-
Notifications
You must be signed in to change notification settings - Fork 0
/
script_final.R
621 lines (518 loc) · 29.9 KB
/
script_final.R
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
178
179
180
181
182
183
184
185
186
187
188
189
190
191
192
193
194
195
196
197
198
199
200
201
202
203
204
205
206
207
208
209
210
211
212
213
214
215
216
217
218
219
220
221
222
223
224
225
226
227
228
229
230
231
232
233
234
235
236
237
238
239
240
241
242
243
244
245
246
247
248
249
250
251
252
253
254
255
256
257
258
259
260
261
262
263
264
265
266
267
268
269
270
271
272
273
274
275
276
277
278
279
280
281
282
283
284
285
286
287
288
289
290
291
292
293
294
295
296
297
298
299
300
301
302
303
304
305
306
307
308
309
310
311
312
313
314
315
316
317
318
319
320
321
322
323
324
325
326
327
328
329
330
331
332
333
334
335
336
337
338
339
340
341
342
343
344
345
346
347
348
349
350
351
352
353
354
355
356
357
358
359
360
361
362
363
364
365
366
367
368
369
370
371
372
373
374
375
376
377
378
379
380
381
382
383
384
385
386
387
388
389
390
391
392
393
394
395
396
397
398
399
400
401
402
403
404
405
406
407
408
409
410
411
412
413
414
415
416
417
418
419
420
421
422
423
424
425
426
427
428
429
430
431
432
433
434
435
436
437
438
439
440
441
442
443
444
445
446
447
448
449
450
451
452
453
454
455
456
457
458
459
460
461
462
463
464
465
466
467
468
469
470
471
472
473
474
475
476
477
478
479
480
481
482
483
484
485
486
487
488
489
490
491
492
493
494
495
496
497
498
499
500
501
502
503
504
505
506
507
508
509
510
511
512
513
514
515
516
517
518
519
520
521
522
523
524
525
526
527
528
529
530
531
532
533
534
535
536
537
538
539
540
541
542
543
544
545
546
547
548
549
550
551
552
553
554
555
556
557
558
559
560
561
562
563
564
565
566
567
568
569
570
571
572
573
574
575
576
577
578
579
580
581
582
583
584
585
586
587
588
589
590
591
592
593
594
595
596
597
598
599
600
601
602
603
604
605
606
607
608
609
610
611
612
613
614
615
616
617
618
619
620
621
#### Carregando pacotes necessários para rodar o STM e demais gráficos ------------------------
if(require(tidyverse) == F) {install.packages("tidyverse"); require(tidyverse)}
if(require(dplyr) == F) {install.packages("dplyr"); require(dplyr)}
if(require(readxl) == F) {install.packages("readxl"); require(readxl)}
if(require(abjutils) == F) {install.packages("abjutils"); require(abjutils)}
if(require(tidytext) == F) {install.packages("tidytext"); require(tidytext)}
if(require(writexl) == F) {install.packages("writexl"); require(writexl)}
if(require(stringi) == F) {install.packages("stringi"); require(stringi)}
if(require(quanteda) == F) install.packages('quanteda'); require(quanteda)
if(require(stm) == F) install.packages('stm'); require(stm)
if(require(RecordLinkage) == F) install.packages('RecordLinkage'); require(RecordLinkage)
if(require(gtools) == F) install.packages('gtools'); require(gtools)
if(require(here) == F) {install.packages("here"); require(here)}; require(here)
if(require(conflicted) == F) {install.packages("conflicted"); require(conflicted)}; require(conflicted)
if(require(ggplot2) == F) {install.packages("ggplot2"); require(ggplot2)}
conflict_prefer("here", "here")
conflict_prefer("filter", "dplyr")
### Carregar o banco de dados -------------------------------------------------
decretos <- read_xlsx(here("/decretos_presidenciais.xlsx"))
proposicoes_semcred <- read_xlsx(here("/proposicoes_legislativas.xlsx"))
### STM
## Pré tratamento do texto ----------------------------------------------------
# Proposições ----------------------------------------------------
proposicoes_semcred_stm <- proposicoes_semcred%>%
mutate(text = stri_trans_general(ementa, "Latin-ASCII")) %>%
mutate(text = str_remove_all(ementa, "[[:digit:]]")) %>%
corpus(docid_field = "doc_id", text_field = "ementa") %>%
tokens(remove_punct = TRUE) %>%
tokens_tolower() %>%
tokens(remove_numbers = TRUE, remove_punct = TRUE, remove_symbols = TRUE) %>%
