestres que ocorreram durante a pandemia, e 0 para os demais trimestres. A função que utilizaremos é a case_when() do pacote {dplyr}.

dados_com_dummy <- dados_com_trimestre |> 
  mutate(
    periodo_pandemia = case_when(
    trimestre_codigo %in% c("202001", "202002", "202003", "202004",
                            "202101", "202102", "202103", "202104",
                            "202201") ~ 1,
    .default = 0
  ))
1
Caso o trimestre_codigo sejam um dos listados dentro do vetor, queremos salvar o valor 1 na coluna periodo_pandemia.
2
O valor padrão é 0. Se nenhuma regra listada contemplar alguma linha, a coluna criada (periodo_pandemia) receberá o valor padrão (0). Ou seja, as linhas cujo período que não estão no vetor listado receberão o valor 0.

Ordenando as linhas (arrange())

A base atual está ordada por trimestre e código da unidade da federação. Para facilitar a análise, podemos ordenar as linhas segundo a proporção de desocupação calculada no passo anterior, usando a função arrange():

dados_com_dummy |>
  select(trimestre_codigo, uf, perc_desocupacao) |>
  arrange(perc_desocupacao)
1
Selecionando colunas relevantes, para facilitar ver o resultado
2
Ordenar linhas usando a coluna perc_desocupacao, de forma crescente 
# A tibble: 1,350 × 3
   trimestre_codigo uf             perc_desocupacao
   <chr>            <chr>                     <dbl>
 1 202303           Rondônia                   2.34
 2 202302           Rondônia                   2.38
 3 202303           Mato Grosso                2.42
 4 201304           Santa Catarina             2.57
 5 201204           Santa Catarina             2.69
 6 201404           Santa Catarina             2.70
 7 201402           Santa Catarina             2.83
 8 201303           Santa Catarina             2.84
 9 201403           Santa Catarina             2.95
10 202302           Mato Grosso                3.00
# ℹ 1,340 more rows

A função arrange() ordena, por padrão, de forma crescente. Podemos ordenar de forma decrescente, utilizando a função desc() junto à coluna que queremos ordenar de forma decrescente:

dados_com_dummy |>
  select(trimestre_codigo, uf, perc_desocupacao) |>
  arrange(desc(perc_desocupacao))
1
Selecionando colunas relevantes, para facilitar ver o resultado
2
Ordenar linhas usando a coluna perc_desocupacao, de forma decrescente 
# A tibble: 1,350 × 3
   trimestre_codigo uf         perc_desocupacao
   <chr>            <chr>                 <dbl>
 1 202102           Pernambuco             21.8
 2 201802           Amapá                  21.7
 3 202101           Bahia                  21.7
 4 201801           Amapá                  21.6
 5 202101           Pernambuco             21.4
 6 202003           Bahia                  21.1
 7 202003           Sergipe                20.8
 8 202004           Bahia                  20.7
 9 202101           Sergipe                20.7
10 202002           Bahia                  20.5
# ℹ 1,340 more rows

Nesse caso, as linhas ficaram ordenadas de forma decrescente, de acordo com a proporção de desocupação. Porém os trimestres não estão ordenados! A função arrange() permite que ordenemos por mais de uma coluna, e a ordem de prioridade é dada pela ordem em que as colunas são passadas para a função:

dados_ordenados <- dados_com_dummy |> 
  arrange(
  # colunas que queremos usar ordenar
  trimestre_codigo, desc(prop_desocupacao)
)

glimpse(dados_ordenados)
Rows: 1,350
Columns: 14
$ uf                                       <chr> "Amapá", "Bahia", "Rio Grande…
$ uf_codigo                                <fct> 16, 29, 24, 27, 13, 28, 25, 2…
$ trimestre                                <chr> "1º trimestre 2012", "1º trim…
$ trimestre_codigo                         <chr> "201201", "201201", "201201",…
$ ano                                      <dbl> 2012, 2012, 2012, 2012, 2012,…
$ trimestre_inicio                         <date> 2012-01-01, 2012-01-01, 2012…
$ mil_pessoas_total                        <dbl> 487, 10986, 2540, 2383, 2463,…
$ mil_pessoas_forca_de_trabalho            <dbl> 318, 6888, 1370, 1173, 1558, …
$ mil_pessoas_forca_de_trabalho_ocupada    <dbl> 278, 6086, 1211, 1041, 1386, …
$ mil_pessoas_forca_de_trabalho_desocupada <dbl> 40, 802, 159, 133, 173, 99, 1…
$ mil_pessoas_fora_da_forca_de_trabalho    <dbl> 170, 4098, 1170, 1210, 905, 6…
$ prop_desocupacao                         <dbl> 0.12578616, 0.11643438, 0.116…
$ perc_desocupacao                         <dbl> 12.578616, 11.643438, 11.6058…
$ periodo_pandemia                         <dbl> 0, 0, 0, 0, 0, 0, 0, 0, 0, 0,…

Agora temos a base de dados ordenada por trimestre, e dentro de cada trimestre, por proporção de desocupação (de forma descrecente).

Unindo duas bases de dados (left_join())

Unir duas tabelas é algo comum em análises de dados. Usamos operações do tipo join para combinar duas tabelas, utilizando uma ou mais colunas como “chave”. As colunas do tipo chave têm valores comuns nas duas tabelas e são usadas para identificar as linhas correspondentes entre elas.

