fernandobarbalho

# 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 

fernandobarbalho

library(readxl)
library(ckanr)
library(purrr)

ckanr::package_search()

package<- ckanr::package_show(id= "22d13d17-bf69-4a1a-add2-25cc1e25f2d7", 
                              url= "https://www.tesourotransparente.gov.br/ckan") #busca todos os dados do dataset que se refere aos dados de COFOG

fernandobarbalho

library(readr)
library(geobr)

#O arquivo csv abaixo foi gerado a partir de uma consluta SQL do Big Query provido pela Base dos dados.
#Saiba mais sobre base dos dados em https://basedosdados.org/

#A consulta SQL exceutada no big query é essa:
#SELECT * 
#FROM `basedosdados.br_ibge_populacao.municipio` 
#where ano = 2020

fernandobarbalho

# Install from CRAN
install.packages("pixarfilms")

# Install directly from GitHub
remotes::install_github("erictleung/pixarfilms")

library(pixarfilms)
library(tidyverse)

fernandobarbalho

#Script para geração dos mapas usados no artigo da revista medium indicada no link abaixo
#https://medium.com/@fernandobarbalho/mapas-contando-hist%C3%B3ria-o-pib-dos-munic%C3%ADpios-brasileiros-aebb82f06086?source=friends_link&sk=cfb19f1276b5b8aea5a65672fb897dc8
library(readxl)
library(tidyr)
library(tidyverse)
library(viridis)
library(purrr)


#consumir os dados do ibge

fernandobarbalho

library(readxl)
library(readr)
library(tidyverse)
library(lubridate)
library(rsiconfi)

arquivo_geral <- read_excel("HIST_PAINEL_COVIDBR_30jun2020.xlsx", 
                                            col_types = c("text", "text", "numeric", 
                                                          "text", "numeric", "numeric", "numeric", 
                                                          "date", "numeric", "text", "numeric", 

fernandobarbalho

calcula_valor_constante <- function(df_dados_hist, data_constante ){
  #Argumentos
  #df_dados_hist: dataframe em que as duas primeiras colunas são formadas por uma data (Y-m-d) e um valor
  #data_constante: data para gerar valor constante. Formato da data: Y-m-d

  #Por enquanto as datas estão limitadas à da série temporal baixada do IPCA Total do portal de dados abertos do BACEN
  #Essa série começa em 1992-01-01

  library(dplyr)
  library(lubridate)

fernandobarbalho

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

#Criar gráfico de sankey
df_desp <- get_dca(2018,"I-D","1") 



df_desp_trabalho<-
df_desp %>% 

fernandobarbalho

#Criar gráfico de sankey
df_desp <- rsiconfi::get_dca(2018,"I-D","1") 



df_desp_trabalho<-
df_desp %>% 
  #filter(stringr::str_starts(cod_conta,"R")) %>%
  filter(coluna == "Despesas Liquidadas") %>%
  mutate(nivel_0 = cod_conta =="TotalDespesas" ) %>%

fernandobarbalho

get_covid_data_jhu<- function(dt_ini, dt_fim, us_columns = TRUE, country = NULL ){ #data inicial para o download, data final para o download, indicação se trabalha com colunas dos EUA (TRUE por default) e lista de países (todos por default)
    
    
    library(dplyr)
    
    #cria um vetor de datas que vai ser iterado na formação do endereço de github que tem os dados
    dates<- c(lubridate::ymd(dt_ini):lubridate::ymd(dt_fim))
    
    #O map_dfr vai montar dinamicamente um único dataframe com as para todas as datas do array
    purrr::map_dfr(dates, function(a_date){