tokens_remove(stopwords(source = "stopwords-iso", language = "pt"),
min_nchar = 2) %>%
tokens_wordstem(language = "pt") %>%
dfm() %>%
dfm_trim(min_docfreq = 0.005, docfreq_type = "prop") %>% # DM: removi stems que nao aparecem em ao menos 0.5% dos documentos
dfm_select(pattern = c("sr", "srs", "sra", "sras", "dr", "v.ex", "v.exa", "ser",
"orador", "ate", "ja", "srs", "altera", "firm", "dispositiv",
"esta", "so", "president", "s.ex", "deputado",
"acrescent", "art", "-a", "lei", "dispõ", "institui", "exercíci",
"nº", "julh", "dispor", "alter", "public", "providenc",
"estabelec", "acrescent", "codig", "nacional",
"setembr", "incis", "decreto-l", "decretos-l", "cri", "artig",
"determin", "marc", "janeir", "º-a", "direit", "garant",
"decret", "ement", "recurs", "outubr", "destin",
"federal", "dezembr", "fevereir", "mai", "decl",
"constituica", "junh", "agost", "alteraca",
"_alteraca", "declaraca", "redaç", "revog",
"novembr", "març", "fevereir", "dezembr", "agost", "abril",
"maio", "provident", "promulg", "anex", "º", "leis", "ns",
"institu", "praz", "ambit", "autoriz", "fund", "program", "exting",
"republ", "prorrog", "brasil", "abre", "outorg", "revogaça", "revog",
"especif", "fins", "prorrogaça", "vigenc", "caput", "decorrent", "explicaça",
"brasileir", "med", "provisor", "nucl", "entes", "autor", "ministeri", "institut",
"institucional", "instituiço", "disposit", "analis", "facilitaça", "realizaça",
"diretriz", "proced"),
selection = "remove") # retirei arbitrariamente stems muito frequentes que nao possuem significado substantivo para identificacao de temas
proposicoes_semcred_stm <- proposicoes_semcred_stm %>% convert("stm")
proposicoes_semcred_stm <- prepDocuments(proposicoes_semcred_stm$documents,
proposicoes_semcred_stm$vocab,
proposicoes_semcred_stm$meta)
# Decretos ----------------------------------------------------
decretos_stm <- decretos%>%
mutate(text = stri_trans_general(ementa, "Latin-ASCII")) %>%
mutate(text = str_remove_all(ementa, "[[:digit:]]")) %>%
corpus(docid_field = "doc_id", text_field = "ementa") %>%
tokens(remove_punct = TRUE) %>%
tokens_tolower() %>%
tokens(remove_numbers = TRUE, remove_punct = TRUE, remove_symbols = TRUE) %>%
tokens_remove(stopwords(source = "stopwords-iso", language = "pt"),
min_nchar = 2) %>%
tokens_wordstem(language = "pt") %>%
dfm() %>%
dfm_trim(min_docfreq = 0.005, docfreq_type = "prop") %>% # DM: removi stems que nao aparecem em ao menos 0.5% dos documentos
dfm_select(pattern = c("sr", "srs", "sra", "sras", "dr", "v.ex", "v.exa", "ser",
"orador", "ate", "ja", "srs", "altera", "firm", "dispositiv",
"esta", "so", "president", "s.ex", "deputado",
"acrescent", "art", "-a", "lei", "dispõ", "institui", "exercíci",
"nº", "julh", "dispor", "alter", "public", "providenc",
"estabelec", "acrescent", "codig", "nacional",
"setembr", "incis", "decreto-l", "cri", "artig",
"determin", "marc", "janeir", "º-a", "direit", "garant",
"decret", "ement", "recurs", "outubr", "destin",
"federal", "dezembr", "fevereir", "mai", "decl",
"constituica", "junh", "agost", "alteraca",
"_alteraca", "declaraca", "redaç", "revog",
"novembr", "març", "fevereir", "dezembr", "agost", "abril",
"maio", "provident", "promulg", "anex", "º", "lei", "leis", "ns",
"institu", "praz", "ambit", "autoriz", "fund", "program", "exting",
"republ", "prorrog", "nomeaça", "aprov", "regimental", "remanej",
"regulament" , "outorg", "revogaça", "revog", "brasileir", "brasil",
"autor", "decorrent", "caput"),
selection = "remove")
decretos_stm <- decretos_stm %>% convert("stm")
decretos_stm <- prepDocuments(decretos_stm$documents,
decretos_stm$vocab,
decretos_stm$meta)
## Rodar STM e estimar tópicos ----------------------------------------------------
# Proposições (já retirados os pedidos de abertura de crédito) ----------------------------------------------------
#Busca melhor numero de tópicos dentro do intervalo discreto dado a ele (demora!)