O pacote {dplyr} fornece um conjunto de funções para realizar diferentes tipos de uniões, como left_join(), inner_join(), full_join(), entre outras.

A função left_join() é a mais frequentemente usada: ela mantém todas as linhas da primeira tabela e adiciona colunas da segunda tabela onde houver correspondência.

Exemplo 1: Introdutório

A base de dados que temos apresenta o nome e o código da UF, mas seria interessante ter a região, para futuramente usar essa variável em análises.

A base de dados importada abaixo é um arquivo .csv preparado com as informações necessárias:

uf_regiao <- readr::read_csv("https://raw.githubusercontent.com/ipeadata-lab/curso_r_intro_202409/refs/heads/main/dados/uf_regiao.csv")
Rows: 27 Columns: 3
── Column specification ────────────────────────────────────────────────────────
Delimiter: ","
chr (2): uf_sigla, regiao
dbl (1): uf_codigo

ℹ Use `spec()` to retrieve the full column specification for this data.
ℹ Specify the column types or set `show_col_types = FALSE` to quiet this message.

Vamos verificar a estrutura da base de dados uf_regiao:

glimpse(uf_regiao)
Rows: 27
Columns: 3
$ uf_sigla  <chr> "RO", "AC", "AM", "RR", "PA", "AP", "TO", "MA", "PI", "CE", …
$ uf_codigo <dbl> 11, 12, 13, 14, 15, 16, 17, 21, 22, 23, 24, 25, 26, 27, 28, …
$ regiao    <chr> "Norte", "Norte", "Norte", "Norte", "Norte", "Norte", "Norte…

Podemos tentar unir as tabelas, sem informar a chave. Quando não informamos a chave, a função buscará os nomes de colunas em comum para utilizar essas colunas como chave:

dados_ordenados |> 
  left_join(uf_regiao, by = "uf_codigo")
Error in `left_join()`:
! Can't join `x$uf_codigo` with `y$uf_codigo` due to incompatible types.
ℹ `x$uf_codigo` is a <factor<48524>>.
ℹ `y$uf_codigo` is a <double>.

No exemplo acima, a função left_join() tentou unir as tabelas com a coluna uf_codigo, presente nas duas tabelas.

Porém essas colunas apresentam tipos diferentes (fator e numérico). Precisamos deixá-las com o mesmo tipo para que a função left_join() consiga fazer a união corretamente. Vamos então transformar a coluna uf_codigo da tabela uf_regiao em fator:

uf_regiao_fct <- uf_regiao |> 
  mutate(uf_codigo = as.factor(uf_codigo))

Agora podemos unir as tabelas dados_ordenados e uf_regiao_fct:

dados_com_regiao <- dados_ordenados |>
  left_join(uf_regiao_fct, by = "uf_codigo") |>
  relocate(uf_sigla, regiao, .after = uf_codigo)
1
Unindo a tabela dados ordenados e uf_regiao_fct usando como chave a coluna uf_codigo.
2
Mover as colunas uf_sigla e regiao para após a coluna uf_codigo.

A nova tabela dados_com_regiao contém as colunas de uf_sigla e regiao, que foram adicionadas a partir da tabela uf_regiao_fct:

glimpse(dados_com_regiao)
Rows: 1,350
Columns: 16
$ uf                                       <chr> "Amapá", "Bahia", "Rio Grande…
$ uf_codigo                                <fct> 16, 29, 24, 27, 13, 28, 25, 2…
$ uf_sigla                                 <chr> "AP", "BA", "RN", "AL", "AM",…
$ regiao                                   <chr> "Norte", "Nordeste", "Nordest…
$ trimestre                                <chr> "1º trimestre 2012", "1º trim…
$ trimestre_codigo                         <chr> "201201", "201201", "201201",…
$ ano                                      <dbl> 2012, 2012, 2012, 2012, 2012,…
$ trimestre_inicio                         <date> 2012-01-01, 2012-01-01, 2012…
$ mil_pessoas_total                        <dbl> 487, 10986, 2540, 2383, 2463,…
$ mil_pessoas_forca_de_trabalho            <dbl> 318, 6888, 1370, 1173, 1558, …
$ mil_pessoas_forca_de_trabalho_ocupada    <dbl> 278, 6086, 1211, 1041, 1386, …
$ mil_pessoas_forca_de_trabalho_desocupada <dbl> 40, 802, 159, 133, 173, 99, 1…
$ mil_pessoas_fora_da_forca_de_trabalho    <dbl> 170, 4098, 1170, 1210, 905, 6…
$ prop_desocupacao                         <dbl> 0.12578616, 0.11643438, 0.116…
$ perc_desocupacao                         <dbl> 12.578616, 11.643438, 11.6058…
$ periodo_pandemia                         <dbl> 0, 0, 0, 0, 0, 0, 0, 0, 0, 0,…

Exemplo 2: Intermediário

Um exemplo comum de uso é quando temos dados por município ou estado, e desejamos visualizar esses dados em um mapa. Para isso, precisamos de informações geoespaciais, como a delimitação geográfica de cada município ou estado. Podemos usar o left_join() para combinar esses dados geoespaciais com os dados que queremos visualizar.

