nucleo_atlas_analise.R

library(tidyverse)
library(cepespR)
library(httr)
library(jsonlite)
library(knitr)

codmun <- read.csv("http://cepespdata.io/static/docs/cod_municipios.csv", header = T, sep = ";")
codmun <- codmun %>% filter(ANO_ELEICAO == 2016)

# do CEPESP: retorna apenas prefeitos eleitos em 2016
# como a tabela retornada get_candidates não traz dados do codigo municipal do IBGE
# precisamos carregar a tabela com a informação e fazer o cruzamento
prefeitos_eleitos <- get_candidates(year=2016, position="Prefeito", only_elected = T)
prefeitos_eleitos$codtse <- as.integer(prefeitos_eleitos$SIGLA_UE)
codmun$COD_MUN_TSE <- as.integer(codmun$COD_MUN_TSE)
prefeitos_eleitos <- inner_join(prefeitos_eleitos, codmun, by = c("codtse" = "COD_MUN_TSE"), keep = FALSE)

# do Atlas da Notícia
# gerar token 
# é necessário criar uma conta no Atlas dA Notícia (www.atlas.jor.br)
token = content(
  POST(url = "https://api.atlas.jor.br/api/v1/auth/login", 
       body = list("email" = "", "password" = ""),
       encode = "json", handle = NULL), as = "text")
token = fromJSON(token)
tk <- token[[1]]

# extrai dados sobre desertos
desertos <- fromJSON(content(GET(url = "https://api.atlas.jor.br/api/v1/data/cities-without-media",
                               add_headers(Authorization = paste("Bearer", tk, sep = " "))), 
                           as = "text"))
desertos$codmun <- as.integer(desertos$codmun)

d <- inner_join(desertos, prefeitos_eleitos, by = c("codmun" = "COD_MUN_IBGE"), keep = FALSE)

# começa a análise

# prefeitos eleitos, por partido
por_partido <- prefeitos_eleitos %>%
  group_by(SIGLA_PARTIDO) %>%
  tally(name = "eleitos", sort = T) %>%
  mutate(pct_total = round((eleitos/sum(eleitos))*100,1)) #%>%
  #ggplot() + geom_bar(aes(reorder(SIGLA_PARTIDO, -pct_total), pct_total), stat = "identity")

kable(por_partido)

desertos_partidos <- d %>%
  group_by(SIGLA_PARTIDO) %>%
  tally(name = "eleitos_desertos", sort = T) %>%
  mutate(pct_total_desertos = round((eleitos_desertos/sum(eleitos_desertos))*100,1)) # %>%
  #ggplot() + geom_bar(aes(reorder(SIGLA_PARTIDO, -pct_total), pct_total), stat = "identity")

kable(desertos_partidos)

concatenada <- inner_join(por_partido, desertos_partidos)

dash_partidos <- concatenada %>%
  mutate(proporcao = round((eleitos_desertos/eleitos)*100,1)) %>%
  arrange(desc(proporcao)) %>%
  # mediana de eleitos
  filter(eleitos > 62)

kable(dash_partidos)

# populacao e indices

d %>% summarise(media = mean(populacao), mediana = median(populacao))