searchk_proposicoes_semcred <- searchK(proposicoes_semcred_stm$documents, proposicoes_semcred_stm$vocab,
K = c(10, 20, 30, 40,50),
prevalence =~ tipo + s(data_apres) + pandemia
+ ministerio_economia + casa_civil,
data = proposicoes_semcred_stm$meta)
#Gera gráfico de coerência semântica, proabilidade de retenção, resíduos e limite inferior
plot.searchK(searchk_proposicoes_semcred)
# Criação do STM para esse número de tópicos escolhido com as variáveis escolhidas
aux_semcred <- stm(documents = proposicoes_semcred_stm$documents,
vocab = proposicoes_semcred_stm$vocab,
K = 30, #aqui vc coloca a quantidade de tópicos
prevalence =~ tipo + s(data_apres) + pandemia
+ ministerio_economia + casa_civil , #aqui são as variáveis
max.em.its = 75,
data = proposicoes_semcred_stm$meta,
init.type = "Spectral",
seed = 123)
#Gera lista de principais palavras de cada tópico
labelTopics(aux_semcred)
#Gera gráfico de tópicos mais presentes no modelo
plot.STM(aux_semcred)
# Rodar modelo do STM para 30 tópicos
aux_semcred_30 <- tidy(aux_semcred)
# Gráfico de palavras com os termos mais frequentes do modelo
aux_semcred_30%>%
group_by(topic) %>%
top_n(10, beta) %>%
ungroup() %>%
mutate(term = reorder_within(term, beta, topic)) %>%
ggplot(aes(term, beta, fill = as.factor(topic))) +
geom_col(alpha = 0.8, show.legend = FALSE) +
facet_wrap(~ topic, scales = "free_y") +
coord_flip() +
scale_x_reordered() +
labs(x = NULL, y = expression(beta))
# Cria rotulo dos tópicos para na ordem que eles foram apresentados pelo modelo
nomes_topicos_proposicoes <- c("Lei e Crime1",
"Comércio Interno1",
"Burocracia",
"Pandemia - Infraestrutura",
"Pandemia - Rel Intergov",
"Suporte Setores Econômicos1",
"Administração Pública1",
"Regulação e Serviços",
"Defesa - Infra policia e exercito",
"Suporte Setores Econômicos2",
"Defesa",
"Pandemia - Enfrentamento",
"Macroeconomia1",
"Direitos Civis",
"Administração Pública2",
"Saúde",
"Macroeconomia2",
"Pandemia",
"Trabalho e Emprego1",
"Industria e Comunicações",
"Transporte",
"Lei e Crime2",
"Trabalho e Emprego2",
"Tributação2",
"Tributação3",
"Trabalho e Emprego3",
"Administração Pública3",
"Tributação1",
"Comércio Interno2",
"Cultura")
# Tranformar rótulos em lista
mapeamento <- setNames(nomes_topicos_proposicoes, 1:30)
