construindo mapas: um guia para representar a população de uberlândia com o R

aprenda a construir um mapa de uberlândia no R representando a população de cada bairro com base nos dados do censo demográfico do brasil de 2022.
mapa
censo
webscraping
Autor

pedro franklin

Data de Publicação

24 de novembro de 2024

1 objetivos

neste tutorial, você aprenderá a criar um mapa da cidade de uberlândia utilizando a linguagem de programação R. nosso objetivo é demonstrar como visualizar a distribuição da população de uberlândia por bairro com base nos dados do censo demográfico do brasil de 2022.

ao final deste tutorial, você será capaz de:

  • importar e preparar dados geográficos para análises no R;
  • unir dados geográficos com dados demográficos para criar mapas;
  • criar mapas utilizando a biblioteca ggplot2;
  • representar a população de cada bairro de uberlândia por meio de uma escala de cores.

2 introdução

a representação de dados demográficos em mapas pode ser uma boa ferramenta para visualizar a distribuição espacial da população e identificar padrões de ocupação do território. ao combinar dados do censo com mapas, podemos analisar como a população se distribui nos diferentes bairros de uma cidade, identificando áreas de maior e menor densidade populacional, e relacionando esses padrões com outros fatores. neste tutorial, nosso foco será a cidade de uberlândia, localizada no estado de minas gerais. analisaremos como a população de uberlândia está distribuída espacialmente e identificaremos os bairros mais populosos da cidade.

3 preparação do ambiente

para seguir este tutorial, você precisará ter o R e o RStudio instalados em seu computador. para este projeto, eu usei a versão 4.1.1 do R e a versão 2024.09.0+375 do RStudio. você pode baixar o R aqui e o RStudio aqui.

além disso, utilizaremos os seguintes pacotes:

  • rvest: para web scraping;
  • dplyr: para manipulação de dados;
  • sf: para manipulação de dados espaciais;
  • ggplot2: para visualização de dados;
  • gt: para criação de tabelas;
  • stringr: para manipulação de texto.

caso você não tenha algum desses pacotes instalados, você pode instalá-los utilizando o comando install.packages("nome_do_pacote"). no código abaixo, os comandos de instalação estão como comentário. para instalar qualquer pacote, basta remover o caractere # da linha correspondente e executar o código.

#install.packages("rvest")
#install.packages("dplyr")
#install.packages("sf")
#install.packages("ggplot2")
#install.packages("gt")
#install.packages("stringr")

library(rvest)
library(dplyr)
library(sf)
library(ggplot2)
library(stringr)
library(gt)

4 obtenção dos dados

para criar um mapa da população de cada bairro de uberlândia, precisamos de dois conjuntos de dados:

  1. um arquivo shapefile com as informações geográficas dos bairros da cidade (um arquivo shapefile é um formato padrão para representar dados geográficos vetoriais);

  2. um arquivo com os dados da população total de cada bairro;

após a obtenção desses dados, vamos combinar as informações geográficas com os dados da população para criar o mapa; para unirmos os dados, é necessário que ambos os conjuntos de dados tenham uma variável em comum, que será utilizada como chave de ligação; em nosso caso, a variável em comum será o nome do bairro e, por isso, precisamos garantir que os nomes dos bairros estejam iguais em ambos os conjuntos de dados.

4.1 obtenção do shapefile dos bairros de uberlândia

o site da prefeitura de uberlândia disponibiliza um arquivo dwg com as divisões dos bairros da cidade; o R não consegue ler diretamente arquivos dwg que são específicos para softwares de desenho técnico como o autocad. por isso, é necessário converter o arquivo para o formato shapefile (.shp), que é amplamente utilizado em sistemas de informação geográfica e pode ser facilmente lido no R utilizando o pacote sf. existem algumas ferramentas na web que convertem gratuitamente um arquivo dwg para shapefile. mas não seguiremos por este caminho. o ibge divulgou recentemente arquivos shapefile com as divisões dos bairros de algumas cidades brasileiras, incluindo uberlândia. estes arquivos estão disponíveis no site do ibge no item Arquivo geoespacial de Bairros – Brasil. após baixar o arquivo da página do ibge, vamos descompactá-lo e importar o arquivo shapefile para o R.

