Introdução a Método Computacionais para as Ciências Sociais: Exercício 4

Introduções.

Seguimos com nossas instruções.

• Entrega dos exercícios até sexta-feira, meia noite.

• Entrega com documento em formato pdf.

• Entrega via slack.

Divirtam-se.

Banco de dados

Neste exercícios, usaremos mais uma vez o pacote do cepesp para baixar dados eleitorais do Brasil. Portanto, rode o código abaixo para fazer o download dos bancos de dados.

Estamos utilizando os dados de candidatos e de declaração de bens. Ambos no nível do Rio de Janeiro.

# instale caso você não tenha o pacote. 

# if (!require("devtools")) install.packages("devtools")
# devtools::install_github("Cepesp-Fgv/cepesp-r")

library(cepespR)
library(tidyverse)
# Banco Votos Deputado
candidatos <- get_candidates(year=2018, position="Federal Deputy") %>% 
                as_tibble()

# Banco Bens Candidatos
bens <- get_assets(year = 2018, state = "RJ")   %>%
                as_tibble()

Questão 1.

Usando o banco bens.

• Agregue o banco de dados e crie um novo banco com a soma do valor dos bens declarados por candidato.

bens <- bens %>%
  mutate(VALOR_BEM=str_remove_all(VALOR_BEM, "\\."), 
         VALOR_BEM=str_replace_all(VALOR_BEM, ",", "\\.")) 


# responda aqui.

bens_agg <- bens %>%
              group_by(SIGLA_UF, CODIGO_CARGO, DESCRICAO_CARGO, NUMERO_CANDIDATO, CPF_CANDIDATO)%>%
              summarise(bens_total=sum(parse_number(VALOR_BEM))) %>%
              filter(CODIGO_CARGO==6)

• Faça um merge entre o banco de candidatos e o seu nome banco de bens declarados

# responda aqui.

join_banco <- left_join(candidatos, bens_agg, by=c("SIGLA_UF", "CODIGO_CARGO", 
                                      "NUMERO_CANDIDATO", 
                                     "CPF_CANDIDATO")) %>%
              filter(SIGLA_UF=="RJ")

Questão 2

Usando este novo banco, responda:

• Qual candidato declarou mais bens?

# responda aqui.
join_banco %>% arrange(desc(bens_total)) %>%
  select(bens_total, NOME_URNA_CANDIDATO)

• Qual partido possui em números absolutos maior declaração de bens?

# responda aqui
join_banco %>%
  group_by(NUMERO_PARTIDO) %>%
  summarise(total_pt=sum(bens_total, na.rm = TRUE)) %>%
  arrange(desc(total_pt))

• Quem declara mais bens, homens ou mulheres?

join_banco %>%
  group_by(DESCRICAO_SEXO) %>%
  summarise(total_pt=sum(bens_total, na.rm = TRUE)) 

Questão 2

Usando o banco de dados billboard do pacote tidyr, responda:

library(tidyr)
construction
# responda aqui

• Este banco de dados está no formato tidy? Sim ou não? E porquê?

# Dica: A solução mais intuitiva irá usar pivot_longer duas vezes. 
construction %>%
  pivot_longer(cols=contains("unit"), 
               names_to="units", 
               values_to="units_value") %>%
  pivot_longer(cols=3:6, 
               names_to="region", 
               values_to="region_values") 

# Responda

Ponto Extra

Para ganhar pontos extras, use as funções do tidyr para converter o banco de dados fishencounters abaixo para um banco no formato aberto (wide) onde a coluna station será aberta em um conjunto de variáveis dummies (valores iguais a zero ou um)

fish_encounters
fish_encounters %>%
  pivot_wider(names_from = "station", 
              values_from="seen", 
              values_fill=0)
# responda aqui