# Substituir no data frame os tópicos (1,2,3...) pelos rótulos (Lei e crime1, ....)
aux_semcred_30$topic <- mapeamento[aux_semcred_30$topic]
# Gráfico de palavras com os termos mais frequentes do modelo (agora com os rótulos)
aux_semcred_30%>%
group_by(topic) %>%
top_n(10, beta) %>%
ungroup() %>%
mutate(term = reorder_within(term, beta, topic)) %>%
ggplot(aes(term, beta, fill = as.factor(topic))) +
geom_col(alpha = 0.8, show.legend = FALSE) +
facet_wrap(~ topic, scales = "free_y") +
coord_flip() +
scale_x_reordered() +
labs(x = NULL, y = expression(beta))
# Decretos ----------------------------------------------------
#Busca melhor numero de tópicos dentro do intervalo discreto dado a ele (demora!)
searchk_decretos <- searchK(decretos_stm$documents, decretos_stm$vocab,
K = c(10, 20, 30, 40,50),
prevalence =~ s(data) + pandemia + ministerio_economia
+ casa_civil + primeiro_ano + ultimo_ano + ano,
data = decretos_stm$meta)
#Gera gráfico de coerência semântica, proabilidade de retenção, resíduos e limite inferior
plot.searchK(searchk_decreto)
# Rodar modelo do STM para 30 tópicos
aux_dec <- stm(documents = decretos_stm$documents,
vocab = decretos_stm$vocab,
K = 30, #aqui vc coloca a quantidade de tópicos
prevalence =~ s(data) + pandemia + ministerio_economia
+ casa_civil + primeiro_ano + ultimo_ano + ano, #aqui são as variáveis
max.em.its = 75,
data = decretos_stm$meta,
init.type = "Spectral",
seed = 123)
## grafico de palavras
aux30_dec <- tidy(aux_dec)
aux30_dec%>%
group_by(topic) %>%
top_n(10, beta) %>%
ungroup() %>%
mutate(term = reorder_within(term, beta, topic)) %>%
ggplot(aes(term, beta, fill = as.factor(topic))) +
geom_col(alpha = 0.8, show.legend = FALSE) +
facet_wrap(~ topic, scales = "free_y") +
coord_flip() +
scale_x_reordered() +
labs(x = NULL, y = expression(beta))
# Rótulo dos tópicos
nomes_topicos_decretos <- c("Transporte1",
"Administração Pública1",
"Comércio Exterior1",
"Educação",
"Administração Pública2",
"Lei e Crime",
"Defesa e Exército - Regulação",
"Administração Pública3",
"Tecnologia e Comunicações1",
"Transporte2",
"Burocracia1",
"Pandemia",
"Burocracia do Exército",
"Orçamento",
"Tributação",
"Energia",
"Cultura",
"Desestatização e Setor Privado",
"Administração Pública4",
"Contratações Públicas",
"Tecnologia e Comunicações2",
"Relações Intergovernamentais",
"Órgãos da Presidência",
"Tributação e Benefícios Sociais",
"Comércio Exterior2",
"Burocracia2",
"Defesa e Exército",
"Fontes de Energia",
"Questões Jurídicas",
"Política Externa")
## Tranformar rótulos em lista
mapeamento_decretos <- setNames(nomes_topicos_decretos, 1:30)
## Substituir no data frame os tópicos pelos rótulos
aux30_dec$topic <- mapeamento_decretos[aux30_dec$topic]
## Gerar gráfico de termos por tópico com os rótulos
aux30_dec%>%
group_by(topic) %>%
top_n(10, beta) %>%
ungroup() %>%
mutate(term = reorder_within(term, beta, topic)) %>%
ggplot(aes(term, beta, fill = as.factor(topic))) +
geom_col(alpha = 0.8, show.legend = FALSE) +
facet_wrap(~ topic, scales = "free_y") +
coord_flip() +
scale_x_reordered() +
labs(x = NULL, y = expression(beta)) + theme(plot.title = element_text(hjust = 0.5))
## Testar efeito das covariáveis no modelo ----------------------------------------------------
# Proposições ----------------------------------------------------
#efeito de uma covariável dummy (0 ou 1) nas proposicoes