bairrosBR <- st_read("BR_bairros_CD2022/BR_bairros_CD2022.shp")

ao investigar a estrutura do objeto bairrosBR a partir da função str(bairrosBR), podemos ver que os nomes dos municípios estão na coluna NM_MUN e que os nomes dos bairros estão na coluna NM_BAIRRO. vamos filtrar apenas as observações que correspondam à cidade de uberlândia:

udiaIBGE <- bairrosBR[bairrosBR$NM_MUN == "Uberlândia",]

o conjunto de dados udiaIBGE contém apenas informações de uberlândia. novamente, a partir da estrutura do conjunto, podemos ver que as coordenadas geográficas dos bairros da cidade estão na coluna geometry. esta variável é do tipo sfc_MULTIPOLYGON, que é um tipo de objeto espacial que apresenta as coordenadas dos polígonos que representam os bairros. o ggplot2 consegue reunir todos estes polígonos de forma simples. vejamos:

ggplot(udiaIBGE) +
  geom_sf()

podemos aprimorar a visualização do mapa removendo elementos desnecessários e ajustando as cores dos polígonos e das linhas que representam as fronteiras dos bairros. para isso, utilizaremos a função theme_void() para remover as coordenadas dos eixos \(x\) e \(y\) e o fundo cinza padrão. além disso, preencheremos os polígonos (bairros) com a cor branca e destacaremos as fronteiras entre os bairros com linhas pretas.

ggplot(udiaIBGE) +
  geom_sf(fill = "white", color = "black") +
  theme_void()

a partir do mapa acima, podemos adicionar uma nova camada para localizar um bairro específico. a seguir, localizaremos o bairro santa mônica.

ggplot(udiaIBGE) +
  geom_sf(fill = "white", color = "black") +
  theme_void() +
  geom_sf(data = udiaIBGE[udiaIBGE$NM_BAIRRO == "Santa Mônica",], fill = "#BE5103", color = "black")

4.2 obtenção dos dados da população por bairro

uma matéria publicada no dia 15 de novembro de 2024 no portal g1 apresenta uma tabela com a população de 75 bairros de uberlândia. esses dados foram obtidos a partir do censo demográfico 2022. vamos raspar essa tabela e utilizá-la para criar o mapa da população de uberlândia. para a raspagem, utilizaremos o pacote rvest.

analisando a matéria do g1, podemos identificar duas tabelas no texto. a segunda tabela contém os dados da população de todos os bairros. para raspar essa tabela e armazenar os dados em um data frame, precisamos primeiro identificar sua localização no código html da página. ao inspecionar o elemento (clique com botão direito sobre a tabela e selecione “inspecionar” ou “inspecionar elemento”), observamos que a segunda tabela está contida em uma tag <table> que, por sua vez, está dentro de uma tag <div> com id igual a chunk-cmqe5. usaremos esses seletores css para extrair precisamente os dados desejados.

url <- "https://g1.globo.com/mg/triangulo-mineiro/noticia/2024/11/15/cinco-bairros-mais-populosos-de-uberlandia-concentram-20percent-da-populacao-da-cidade-veja-lista.ghtml"

html <- read_html(url)

tabela <- html |>
  html_elements("div#chunk-cmqe5") |>
  html_elements("table") |>
  html_table()

o objeto tabela é uma lista de data frames, onde cada elemento da lista corresponde a uma tabela raspada da página. como utilizamos seletores css específicos (div#chunk-cmqe5 e table), apenas a tabela que nos interessa foi capturada. vamos verificar a estrutura do objeto tabela.

str(tabela)
List of 1
 $ : tibble [76 × 2] (S3: tbl_df/tbl/data.frame)
  ..$ X1: chr [1:76] "Bairro" "Santa Mônica" "Shopping Park" "São Jorge" ...
  ..$ X2: chr [1:76] "População" "37.665" "30.240" "29.578" ...

a partir da estrutura de tabela, verificamos, de fato, que existe apenas um elemento na lista e, por isso, nosso conjunto de interesse pode ser acessado a partir de tabela[[1]]:

print(tabela[[1]], n = 5)
# A tibble: 76 × 2
  X1            X2       
  <chr>         <chr>    
1 Bairro        População
2 Santa Mônica  37.665   
3 Shopping Park 30.240   
4 São Jorge     29.578   
5 Morumbi       25.898   
# ℹ 71 more rows

a impressão acima revela dois problemas na estrutura dos dados:

  1. os nomes das colunas (“Bairro” e “População”) foram interpretados incorretamente como dados na primeira linha;
  2. as colunas foram nomeadas automaticamente como X1 e X2.

para preparar os dados para a combinação com as informações geográficas, precisamos:

  1. remover a primeira linha do data frame, que contém os nomes originais das colunas;

  2. renomear as colunas para corresponderem às do arquivo geográfico:

    • renomear X1 para NM_BAIRRO (nome do bairro);

    • renomear X2 para POP (população).

essa padronização dos nomes é essencial para a combinação dos conjuntos de dados, pois a coluna NM_BAIRRO servirá como chave de ligação entre os dados populacionais e o arquivo geográfico udiaIBGE.

pop_bairros <- tabela[[1]]
pop_bairros <- pop_bairros[-1,]
colnames(pop_bairros) <-  c("NM_BAIRRO", "POP")

nossa trabalho com os dados da população ainda não está finalizado. a coluna POP foi importada como uma string e contém pontos como separadores de milhar.

str(pop_bairros)
tibble [75 × 2] (S3: tbl_df/tbl/data.frame)
 $ NM_BAIRRO: chr [1:75] "Santa Mônica" "Shopping Park" "São Jorge" "Morumbi" ...
 $ POP      : chr [1:75] "37.665" "30.240" "29.578" "25.898" ...

uma conversão direta dessa variável para a classe numérica usando as.numeric() resultaria em valores incorretos (por exemplo, o valor 37.665 seria interpretado como 37,665 ao invés do valor correto 37665). para corrigir esse problema, removeremos os pontos da coluna POP e, em seguida, converteremos a coluna para um objeto numérico. para a remoção dos pontos, utilizaremos uma expressão regular. em expressão regular (regex), o ponto . é um caractere especial que representa qualquer caractere único, exceto uma nova linha. para representar um ponto literal, precisamos escapá-lo com uma barra invertida \. dessa forma, a expressão regular em R "\\." representa um ponto literal. a função str_replace_all() do pacote stringr permite substituir todos os pontos por uma string vazia "". após a remoção dos pontos, utilizaremos a função as.numeric() para converter a coluna POP para um objeto numérico.

pop_bairros <- pop_bairros |>
  mutate(POP = as.numeric(str_replace_all(POP, "\\.", ""))) # remove pontos e converte para numérico

str(pop_bairros)
tibble [75 × 2] (S3: tbl_df/tbl/data.frame)
 $ NM_BAIRRO: chr [1:75] "Santa Mônica" "Shopping Park" "São Jorge" "Morumbi" ...
 $ POP      : num [1:75] 37665 30240 29578 25898 23224 ...

tudo certo! a função gt() nos permite exibir, em formato de tabela, os dez bairros mais populosos de uberlândia.

expandir código da tabela 
pop_bairros |>
  arrange(desc(POP)) |>
  head(10) |>
  gt() |>
  cols_label(
    NM_BAIRRO = "Bairro",
    POP = "População"
  ) |>
  cols_align(align = "center",
             columns = POP)
Bairro População
Santa Mônica 37665
Shopping Park 30240
São Jorge 29578
Morumbi 25898
Laranjeiras 23224
Presidente Roosevelt 20198
Jardim Canaã 18073
Segismundo Pereira 17077
Jardim Brasília 16618
Jardim Europa 16212

4.3 unindo os dados

já obtemos os dados geográficos e os dados da população de cada bairro de uberlândia. agora, vamos combinar esses dois conjuntos de dados para criar o mapa da população de uberlândia. para isso, utilizaremos a função left_join() do pacote dplyr para unir os data frames, usando a coluna NM_BAIRRO como chave de ligação. entretanto, antes de realizar a junção, é importante verificar se os nomes dos bairros estão padronizados em ambos os conjuntos. essa verificação é crucial pois qualquer diferença na grafia (incluindo acentos ou maiúsculas/minúsculas) pode impedir a correta combinação dos dados.