Vamos usar o pacote {geobr} para carregar as geometrias dos estados brasileiros.

Dica

O pacote {geobr} facilita o acesso a dados geoespaciais do Brasil, como estados, municípios e outras divisões administrativas. Ele é muito útil quando queremos fazer análises geoespaciais, já que oferece dados geográficos prontos para uso.

Podemos utilizar a função read_state() para carregar as geometrias dos estados brasileiros. Isso nos permite combinar essas geometrias com outros dados, como taxas de desocupação, e criar mapas que facilitam a visualização de padrões regionais.

Caso não tenha instalado anteriormente o pacote {geobr}, você pode instalar com o comando abaixo:

install.packages("geobr")
geo_estados <- geobr::read_state(showProgress = FALSE)
glimpse(geo_estados)
Rows: 27
Columns: 6
$ code_state   <dbl> 11, 12, 13, 14, 15, 16, 17, 21, 22, 23, 24, 25, 26, 27, 2…
$ abbrev_state <chr> "RO", "AC", "AM", "RR", "PA", "AP", "TO", "MA", "PI", "CE…
$ name_state   <chr> "Rondônia", "Acre", "Amazonas", "Roraima", "Pará", "Amapá…
$ code_region  <dbl> 1, 1, 1, 1, 1, 1, 1, 2, 2, 2, 2, 2, 2, 2, 2, 2, 3, 3, 3, …
$ name_region  <chr> "Norte", "Norte", "Norte", "Norte", "Norte", "Norte", "No…
$ geom         <MULTIPOLYGON [°]> MULTIPOLYGON (((-63.32721 -..., MULTIPOLYGON…

O left_join() é usado aqui para combinar os dados do SIDRA com os dados das delimitações das UFs. Cada linha do nosso dataset de desocupação será associada à respectiva geometria da UF, permitindo visualizarmos as proporções de desocupação por UF em um mapa. Esse tipo de operação é comum quando queremos identificar padrões regionais.

É importante garantir que as colunas usadas na combinação de tabelas (o argumento by do left_join()) tenham o mesmo tipo de dado. Podemos verificar o tipo de dado de cada coluna com a função class():

class(geo_estados$code_state)
[1] "numeric"
class(dados_com_regiao$uf_codigo)
[1] "factor"

Neste caso, as colunas que queremos usar como chave são de tipos diferentes (numérico e fator), O left_join() não conseguirá fazer a correspondência corretamente, e a função gerará um erro:

left_join(geo_estados, dados_com_regiao, by = join_by(code_state == uf_codigo))
Error in `sf_column %in% names(g)`:
! Can't join `x$code_state` with `y$uf_codigo` due to incompatible
  types.
ℹ `x$code_state` is a <double>.
ℹ `y$uf_codigo` is a <factor<48524>>.

No exemplo, podemos transformar a coluna code_state em fator usando mutate(). Assim, garantimos que as colunas usadas no argumento by sejam do mesmo tipo e possam ser corretamente combinados.

dados_geo <- geo_estados |> 
  mutate(code_state = as.factor(code_state)) |> 
  left_join(dados_com_regiao, by = join_by(code_state == uf_codigo))

glimpse(dados_geo)
Rows: 1,350
Columns: 21
$ code_state                               <fct> 11, 11, 11, 11, 11, 11, 11, 1…
$ abbrev_state                             <chr> "RO", "RO", "RO", "RO", "RO",…
$ name_state                               <chr> "Rondônia", "Rondônia", "Rond…
$ code_region                              <dbl> 1, 1, 1, 1, 1, 1, 1, 1, 1, 1,…
$ name_region                              <chr> "Norte", "Norte", "Norte", "N…
$ uf                                       <chr> "Rondônia", "Rondônia", "Rond…
$ uf_sigla                                 <chr> "RO", "RO", "RO", "RO", "RO",…
$ regiao                                   <chr> "Norte", "Norte", "Norte", "N…
$ trimestre                                <chr> "1º trimestre 2012", "2º trim…
$ trimestre_codigo                         <chr> "201201", "201202", "201203",…
$ ano                                      <dbl> 2012, 2012, 2012, 2012, 2013,…
$ trimestre_inicio                         <date> 2012-01-01, 2012-04-01, 2012…
$ mil_pessoas_total                        <dbl> 1210, 1217, 1226, 1219, 1233,…
$ mil_pessoas_forca_de_trabalho            <dbl> 765, 782, 784, 805, 796, 800,…
$ mil_pessoas_forca_de_trabalho_ocupada    <dbl> 703, 733, 738, 762, 746, 761,…
$ mil_pessoas_forca_de_trabalho_desocupada <dbl> 62, 49, 46, 42, 49, 39, 36, 3…
$ mil_pessoas_fora_da_forca_de_trabalho    <dbl> 446, 434, 441, 415, 437, 443,…
$ prop_desocupacao                         <dbl> 0.08104575, 0.06265985, 0.058…
$ perc_desocupacao                         <dbl> 8.104575, 6.265985, 5.867347,…
$ periodo_pandemia                         <dbl> 0, 0, 0, 0, 0, 0, 0, 0, 0, 0,…
$ geom                                     <MULTIPOLYGON [°]> MULTIPOLYGON (((…

Agora temos uma base de dados que combina os dados do SIDRA com as geometrias dos estados brasileiros.