efeito_VARX_proposicoes<-estimateEffect(formula = 1:30 ~ inserir_variavel,
stmobj = aux_semcred,
metadata = proposicoes_semcred_stm$meta,
uncertainty = "Global",
prior = 1e-5)
#plota gráfico demonstrando o efeito sobre os tópicos
plot(efeito_VARX_proposicoes, covariate = "inserir_variavel", topics = c(1,2,3,4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14, 15, 16, 17,
18, 19, 20, 21, 22, 23, 24, 25, 26, 27,28,29,30),
model = aux_semcred, method = "difference", #para variáveis dummy usamos difference, para variaveis contíua existe o comando continuous
cov.value1 = "1", cov.value2 = "0",
xlab = "ROTULO EIXO X",
main = "TITULO",
xlim = c(-.1, .1), labeltype = "custom",
custom.labels = c('Tópico 1','Tópico 2','Tópico 3','Tópico 4','Tópico 5','Tópico 6'
,'Tópico 7','Tópico 8','Tópico 9','Tópico 10','Tópico 11','Tópico 12',
'Tópico 13','Tópico 14','Tópico 15','Tópico 16','Tópico 17','Tópico 18',
'Tópico 19','Tópico 20','Tópico 21','Tópico 22','Tópico 23','Tópico 24',
'Tópico 25','Tópico 26','Tópico 27','Tópico 28','Tópico 29','Tópico 30')) #Pode ser substituido por uma lista de termos feita que nem quando foi criada a lista de rotulos dos tópicos, só se atentar que tem que ser na ordem dos tópcios
# Decretos ----------------------------------------------------
#mensura o efeito de uma covariável dummy (0 ou 1) nos decretos
efeito_VARX_decretos<-estimateEffect(formula = 1:30 ~ VARX,
stmobj = aux_dec,
metadata = decretos_stm$meta,
uncertainty = "Global",
prior = 1e-5)
#plota gráfico demonstrando o efeito sobre os tópicos
plot(efeito_VARX_decretos, covariate = "inserir_variavel", topics = c(1,2,3,4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14, 15, 16, 17,
18, 19, 20, 21, 22, 23, 24, 25, 26, 27,28,29,30),
model = aux_dec, method = "difference", #para variáveis dummy usamos difference, para variaveis contíua existe o comando continuous
cov.value1 = "1", cov.value2 = "0",
xlab = "ROTULO EIXO X",
main = "TITULO",
xlim = c(-.1, .1), labeltype = "custom",
custom.labels = c('Tópico 1','Tópico 2','Tópico 3','Tópico 4','Tópico 5','Tópico 6'
,'Tópico 7','Tópico 8','Tópico 9','Tópico 10','Tópico 11','Tópico 12',
'Tópico 13','Tópico 14','Tópico 15','Tópico 16','Tópico 17','Tópico 18',
'Tópico 19','Tópico 20','Tópico 21','Tópico 22','Tópico 23','Tópico 24',
'Tópico 25','Tópico 26','Tópico 27','Tópico 28','Tópico 29','Tópico 30'))
## Clssificar documentos com maior presença de cada tópico ----------------------------------------------------
# Proposições ----------------------------------------------------
#calcular o gamma ou probabilidade daquele documento pertencer aquele tópico
prob_top_prop_semcred <- tidy(aux_semcred, matrix = "gamma")
#filtrar a base somente por o documento e seu tópico de maior gamma
documento_topico_prop_unique <- prob_top_prop_semcred %>%
group_by(document) %>%
arrange(desc(gamma)) %>%
slice(1) %>%
ungroup()
#contagem de quantos tópicos existem por documento
contagem_topicos_prop <- documento_topico_prop_unique %>%
count(topic)
#Gráfico de Barras com a contagem por tópico
ggplot(contagem_topicos_prop, aes(x = factor(topic), y = n)) +
geom_bar(stat = "identity") +
geom_text(aes(label = n), vjust = -0.5, size = 3) + # Adicionar os valores acima das barras
labs(
x = "Tópico",
y = "Número de Proposições",
