Gera mapa do Brasil deformado de acordo com variação da votação do PT entre 2018 e 2022 (2º turno)

mapa_eleicoes_deformado.r

library(readr)
library(tidyverse)
library(data.table)

library(geobr)
library(cartogram)
library(sf)

library(colorspace)

library(gganimate)

tema <- function(){
  theme_minimal() +
    theme(
      text = element_text(family = "Lora", colour = "grey20"),
      title = element_text(size = 10, color = "dimgrey", face = "plain"), 
      plot.subtitle = element_text(color = "grey20", face = "plain", size = 10),
      axis.text = element_text(colour = "grey20", size = 8, family = "Source Sans Pro"),
      plot.caption = element_text(face = "italic"),
      panel.grid.major = element_blank(), 
      panel.grid.minor = element_blank(),
      axis.ticks = element_line(size = 0.4),
      axis.ticks.length = unit(.2, "cm"),
      axis.title = element_text(size = 8, colour = "grey20"),
      legend.position = 'none',
      legend.text = element_text(size = 8, family = "Source Sans Pro"),
      legend.title = element_text(size = 9, family = "Source Sans Pro")
    )
}


tema_mapa <- function() {
  tema() +
    theme(axis.line = element_blank(),
          axis.text = element_blank(),
          axis.ticks = element_blank(),
          legend.position = "none",
          legend.text = element_text(size = 10),
          plot.background = element_blank(),
          panel.background = element_blank())
}


votacao_candidato_munzona_2022_BR <- read_delim("votacao_candidato_munzona_2022/votacao_candidato_munzona_2022_BR.csv", 
                                                delim = ";", escape_double = FALSE, locale = locale(encoding = "LATIN1"), 
                                                trim_ws = TRUE)

votacao_presidente_2022<-
  votacao_candidato_munzona_2022_BR %>%
  filter(NR_TURNO==2,
         CD_CARGO == 1) %>%
  group_by(SG_UF,
           SG_PARTIDO) %>%
  summarise(
    quantidade_voto_partido =sum(QT_VOTOS_NOMINAIS_VALIDOS)
  )


votacao_pt_percentual<-
  votacao_presidente_2022 %>%
  filter(SG_PARTIDO == "PT") %>%
  inner_join(
    votacao_candidato_munzona_2022_BR %>%
      filter(NR_TURNO==2,
             CD_CARGO == 1) %>%
      group_by(SG_UF) %>%
      summarise(
        quantidade_voto_total =sum(QT_VOTOS_NOMINAIS_VALIDOS)
      )) %>%
  mutate(perc_pt = (quantidade_voto_partido/quantidade_voto_total)*100 )


votacao_secao_2018_BR <- read_delim("votacao_secao_2018_BR/votacao_secao_2018_BR.csv", 
                                    delim = ";", escape_double = FALSE, locale = locale(encoding = "LATIN1"), 
                                    trim_ws = TRUE)


votacao_secao_2018_BR <-
data.table::fread("votacao_secao_2018_BR/votacao_secao_2018_BR.csv",
                  sep= ";",
                  encoding = "Latin-1")

votacao_presidente_2018<-
  votacao_secao_2018_BR %>%
  filter(NR_TURNO==2,
         CD_CARGO == 1) %>%
  group_by(SG_UF,
           NM_VOTAVEL) %>%
  summarise(
    quantidade_voto_partido =sum(QT_VOTOS)
  )


votacao_pt_percentual_2018<-
  votacao_presidente_2018 %>%
  filter(NM_VOTAVEL == "FERNANDO HADDAD") %>%
  mutate(SG_PARTIDO = "PT" ) %>%
  inner_join(
    votacao_secao_2018_BR %>%
      filter(NR_TURNO==2,
             CD_CARGO == 1) %>%
      group_by(SG_UF) %>%
      summarise(
        quantidade_voto_total =sum(QT_VOTOS)
      )) %>%
  mutate(perc_pt_2018 = (quantidade_voto_partido/quantidade_voto_total)*100 )


votacao_variacao<-
votacao_pt_percentual %>%
  filter(SG_UF != "ZZ") %>%
  inner_join(votacao_pt_percentual_2018 %>%
               select(SG_UF, 
                      SG_PARTIDO,
                      perc_pt_2018)) %>%
  mutate(var_h = ((perc_pt-perc_pt_2018)/perc_pt_2018)*100 )


mapa<-  geobr::read_state()


qde_estados<- dados_selecionados %>%
  count(Estado)


mapa_cartograma <- mapa %>% 
  inner_join(votacao_variacao, by = c("abbrev_state" = "SG_UF"))


#mp_sf <- as_Spatial(mapa_cartograma)

mp_sf <- mapa_cartograma %>%
  st_as_sf() %>%
  st_transform(crs = 29101) #5641

mapa_deform <- cartogram_cont(mp_sf, 'var_h', 3)

mp_def <- sf::st_as_sf(mapa_deform)

#mp_def<- st_cast(mapa_deform, "MULTIPOLYGON")



# testa gif transição entre mapas normal e deformado.

mp_def_join <- mp_def %>%
  mutate(tipo_geometria = "deformada")



mp_nor_join <- mp_sf %>%
  mutate(tipo_geometria = "normal")

mp_duplo <- rbind(mp_def_join, mp_nor_join)


mapa_duplo_gif <- 
  
  mp_duplo %>%
  ggplot( aes(fill = var_h, group = code_state)) +
  geom_sf(color = "lightblue") +
  ease_aes("cubic-in-out") +
  #scale_fill_viridis(option = "viridis", direction = -1) +
  scale_fill_continuous_sequential(palette= "Reds 3")+
  labs(x = NULL, y = NULL) +
  tema_mapa() +
  transition_states(states = tipo_geometria,
                    transition_length = 1,
                    state_length = 1)



animate(mapa_duplo_gif, fps = 8, renderer = gifski_renderer())

anim_save("cartograma.gif", animation = last_animation())