Combinar dados dessa forma nos permite fazer visualizações geoespaciais, como um mapa de calor das taxas de desocupação por estado. Isso facilita a identificação de padrões regionais, ajudando na interpretação dos dados.

Não falaremos nesse momento sobre como criar visualizações e mapas, pois isso será abordado em aulas futuras. Mas podemos adiantar um exemplo de como criar um mapa apresentando as proporções de desocupação por estado:

Código 
library(ggplot2)
dados_geo |> 
  filter(trimestre_codigo == "202402") |>
  ggplot() +
  geom_sf(aes(fill = perc_desocupacao)) +
  theme_light() +
  scale_fill_viridis_c() +
  labs(title = "Percentual de desocupação por UF no 2º trimestre de 2024",
       fill = "Desocupação (%)") +
  theme(legend.position = "bottom")

Salvando a base de dados preparada

Por fim, podemos salvar a base de dados preparada para usar nas próximas etapas. Assim não precisamos repetir todo o processo de limpeza e transformação de dados a cada vez que quisermos fazer uma análise.

É recomendável salvar a base de dados em um formato que preserve a estrutura dos dados, como .rds.

# Salvando os dados preparados
readr::write_rds(dados_com_regiao, "dados_output/sidra_4092_arrumado.rds")

Exercícios sugeridos

Utilizando a base de dados que criamos nessa aula (com a taxa de desocupação calculada), responda as perguntas abaixo.

  1. Crie uma nova tabela com apenas as colunas uf, trimestre, perc_desocupacao e periodo_pandemia.

O resultado esperado é:

# A tibble: 1,350 × 4
   uf                  trimestre         perc_desocupacao periodo_pandemia
   <chr>               <chr>                        <dbl>            <dbl>
 1 Amapá               1º trimestre 2012            12.6                 0
 2 Bahia               1º trimestre 2012            11.6                 0
 3 Rio Grande do Norte 1º trimestre 2012            11.6                 0
 4 Alagoas             1º trimestre 2012            11.3                 0
 5 Amazonas            1º trimestre 2012            11.1                 0
 6 Sergipe             1º trimestre 2012            10.5                 0
 7 Paraíba             1º trimestre 2012            10.0                 0
 8 Pernambuco          1º trimestre 2012             9.58                0
 9 Acre                1º trimestre 2012             9.27                0
10 Distrito Federal    1º trimestre 2012             8.80                0
# ℹ 1,340 more rows
  1. Qual foi a combinação de Estado/Trimestre que teve a maior taxa de desocupação…
    1. Durante a pandemia?
    1. Fora do período de pandemia?

Para cada pergunta (durante ou fora do período de pandemia), precisamos fazer dois filtros:

    1. Filtrar as linhas que correspondem ao período de pandemia (ou fora dele)
    1. Filtrar a linha com a maior taxa de desocupação

Para buscar o maior valor de uma coluna, podemos usar a função max().

Por exemplo: o código abaixo retorna a linha com o personagem de Star Wars com o maior valor de massa (mass). Nesse caso, precisamos usar o argumento na.rm = TRUE para ignorar valores NA, pois a coluna mass tem valores faltantes.

starwars |> 
  filter(mass == max(mass, na.rm = TRUE))
# A tibble: 1 × 14
  name      height  mass hair_color skin_color eye_color birth_year sex   gender
  <chr>      <int> <dbl> <chr>      <chr>      <chr>          <dbl> <chr> <chr> 
1 Jabba De…    175  1358 <NA>       green-tan… orange           600 herm… mascu…
# ℹ 5 more variables: homeworld <chr>, species <chr>, films <list>,
#   vehicles <list>, starships <list>

O resultado esperado é:

uf trimestre perc_desocupacao periodo_pandemia
Pernambuco 2º trimestre 2021 21.7527 1
  1. Considerando o trimestre mais recente disponível, qual é o estado com a maior taxa de desocupação? E a maior?

Para cada pergunta (durante ou fora do período de pandemia), precisamos fazer dois filtros:

    1. Filtrar as linhas que correspondem ao trimestre mais recente
    1. Filtrar a linha com a maior OU menor taxa de desocupação

Podemos fazer o filtro usando o operador OU (|), para filtrar as linhas que correspondem ao estado com a maior OU menor taxa de desocupação.

Por exemplo: o código abaixo retorna a linha com o personagem de Star Wars com o maior e o menor valor de massa (mass). Nesse caso, precisamos usar o argumento na.rm = TRUE para ignorar valores NA, pois a coluna mass tem valores faltantes.

starwars |> 
  filter(mass == max(mass, na.rm = TRUE) | mass == min(mass, na.rm = TRUE))
# A tibble: 2 × 14
  name      height  mass hair_color skin_color eye_color birth_year sex   gender
  <chr>      <int> <dbl> <chr>      <chr>      <chr>          <dbl> <chr> <chr> 
1 Jabba De…    175  1358 <NA>       green-tan… orange           600 herm… mascu…
2 Ratts Ty…     79    15 none       grey, blue unknown           NA male  mascu…
# ℹ 5 more variables: homeworld <chr>, species <chr>, films <list>,
#   vehicles <list>, starships <list>

O resultado esperado é:

uf trimestre perc_desocupacao
Pernambuco 2º trimestre 2024 11.533052
Santa Catarina 2º trimestre 2024 3.190735
  1. Considerando o trimestre mais recente disponível, quais são os 5 estados com as maiores taxas de desocupação?