title = "Número de Proposições por Tópico"
) +
theme_minimal()
# Transformar lista limpa do stm em table de volta
tabela_proposicoes <- as.data.frame(proposicoes_semcred_stm$meta)
## Substituir no data frame os tópicos pelos rótulos
prop_topicos$topico <- mapeamento[prop_topicos$topico]
# acrescentar esses dados no dataframe principal em formato de tabela
prop_topicos <- tabela_proposicoes %>%
mutate(topico = documento_topico_prop_unique$topic)
# Salvar base de dados
write_xlsx(prop_topicos_semcred, "prop_topicos_semcred.xlsx")
# Decretos ----------------------------------------------------
#calcular o gamma ou probabilidade daquele documento pertencer aquele tópico
documento_topico_dec <- tidy(aux_dec, matrix = "gamma")
#filtrar a base somente por o documento e seu tópico de maior gamma
documento_topico_dec_unique <- documento_topico_dec %>%
group_by(document) %>%
arrange(desc(gamma)) %>%
slice(1) %>%
ungroup()
#contagem de quantos tópicos existem por documento
contagem_topicos_dec <- documento_topico_dec_unique %>%
count(topic)
#Gráfico de Barras com a contagem por tópico
ggplot(contagem_topicos_dec, aes(x = factor(topic), y = n)) +
geom_bar(stat = "identity") +
geom_text(aes(label = n), vjust = -0.5, size = 3) + # Adicionar os valores acima das barras
labs(
x = "Tópico",
y = "Número de Decretos",
title = "Número de Decretos por Tópico"
) +
theme_minimal()
# Transformar lista limpa do stm em table de volta
tabela_decretos <- as.data.frame(decretos_stm$meta)
# acrescentar esses dados no dataframe principal
decretos_topicos <- tabela_decretos %>%
mutate(topico = documento_topico_dec_unique$topic)
## Substituir no data frame os tópicos pelos rótulos
decretos_topicos$topico <- mapeamento_decretos[decretos_topicos$topico]
## Salvar base de dados
write_xlsx(decretos_topicos, "decretos_topicos.xlsx")
## Gerar gráficos ----------------------------------------------------
# Proposições ----------------------------------------------------
#gráfico de quantidade de proposições por tipo ------------------------
proposicoes <- proposicoes %>%
mutate(tipo = case_when(
tipo == "Medida Provisória" ~ "MP",
tipo == "Projeto de Lei" ~ "PL",
tipo == "Projeto de Lei Complementar" ~ "PLP",
tipo == "Proposta de Emenda à Constituição" ~ "PEC",
TRUE ~ tipo
))
#Contagem de proposições por tipo
contagem_tipo_proposicoes <- proposicoes %>%
count(tipo)
#Porcentagem dos tipos
porcentagens_tipo_proposicoes <- contagem_tipo_proposicoes %>%
mutate(porcentagem = (n / sum(n)) * 100)
#Gráfico de Porcentagem dos tipos
grafico_tipo_proposicoes <- ggplot(porcentagens_tipo_proposicoes, aes(x = reorder(tipo, desc(-n)), y = porcentagem)) +
geom_bar(stat = "identity", fill = "#189AB4") +
theme_minimal() +
labs(x = NULL, y = NULL, caption = "Fonte: elaboração própria com os dados do Portal da Câmara dos Deputados") +
geom_text(aes(label = paste0(round(porcentagem), "%")),
vjust = -0.5,
size = 4, color = "#05445E") +
theme(axis.text.y = element_text(size = 10, color = "#05445E"),
axis.text.x = element_text(size = 10, color = "#05445E"))
#Printar gráfico
grafico_tipo_proposicoes
# ------------------------
#Agregação de tópicos das proposições classificar os 30 tópicos nas 13 enfeases
condicoes_proposicoes <- case_when(
proposicoes_semcred_topico$topico %in% c("Administração Pública1", "Administração Pública2", "Administração Pública3") ~ "Administração Pública e Governo",