sum(!(udiaIBGE$NM_BAIRRO %in% pop_bairros$NM_BAIRRO))
[1] 1

o resultado acima indica que existe um bairro em udiaIBGE que não está presente em pop_bairros. vamos identificar esse bairro:

udiaIBGE$NM_BAIRRO[!(udiaIBGE$NM_BAIRRO %in% pop_bairros$NM_BAIRRO)]
[1] "Pacaembú"
pop_bairros$NM_BAIRRO[!(pop_bairros$NM_BAIRRO %in% udiaIBGE$NM_BAIRRO)]
[1] "Pacaembu"

a comparação revela que o problema está na grafia do bairro ‘Pacaembú’. este bairro aparece:

  • em udiaIBGE como ‘Pacaembú’ (com acento);
  • em pop_bairros como ‘Pacaembu’ (sem acento).

precisamos padronizar essa grafia antes de realizar a junção dos conjuntos de dados para garantir que as informações desse bairro sejam corretamente combinadas.

pop_bairros$NM_BAIRRO <- pop_bairros$NM_BAIRRO |>
  str_replace("Pacaembu", "Pacaembú") # corrige grafia do bairro Pacaembú

dados_completos <- udiaIBGE |>
  left_join(pop_bairros, by = "NM_BAIRRO") # combina os dados

5 criando o mapa

agora que temos os dados completos, podemos criar o mapa da população de uberlândia. para representar a população de cada bairro, utilizaremos uma escala de cores, onde os bairros com maior população serão representados por cores mais escuras. para isso, utilizaremos a função scale_fill_gradient() para definir a escala de cores.

dados_completos |>
  ggplot()+
  geom_sf(aes(fill = POP), color = "white", linewidth = 0.03)+  # Adiciona contorno branco fino
  scale_fill_gradient(
    high = "#454f27",  # Verde escuro para alta população
    low = "#d0d4c3",   # Verde claro para baixa população
    name = "População",  # Título da legenda
    breaks = c(1000, 10000, 20000, 30000)  # níveis da escala
  )+
  theme_void()+  # tema mais limpo
  theme(
    legend.title = element_text(size = 8, face = "bold"), # tamanho e estilo do título da legenda
    legend.text = element_text(size = 7) # tamanho do texto da legenda
    )

para facilitar nossa análise, poderíamos, por exemplo, adicionar ao mapa o nome dos bairros mais populosos. para isso, acrescentaríamos ao mapa anterior a camada de labels a partir da função geom_sf_label().

mais_populosos <- dados_completos |>
  arrange(desc(POP)) |>
  head(10) # conjunto com os 10 bairros mais populosos

mais_populosos$NM_BAIRRO <- mais_populosos$NM_BAIRRO |>
  str_replace("Presidente Roosevelt", "Roosevelt") # troca nome do bairro Presidente Roosevelt por Roosevelt para melhor visualização

dados_completos |>
  ggplot()+
  geom_sf(aes(fill = POP), color = "white", linewidth = 0.03)+  # adiciona contorno branco fino
  scale_fill_gradient(
    high = "#454f27",  # cor para alta população
    low = "#d0d4c3",   # cor para baixa população
    name = "População",  # título da legenda
    breaks = c(1000, 10000, 20000, 30000)  # formata números com vírgula
  )+
  theme_void()+  # tema mais limpo para mapas
  theme(
    legend.position = "right",
    legend.title = element_text(size = 8, face = "bold"),
    legend.text = element_text(size = 7)
  )+
  geom_sf_label(data = mais_populosos, aes(label = NM_BAIRRO), size = 2)

6 conclusão

neste tutorial, aprendemos a criar um mapa da cidade de uberlândia utilizando a linguagem de programação R. por meio dos dados do censo demográfico 2022, representamos visualmente a distribuição populacional por bairro da cidade. a combinação de informações geográficas com dados demográficos nos permitiu não apenas visualizar a distribuição espacial da população, mas também identificar padrões de ocupação do território urbano.

na análise dos dez bairros mais populosos, constatamos uma característica interessante: seis deles estão localizados nos limites da cidade, sugerindo um processo de expansão urbana nas áreas periféricas. Dos quatro bairros restantes, dois concentram-se na região do campus santa mônica da universidade federal de uberlândia, evidenciando o impacto da presença universitária na densidade populacional dessa área.