A função head() retorna as primeiras linhas de um data frame. Podemos usar essa função para retornar as primeiras linhas de um data frame ordenado, usando o número de linhas desejadas como argumento:

# A tibble: 5 × 14
  name      height  mass hair_color skin_color eye_color birth_year sex   gender
  <chr>      <int> <dbl> <chr>      <chr>      <chr>          <dbl> <chr> <chr> 
1 Jabba De…    175  1358 <NA>       green-tan… orange         600   herm… mascu…
2 Grievous     216   159 none       brown, wh… green, y…       NA   male  mascu…
3 IG-88        200   140 none       metal      red             15   none  mascu…
4 Darth Va…    202   136 none       white      yellow          41.9 male  mascu…
5 Tarfful      234   136 brown      brown      blue            NA   male  mascu…
# ℹ 5 more variables: homeworld <chr>, species <chr>, films <list>,
#   vehicles <list>, starships <list>

O resultado esperado é:

uf trimestre perc_desocupacao
Pernambuco 2º trimestre 2024 11.533052
Bahia 2º trimestre 2024 11.098283
Distrito Federal 2º trimestre 2024 9.742441
Rio de Janeiro 2º trimestre 2024 9.644113
Sergipe 2º trimestre 2024 9.131602
  1. Utilizando a função tidyr::pivot_wider(), como podemos criar uma tabela onde cada linha apresente dados de um estado, e cada trimestre esteja em uma coluna preenchida com os valores de percentual de desocupação?

Veja o exemplo abaixo:

uf 1º trimestre 2012 2º trimestre 2012 3º trimestre 2012 4º trimestre 2012 1º trimestre 2013 2º trimestre 2013 3º trimestre 2013 4º trimestre 2013 1º trimestre 2014 2º trimestre 2014 3º trimestre 2014 4º trimestre 2014 1º trimestre 2015 2º trimestre 2015 3º trimestre 2015 4º trimestre 2015 1º trimestre 2016 2º trimestre 2016 3º trimestre 2016 4º trimestre 2016 1º trimestre 2017 2º trimestre 2017 3º trimestre 2017 4º trimestre 2017 1º trimestre 2018 2º trimestre 2018 3º trimestre 2018 4º trimestre 2018 1º trimestre 2019 2º trimestre 2019 3º trimestre 2019 4º trimestre 2019 1º trimestre 2020 2º trimestre 2020 3º trimestre 2020 4º trimestre 2020 1º trimestre 2021 2º trimestre 2021 3º trimestre 2021 4º trimestre 2021 1º trimestre 2022 2º trimestre 2022 3º trimestre 2022 4º trimestre 2022 1º trimestre 2023 2º trimestre 2023 3º trimestre 2023 4º trimestre 2023 1º trimestre 2024 2º trimestre 2024
Amapá 12.578616 14.603175 14.285714 12.158055 11.671924 14.461538 10.942249 9.253731 11.242604 9.970674 10.632184 9.565217 9.821429 10.294118 11.849711 13.068182 14.619883 16.000000 15.142857 16.991643 18.836565 17.451524 16.986301 19.073570 21.621622 21.739130 18.324607 19.893899 20.365535 17.164179 16.879795 15.776081 17.268041 11.370262 15.297450 15.902965 15.217391 16.230366 17.487685 17.422434 14.175258 11.401425 10.843374 13.225058 12.206573 12.442396 12.471655 14.187643 10.854503 8.878505
Bahia 11.643438 11.392588 10.794883 10.851468 13.431301 11.878128 10.754579 9.102656 11.658363 10.172635 9.846110 9.788841 11.440914 12.825124 13.014077 12.397155 15.742825 15.627210 16.070406 16.763745 18.633186 17.596811 16.813520 15.124606 18.098115 16.778621 16.389953 17.619454 18.478722 17.469710 16.924167 16.531512 18.825025 20.506122 21.149536 20.743877 21.723411 20.158451 18.727222 17.332961 17.570987 15.460020 15.112994 13.505788 14.432990 13.385035 13.317328 12.656785 14.039584 11.098283
Rio Grande do Norte 11.605839 11.355816 11.469780 11.602210 12.159329 10.901468 10.143934 9.785523 11.846459 11.768617 10.646900 10.483871 11.597084 11.776316 12.805663 12.328767 14.494681 13.588390 14.248194 14.700066 16.446499 15.841584 13.879709 12.408759 15.085639 13.280736 12.993631 13.630491 14.060447 12.662338 13.609851 12.972621 15.591054 15.300146 17.864769 15.593895 15.491101 16.263441 14.713715 12.630208 14.140127 12.012780 10.482315 9.960938 12.145749 10.263336 10.086840 8.289125 9.626719 9.085173
Alagoas 11.338448 11.688312 11.589404 11.182623 12.289157 10.834671 10.572337 9.397590 9.789644 9.740260 9.802371 9.479409 11.199365 11.920000 10.933759 11.480602 12.943962 14.118565 14.948859 14.927769 17.714286 18.004866 16.055420 15.739949 17.991266 17.672791 17.328825 16.177703 16.139767 14.927769 15.640194 13.830679 16.666667 18.255396 20.284698 20.408163 20.216886 19.198791 17.047971 14.510364 14.136126 11.111111 10.109890 9.302326 10.589113 9.696521 8.983800 8.879185 9.882870 8.147080
Amazonas 11.103979 9.055877 9.508615 8.348910 10.357583 10.287814 8.405978 7.715860 8.333333 8.441158 6.816798 7.891492 9.512195 9.685230 10.279263 9.282700 12.923977 13.442995 13.759355 15.049390 18.024554 15.607581 16.248575 13.592233 13.991081 14.334086 13.245033 14.558342 16.052061 14.043455 13.533439 13.038906 14.622642 16.619075 16.856987 15.708200 17.602996 15.792208 13.428281 13.104524 13.001524 10.420945 9.346272 10.015330 10.509721 9.669080 9.555442 8.808554 9.792746 7.909605
Sergipe 10.454066 10.950413 10.627530 9.667969 11.694747 11.374876 10.147783 8.791209 9.542744 9.809810 9.171598 8.994197 8.733205 9.152216 8.771930 10.187933 11.534702 12.925170 14.424951 15.204678 16.314199 14.215686 13.833992 13.601533 17.198068 16.992188 17.647059 15.117371 15.522107 15.349682 14.781022 14.933333 15.789474 20.377734 20.808081 18.276515 20.695971 19.316081 17.059891 14.460999 14.955752 12.750455 12.129630 11.952555 11.825922 10.331754 9.796673 11.204482 9.982014 9.131602
Paraíba 10.017996 9.410363 8.609272 9.168185 9.593200 9.004739 8.578284 8.490566 9.352941 8.888889 9.340339 8.172796 9.335624 9.315699 10.502283 9.716599 10.251904 11.018463 13.048707 12.154031 13.413897 11.565836 10.883558 10.227937 11.892209 11.071849 10.976314 11.239861 11.223278 12.183637 11.359623 12.153392 13.875598 13.216453 17.305152 15.727554 16.149068 15.448188 14.464621 13.008130 14.328358 12.214200 10.867052 10.301954 11.117717 10.394265 9.273479 9.584296 9.868044 8.579546
Pernambuco 9.579618 8.298539 9.382903 9.200410 10.681877 9.714286 8.493221 7.420495 8.828045 8.015171 8.466934 7.709581 8.204489 9.206040 11.309100 11.141038 13.401559 14.247312 15.459298 15.942029 17.331022 19.024271 18.064673 16.990641 17.955997 17.116477 17.009700 15.641932 16.303584 16.080283 15.994305 14.151165 14.801357 15.363206 19.276781 19.394394 21.402748 21.752701 19.282297 17.144890 17.015276 13.555347 13.924344 12.315271 14.078238 14.184397 13.207996 11.932892 12.408587 11.533052