proposicoes_semcred_topico$topico %in% c("Transporte") ~ "Transporte",
proposicoes_semcred_topico$topico %in% c("Direitos Civis") ~ "Direitos Civis",
proposicoes_semcred_topico$topico %in% c("Burocracia") ~ "Burocracia",
proposicoes_semcred_topico$topico %in% c("Regulação e Serviços", "Comércio Interno1", "Comércio Interno2", "Industria e Comunicações") ~ "Regulação e Serviços",
proposicoes_semcred_topico$topico %in% c("Defesa", "Defesa - Infra policia e exercito") ~ "Defesa",
proposicoes_semcred_topico$topico %in% c("Saúde") ~ "Saúde",
proposicoes_semcred_topico$topico %in% c("Tributação1", "Tributação2","Tributação3") ~ "Tributação",
proposicoes_semcred_topico$topico %in% c("Pandemia", "Pandemia - Enfrentamento", "Pandemia - Infraestrutura", "Pandemia - Rel Intergov") ~ "Pandemia",
proposicoes_semcred_topico$topico %in% c("Macroeconomia1", "Macroeconomia2", "Suporte Setores Econômicos1", "Suporte Setores Econômicos2") ~ "Macroeconomia",
proposicoes_semcred_topico$topico %in% c("Trabalho e Emprego1", "Trabalho e Emprego2", "Trabalho e Emprego3") ~ "Trabalho e Emprego",
proposicoes_semcred_topico$topico %in% c("Lei e Crime1", "Lei e Crime2") ~ "Lei e Crime",
proposicoes_semcred_topico$topico %in% c("Cultura") ~ "Cultura",
TRUE ~ "Outro" # Caso não corresponda a nenhuma das condições anteriores, será atribuído "Outro"
)
#Acrescentar coluna na planilha com o novo tópico agregado
proposicoes_semcred_topico <- proposicoes_semcred_topico %>%
mutate(topico_agregado = condicoes_proposicoes)
#Contagem de proposicoes
contagem_proposicoes_agregados <- proposicoes_semcred_topico %>%
count(topico_agregado)
#Porcentagem de proposicoes
porcentagens_proposicoes_agregados <- contagem_proposicoes_agregados %>%
mutate(porcentagem = (n / sum(n)) * 100)
#Gráfico de Porcentagem das proposicoes
porcentagens_proposicoes_agregados%>%
ggplot( aes(x = reorder(topico_agregado, desc(-n)), y = porcentagem)) +
geom_bar(stat = "identity", fill = "#189AB4") +
theme_minimal() +
coord_flip() +
labs(x = NULL, y = NULL, caption = "Fonte: elaboração própria") +
geom_text(aes(label = paste0(round(porcentagem), "%")),
vjust = 0.5, hjust = -0.1,
size = 3, color = "#05445E") +
theme(axis.text.y = element_text(size = 10, color = "#05445E"),
axis.text.x = element_text(size = 10, color = "#05445E"))
porcentagens_proposicoes_agregados
#exemplo de como fazer o mesmo gráfico mas filtrado por tipo ou ano (tem que crescentar a coluna ano nas proposições)
contagem_proposicoes_agregados <- proposicoes_semcred_topico %>%
group_by(tipo) %>%
count(topico_agregado)
porcentagens_proposicoes_agregados <- contagem_proposicoes_agregados %>%
group_by(tipo) %>%
mutate(porcentagem = (n / sum(n)) * 100)
porcentagens_proposicoes_agregados%>%
group_by(tipo) %>%
ggplot( aes(x = reorder(topico_agregado, desc(-n)), y = porcentagem)) +
geom_bar(stat = "identity", fill = "#189AB4") +
theme_minimal() +
coord_flip() +
labs(x = NULL, y = NULL, caption = "Fonte: elaboração própria") +
geom_text(aes(label = paste0(round(porcentagem), "%")),
vjust = 0.5, hjust = -0.1,
size = 3, color = "#05445E") +
facet_wrap(~ tipo) +
theme(axis.text.y = element_text(size = 10, color = "#05445E"),
axis.text.x = element_text(size = 10, color = "#05445E"))
