Simulações de uso do pacote {siconfiBD}

usos_siconfiBD.r

# install.packages("devtools")
devtools::install_github("tchiluanda/siconfiBD")

#Atenção: Deve-se instalar ainda os pacotes tidyverse e viridis
#Esses scripts estão associados a esse fio do twitter: 

#É necessário ter uma conta no google cloud
siconfiBD::setup_siconfi( <aqui_seu_projeto_google_cloud>)

#Se você quiser saber as despesas com todas as funções e sub-funções de governo para todos os municípios do Brasil para o 
#ano de 2019 que é o ano default da consulta.
dados_totais_2019<- siconfiBD::get_function_expenses_municipality()
dplyr::glimpse(dados_totais_2019)

#Que tal um gráfico mostrando as quatro maiores despesas no conjunto de função e sub-função de governo na soma de 
#todos os municípios em 2019?

dados_totais_2019 %>%
  filter(!is.na(portaria))%>%
  group_by(conta, estagio_bd) %>%
  summarise(
    valor_total = sum(valor)/10^9
  ) %>%
  ungroup()%>%
  slice_max(order_by = valor_total,n=12) %>%
  mutate(conta = reorder(conta,valor_total)) %>%
  ggplot() +
  geom_col(aes(x=valor_total, y=conta, fill = estagio_bd)) +
  viridis::scale_fill_viridis(discrete = TRUE)+
  theme_light() +
  theme(
    panel.grid = element_blank(),
    axis.title.y = element_blank()
  ) +
  labs(fill= "Fase da despesa",
       x= "valores em R$(bi)")

#Podemos estar interessados apenas nas despesas das sub-funções de educação em todos os municípios em 2019
dados_educacao_2019<- siconfiBD::get_function_expenses_municipality(gov_function = c("Ensino Fundamental", 
                                                                                     "Educação Infantil", 
                                                                                     "Educação de Jovens e Adultos"))
glimpse(dados_educacao_2019)

#Agora O gráfico que resume o que achamos na consulta anterior
dados_educacao_2019 %>%
  group_by(conta, estagio_bd) %>%
  summarise(
    valor_total = sum(valor)/10^9
  ) %>%
  ungroup()%>%
  #slice_max(order_by = valor_total,n=12) %>%
  mutate(conta = reorder(conta,valor_total)) %>%
  ggplot() +
  geom_col(aes(x=valor_total, y=conta, fill = estagio_bd)) +
  viridis::scale_fill_viridis(discrete = TRUE)+
  theme_light() +
  theme(
    panel.grid = element_blank(),
    axis.title.y = element_blank(),
    legend.position = "bottom"
  ) +
  labs(fill= "Fase da despesa",
       x= "valores em R$(bi)")

#Podemos montar uma série temporal entre 2016 e 2020 mostrando a evolução das despesas pagas para as 
#funções de educação e saúde

dados_educacao_saude_2016_2020<- siconfiBD::get_function_expenses_municipality( year = 2016:2020,
                                                                                gov_function = c("Educação","Saúde"),
                                                                                expense_stage = "Despesas Pagas")
glimpse(dados_educacao_saude_2016_2020)


#Mais um gráfico demonstrando o resumo dos achados

dados_educacao_saude_2016_2020 %>%
  group_by(ano, conta) %>%
  summarise(
    valor_total = sum(valor)/10^9
  ) %>%
  ungroup()%>%
  mutate(conta = reorder(conta,valor_total)) %>%
  ggplot() +
  geom_col(aes(x=as.factor(ano), y=valor_total, fill = conta)) +
  viridis::scale_fill_viridis(discrete = TRUE)+
  theme_light() +
  theme(
    panel.grid = element_blank(),
    axis.title.x = element_blank()
  ) +
  labs(fill= "Função",
       y= "valores em R$(bi)")

#Há a possibilidade de estarmos interessados em comparar as despesas pagas com saúde e educação em um conjunto específico 
#de municípios para uma série temporal de 2016 a 2020

dados_educacao_saude_2016_2020_municipios<- siconfiBD::get_function_expenses_municipality( year = 2016:2020,
                                                                                municipality = c("2304400","2611606","2927408"),
                                                                                gov_function = c("Educação","Saúde"),
                                                                                expense_stage = "Despesas Pagas")
glimpse(dados_educacao_saude_2016_2020_municipios)



municipios<- tibble(id_municipio = c("2304400","2611606","2927408"),
                    municipio = c("Fortaleza", "Recife", "Salvador"))


dados_educacao_saude_2016_2020 %>%
  inner_join(municipios) %>%
  group_by(ano, conta, municipio) %>%
  summarise(
    valor_total = sum(valor)/10^9
  ) %>%
  ungroup()%>%
  mutate(conta = reorder(conta,valor_total)) %>%
  ggplot() +
  geom_col(aes(x=as.factor(ano), y=valor_total, fill = conta)) +
  viridis::scale_fill_viridis(discrete = TRUE)+
  theme_light() +
  theme(
    panel.grid = element_blank(),
    axis.title.x = element_blank()
  ) +
  labs(fill= "Função",
       y= "valores em R$(bi)") +
  facet_wrap(municipio ~.)