Acre 9.265176 9.118541 7.692308 8.132530 10.909091 9.451220 8.841463 7.055215 8.181818 9.638554 7.164179 6.287425 8.985507 8.849557 9.037901 7.848837 8.771930 11.212121 12.074303 11.818182 15.915916 15.072464 13.793103 12.429379 14.763231 13.675214 13.370473 13.461538 18.207283 13.687151 13.202247 13.881020 13.823529 14.454277 17.365270 15.921788 18.032787 16.452442 13.756614 13.385827 14.854111 11.904762 10.000000 9.887006 9.667674 9.422492 6.176471 6.567164 8.797654 7.303371
Distrito Federal 8.802817 8.492569 8.686588 8.847737 9.679618 9.200806 8.984375 8.514852 9.066667 9.151194 8.958195 8.766015 10.868125 9.760956 10.390470 9.815547 11.292428 11.023622 12.134689 14.043887 14.294593 13.329161 12.333966 13.341724 14.055728 12.292563 12.658228 12.040939 14.192009 13.797170 13.207547 12.544803 13.595707 15.592783 15.686274 14.461538 14.957781 14.311815 14.520870 12.110727 12.536106 11.523328 10.932297 10.253583 11.977716 8.749299 8.858603 9.664805 9.566185 9.742441
Roraima 8.648649 5.851064 7.291667 8.163265 8.854167 8.542714 8.212560 6.930693 7.582938 5.633803 6.603774 6.278027 9.174312 7.798165 9.589041 8.144796 8.144796 8.144796 9.767442 9.523810 10.280374 10.762332 9.333333 9.829060 10.504202 11.666667 13.469388 14.229249 15.175097 15.261044 14.859438 14.843750 16.470588 17.030568 19.067797 14.634146 14.285714 13.962264 10.727969 9.160305 8.695652 6.130268 4.942966 4.494382 6.934307 5.019305 7.720588 7.067138 7.500000 7.142857
Rio de Janeiro 8.561516 7.507360 7.484587 6.870698 7.328750 7.034805 6.918932 6.234476 6.752609 6.539980 6.207744 5.840227 6.605052 7.289018 8.346381 8.672119 10.176196 11.564139 12.256301 13.618220 14.666512 15.829894 14.629988 15.254428 15.132623 15.506329 14.706214 14.959659 15.435943 15.254048 14.601622 13.832149 14.683516 16.757764 19.336130 19.629187 19.640519 17.866787 15.904261 14.195758 14.915445 12.625698 12.308205 11.432706 11.645910 11.257539 10.908078 10.035328 10.321730 9.644113
Tocantins 8.409786 7.774390 7.208589 7.726597 9.312977 8.194234 6.298003 6.534954 8.567208 7.794118 7.647908 6.351551 8.888889 7.669617 9.305761 8.997050 10.755814 11.206897 10.882353 13.199426 12.608696 11.600587 11.922504 10.601719 11.079546 11.328671 9.817672 10.519126 12.500000 11.538462 10.714286 9.266943 11.538462 12.735166 12.518629 11.265647 17.127800 15.875170 10.817942 9.647979 9.208820 5.491699 5.660377 5.163728 6.947891 6.557377 5.323194 5.721393 5.992509 4.305043
Rondônia 8.104575 6.265985 5.867347 5.217391 6.155779 4.875000 4.591837 4.961832 5.044136 4.113111 4.198473 3.615960 4.551201 4.961832 6.691450 6.495098 7.635468 7.923169 8.578431 8.091787 8.178439 9.199522 8.185053 7.602339 10.514019 8.233890 8.901734 9.132420 9.070034 6.912442 8.352144 8.154020 8.520179 11.057108 11.764706 11.124260 11.360947 9.907834 7.812500 6.877729 6.919643 5.816555 3.932584 3.037383 3.159174 2.378121 2.344666 3.814064 3.657143 3.295454
Pará 8.004744 7.889546 7.224443 6.862745 7.880959 7.711512 7.771876 6.123017 7.785088 7.156567 7.234507 7.109525 9.371643 9.180942 8.572936 8.764104 10.181055 10.989888 11.182623 12.895570 13.954741 11.503719 11.200415 10.739979 12.272367 11.310920 11.047420 10.269012 11.600626 11.331076 11.340996 9.275960 10.764068 9.306261 11.144091 10.940349 13.865323 13.529564 11.863137 10.970258 12.148619 9.137179 8.851043 8.232503 9.831666 8.574205 8.018411 7.801755 8.506525 7.437425
Maranhão 7.938258 9.203347 7.745204 7.596330 9.513355 9.437454 7.487832 5.592105 6.437768 7.196295 6.810926 7.165549 9.030451 8.950509 8.587258 8.388444 11.099549 12.030347 12.080537 13.215209 15.154827 14.748603 14.533623 13.412375 15.777695 14.472671 13.986280 14.296492 16.557314 14.786585 14.382530 12.406015 16.301059 16.456229 17.302905 14.588329 17.377812 17.503748 15.003668 13.357798 12.882748 10.770893 9.671788 8.353982 9.917355 8.837209 6.729428 7.152826 8.445089 7.291300
Minas Gerais 7.899160 7.254977 6.433647 6.298300 7.524059 7.034509 6.339235 5.781954 7.100422 6.923517 6.935808 6.332730 8.332543 7.960292 8.788270 9.396097 11.304187 11.035995 11.278539 11.210680 13.773001 12.198646 12.301195 10.680741 12.669643 10.879589 9.796099 9.738061 11.240275 9.623321 10.006096 9.580316 11.695906 13.181688 13.606789 12.461752 13.918845 12.621183 10.694714 9.434794 9.314155 7.238395 6.324457 5.776431 6.799823 5.807365 5.976096 5.686206 6.299282 5.278592
São Paulo 7.820856 7.539857 6.965958 6.772246 7.803669 7.502153 7.429088 6.615699 7.326612 7.144396 7.331264 7.228196 8.607079 9.191906 9.787791 10.252569 12.196327 12.246484 12.873347 12.493411 14.366919 13.609349 13.323027 12.846258 14.131718 13.768002 13.264152 12.594183 13.587798 12.922038 12.147813 11.583234 12.282685 13.924865 15.432916 14.802442 14.656620 14.524827 13.375498 11.129460 10.794840 9.174872 8.630588 7.670323 8.472944 7.826522 7.144776 6.857903 7.384321 6.376171