# Decretos ----------------------------------------------------
#Agregação de tópicos dos decretos
condicoes_decretos <- case_when(
decretos_topicos$topico %in% c("Administração Pública1", "Administração Pública2", "Administração Pública3",
"Administração Pública4", "Órgãos da Presidência",
"Relações Intergovernamentais", "Contratações Públicas", "Questões Jurídicas") ~ "Administração Pública e Governo",
decretos_topicos$topico %in% c("Transporte1", "Transporte2") ~ "Transporte",
decretos_topicos$topico %in% c("Burocracia1", "Burocracia2") ~ "Burocracia",
decretos_topicos$topico %in% c("Fontes de Energia", "Energia") ~ "Energia",
decretos_topicos$topico %in% c("Burocracia do Exército", "Defesa e Exército", "Defesa e Exército - Regulação") ~ "Defesa",
decretos_topicos$topico %in% c("Comércio Exterior1", "Comércio Exterior2", "Política Externa") ~ "Política e Comércio Exterior",
decretos_topicos$topico %in% c("Tributação", "Tributação e Benefícios Sociais") ~ "Tributação",
decretos_topicos$topico %in% c("Pandemia") ~ "Pandemia",
decretos_topicos$topico %in% c("Macroeconomia") ~ "Orçamento",
decretos_topicos$topico %in% c("Tecnologia e Comunicações2", "Tecnologia e Comunicações1") ~ "Ciência e Tecnologia",
decretos_topicos$topico %in% c("Desestatização e Setor Privado") ~ "Desestatização",
decretos_topicos$topico %in% c("Lei e Crime") ~ "Lei e Crime",
decretos_topicos$topico %in% c("Cultura", "Educação") ~ "Políticas Sociais",
TRUE ~ "Outro" # Caso não corresponda a nenhuma das condições anteriores, será atribuído "Outro"
)
#Acrescentar coluna na planilha com o novo tópico agregado
decretos_topicos <- decretos_topicos %>%
mutate(topico_agregado = condicoes_decretos)
#Contagem de decretos
contagem_decretos_agregados <- decretos_topicos %>%
count(topico_agregado)
#Porcentagem de decretos
porcentagens_decretos_agregados <- contagem_decretos_agregados %>%
mutate(porcentagem = (n / sum(n)) * 100)
#Gráfico de Porcentagem dos decretos
porcentagens_decretos_agregados %>%
ggplot(aes(x = reorder(topico_agregado, desc(-n)), y = porcentagem)) +
geom_bar(stat = "identity", fill = "#189AB4") +
theme_minimal() +
coord_flip() +
labs(x = NULL, y = NULL, caption = "Fonte: elaboração própria") +
geom_text(aes(label = paste0(round(porcentagem), "%")),
vjust = 0.5, hjust = -0.1,
size = 4, color = "#05445E") +
theme(axis.text.y = element_text(size = 10, color = "#05445E"),
axis.text.x = element_text(size = 10, color = "#05445E"))
# por ano
#Contagem de decretos
contagem_decretos_agregados <- decretos_topicos %>%
group_by(ano) %>%
count(topico_agregado)
#Porcentagem de decretos
porcentagens_decretos_agregados <- contagem_decretos_agregados %>%
group_by(ano) %>%
mutate(porcentagem = (n / sum(n)) * 100)
#Gráfico de Porcentagem dos decretos
porcentagens_decretos_agregados %>%
group_by(ano) %>%
ggplot(aes(x = reorder(topico_agregado, desc(-n)), y = porcentagem)) +
geom_bar(stat = "identity", fill = "#189AB4") +
theme_minimal() +
coord_flip() +
labs(x = NULL, y = NULL, caption = "Fonte: elaboração própria") +
geom_text(aes(label = paste0(round(porcentagem), "%")),
vjust = 0.5, hjust = -0.1,
size = 4, color = "#05445E") +
facet_wrap(~ ano) +
theme(axis.text.y = element_text(size = 10, color = "#05445E"),
axis.text.x = element_text(size = 10, color = "#05445E"))
### FIM ---------------------------------------------------------------------