Piauí 7.654494 7.072829 6.228374 7.019959 8.430432 7.525424 7.496561 7.003367 7.095926 7.142857 6.225166 6.024096 7.836571 7.702436 7.758054 7.348029 9.655638 10.075914 9.616725 8.903134 12.811388 13.690062 12.249135 13.449477 13.347609 13.566434 12.517194 12.388775 12.947658 13.019768 12.938882 13.306720 14.086471 13.355317 13.191812 12.225476 15.153681 15.357887 11.922812 11.849315 12.309820 9.407666 9.242529 9.449929 11.126962 9.708029 9.847434 10.655148 10.007047 7.535211
Espírito Santo 7.651150 7.243356 6.887623 6.711066 7.810894 7.707911 7.207207 5.940083 6.398349 6.605223 5.861182 6.197917 7.094769 6.775344 8.311955 9.267793 11.156393 11.652436 12.914752 13.787954 14.679359 13.465251 13.136602 11.756168 12.729026 12.238095 11.346516 10.377358 12.349118 10.990009 10.707721 10.436782 11.276102 12.611276 14.189837 13.434969 13.113207 11.583924 9.939619 9.830041 9.206799 7.985314 7.255083 7.249071 6.943788 6.343985 5.563282 5.238971 5.912007 4.502046
Mato Grosso do Sul 7.547170 7.063492 4.983923 5.003971 4.811548 4.937304 4.432348 4.541895 4.746835 3.897116 4.098995 3.852080 6.298003 6.365031 6.334842 6.015038 7.847534 7.043287 7.714916 8.194344 9.905317 8.966016 8.040936 7.415407 8.528785 7.703281 7.332402 7.023644 9.573725 8.418891 7.708333 6.703911 7.894737 11.680482 11.813394 9.527326 10.587382 9.822064 7.621083 6.411150 6.490728 5.197505 5.112474 3.346720 4.856953 4.089710 4.008016 4.002668 4.983165 3.815261
Ceará 7.321619 8.186667 8.112493 7.552870 8.944641 8.531693 7.303974 6.933826 7.948583 7.568688 7.558442 6.647168 8.101604 8.920559 9.718603 9.064559 10.907156 11.589404 13.261923 12.602041 14.448381 13.329954 11.959799 11.203117 12.942613 11.812577 10.729821 10.181818 11.547792 11.025703 11.424474 10.338301 12.382332 12.302138 14.258029 14.463453 15.111232 15.073145 12.449393 11.083060 11.017618 10.341366 8.564295 7.786070 9.548255 8.599132 9.178864 8.718331 8.646713 7.480214
Mato Grosso 6.577267 5.766793 5.253165 4.785894 5.813234 4.542664 3.941783 3.737745 4.482132 3.995157 3.862402 4.070474 5.801435 6.291591 6.740196 5.768063 9.227986 9.988249 9.080048 9.627880 10.605153 8.716418 9.485252 7.334109 9.474292 8.599089 6.768190 6.904232 9.160724 8.310847 7.978437 6.428571 8.577633 10.230467 10.168539 10.642896 10.154525 9.085873 6.640841 5.937328 5.321508 4.408602 3.848238 3.504929 4.528096 3.002183 2.423263 3.911477 3.751285 3.282828
Goiás 6.337372 5.272783 4.986150 5.145482 6.807229 5.793145 5.236232 3.950913 5.725420 5.367734 5.202483 5.154339 7.034442 7.452340 7.384883 7.814302 10.202915 10.253521 10.652921 11.341943 12.783852 11.016949 9.333693 9.432934 10.372992 9.512129 9.011707 8.294931 10.850440 10.600425 10.943592 10.557873 11.527224 12.987753 13.527252 12.737430 13.862201 12.418122 10.013351 8.755274 8.860760 6.801008 6.123973 6.637733 6.710229 6.158065 5.910107 5.593719 6.082904 5.167769
Paraná 5.638894 5.347972 4.669604 4.473406 4.941300 4.597502 4.246836 3.784722 4.186935 4.247971 4.163799 3.751527 5.385152 6.226285 6.229565 5.874340 8.162580 8.230730 8.579681 8.158116 10.386352 8.958716 8.498156 8.252912 9.660792 9.089393 8.726610 7.889969 9.019351 9.124980 9.057032 7.350539 8.003287 9.618270 10.545206 10.066225 9.427109 9.036861 7.971014 6.961114 6.851972 6.067489 5.255591 5.130687 5.391276 4.863025 4.621849 4.704753 4.821570 4.439141
Rio Grande do Sul 5.342847 5.077453 4.655590 4.386566 5.411804 4.628378 4.905408 4.726119 5.438979 5.033784 5.318251 4.604486 5.807201 6.056056 6.990324 6.679764 7.584407 8.913649 8.382546 8.423291 9.268293 8.571896 8.172920 8.080808 8.586526 8.440153 8.272546 7.482437 8.046723 8.267780 8.934321 7.252152 8.536389 9.679642 10.523551 8.647450 9.552743 8.849411 8.412751 8.099789 7.462927 6.261123 6.005430 4.631410 5.381667 5.262319 5.361192 5.180934 5.813768 5.891796
Santa Catarina 4.142357 3.746068 3.195435 2.687250 3.676261 3.476774 2.838934 2.568543 3.111619 2.826149 2.946128 2.704941 3.970223 3.977118 4.438998 4.251286 6.130165 6.751974 6.397398 6.233136 7.922351 7.540725 6.786271 6.426735 6.561612 6.542056 6.225881 6.346788 7.270408 6.103167 5.787863 5.423048 5.723819 7.212169 6.686046 5.382586 6.352135 5.852156 5.275229 4.314021 4.536341 3.898636 3.757931 3.231292 3.834735 3.499755 3.558460 3.195803 3.828775 3.190735

Para usar a função pivot_wider(), precisamos indicar os argumentos names_from e values_from.

O argumento names_from é a coluna que queremos usar para nomear as novas colunas. No caso, queremos que cada opção de trimestre seja uma nova coluna.

O argumento values_from é a coluna que queremos usar para preencher os valores das novas colunas. No caso, queremos preencher as novas colunas com a taxa de desocupação.

Sugestões de materiais

Notas de rodapé

  1. É interessante conhecer mais sobre a base de dados que estamos utilizando. O IBGE apresenta alguns conteúdos interessantes, como a página com informações sobre a PNAD Contínua Trimestral, e também a página sobre desemprego que nos ajuda a entender as variáveis presentes.↩︎