-
Notifications
You must be signed in to change notification settings - Fork 16
/
Copy pathpmdb_zoom.Rmd
182 lines (151 loc) · 6.42 KB
/
pmdb_zoom.Rmd
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
---
title: "pmdb_zoom"
output: html_document
---
Analise para verificar como foi o engajamento do PMDB no ano antes de romper com o governo
Bibliotecas necessárias
```{r}
library(ggplot2)
library(dplyr)
require(scales)
source("R/camara-lib.R")
```
```{r}
votos <- ler_votos_de_ativos("dados/votacoes.csv", corrigir_migracoes = TRUE)
# distinguir diferentes votações de uma mesma proposição
votos$num_pro <- paste0(votos$num_pro, "-", votos$id_votacao)
votos$mes <- as.numeric(format(as.Date(votos$data, format = "%d/%m/%Y"),'%m'))
votos$ano <- as.numeric(format(as.Date(votos$data, format = "%d/%m/%Y"),'%Y'))
votos$dia <- as.numeric(format(as.Date(votos$data, format = "%d/%m/%Y"),'%j'))
rompimento_com_governo = 216 # Dia 04/08
junho = 156 # Dia 04/06
votos_antes_junho <- filter(votos, dia <= junho)
votos_antes_rompimento <- filter(votos, dia <= rompimento_com_governo)
votos_2015 <- filter(votos, ano == 2015)
cria_mca <- function (votos){
votacao <- recuperar_votacoes(votos)
votos_por_deputado <- dcast(votacao,
nome + partido + uf + id_dep ~ num_pro,
value.var = "voto")
votos_por_deputado <- as.data.frame(apply(votos_por_deputado, 2, as.factor))
mca1 = MCA(votos_por_deputado,
ncp = 2, # Default is 5
graph = FALSE,
quali.sup = c(1:4),
na.method = "Average") # NA or Average
# data frame with observation coordinates
mca1_obs_df = data.frame(mca1$ind$coord,
nome = votos_por_deputado$nome,
partido = votos_por_deputado$partido,
uf = votos_por_deputado$uf,
id_dep = votos_por_deputado$id_dep)
# Partidos icônicos
mca1_obs_df$destaque_partido = factor(ifelse(mca1_obs_df$partido %in%
c("pmdb", "pt"),
as.character(mca1_obs_df$partido),
"outros"))
return (mca1_obs_df)
}
#y <- filter(votos, id_dep == 178830)
mca1_antes_junho <- cria_mca(votos_antes_junho)
mca1_antes_rompimento <- cria_mca(votos_antes_rompimento)
mca1_2015 <- cria_mca(votos_2015)
mca1_completo <- cria_mca(votos)
write.csv(mca1_antes_junho, file = "mca_antes_junho.csv", sep = ",", row.names = FALSE)
write.csv(mca1_antes_rompimento, file = "mca_antes_agosto.csv", sep = ",", row.names = FALSE)
write.csv(mca1_2015, file = "mca_2015.csv", sep = ",", row.names = FALSE)
write.csv(mca1_completo, file = "mca_2016.csv", sep = ",", row.names = FALSE)
```
Plot da evolução do mapa ao longo de 2015~2016 com destaque para o PT e PMDB
```{r}
p <- ggplot(data = mca1_completo,
aes(x = Dim.1, y = Dim.2, colour = destaque_partido)) +
geom_hline(yintercept = 0, colour = "gray70") +
geom_vline(xintercept = 0, colour = "gray70") +
geom_point(size = 9, alpha = 0.3) +
scale_colour_manual(values = c(alpha("grey70", .4),
alpha("darkred", 1),
alpha("#FF3300", 1)
),
guide = guide_legend(title = "Partido",
override.aes = list(alpha = 1, size = 4))) +
ylab("") + xlab("")+
theme_classic() +
theme(axis.ticks = element_blank(),
axis.text = element_blank(),
axis.line = element_blank())
png("plot/zoom_pmdb/completo_2016.png",
width = 800, height = 600)
p
dev.off()
p <- ggplot(data = mca2_2015,
aes(x = Dim.1, y = Dim.2, colour = destaque_partido)) +
geom_hline(yintercept = 0, colour = "gray70") +
geom_vline(xintercept = 0, colour = "gray70") +
geom_point(size = 9, alpha = 0.3) +
scale_colour_manual(values = c(alpha("grey70", .4),
alpha("darkred", 1),
alpha("#FF3300", 1)
),
guide = guide_legend(title = "Partido",
override.aes = list(alpha = 1, size = 4))) +
ylab("") + xlab("")+
theme_classic() +
theme(axis.ticks = element_blank(),
axis.text = element_blank(),
axis.line = element_blank())
png("plot/zoom_pmdb/em_2015.png",
width = 800, height = 600)
p
dev.off()
p <- ggplot(data = mca3_completo,
aes(x = Dim.1, y = Dim.2, colour = destaque_partido)) +
geom_hline(yintercept = 0, colour = "gray70") +
geom_vline(xintercept = 0, colour = "gray70") +
geom_point(size = 9, alpha = 0.3) +
scale_colour_manual(values = c(alpha("grey70", .4),
alpha("darkred", 1),
alpha("#FF3300", 1)
),
guide = guide_legend(title = "Partido",
override.aes = list(alpha = 1, size = 4))) +
ylab("") + xlab("")+
theme_classic() +
theme(axis.ticks = element_blank(),
axis.text = element_blank(),
axis.line = element_blank())
png("plot/zoom_pmdb/2016_pp.png",
width = 800, height = 600)
p
dev.off()
```
Plot com destaque para os partidos PMDB, PT, PP, PR e PTN
```{r}
mca3_completo$destaque_partido_base = factor(ifelse(mca3_completo$partido %in%
c("pmdb", "pt", "pp", "pr", "ptn"),
as.character(mca3_completo$partido),
"outros"))
p <- ggplot(data = mca3_completo,
aes(x = Dim.1, y = Dim.2, label = partido ,colour = destaque_partido_base)) +
geom_hline(yintercept = 0, colour = "gray70") +
geom_vline(xintercept = 0, colour = "gray70") +
geom_text(size = 5.) +
scale_colour_manual(values = c(alpha("grey70", .4),
alpha("darkred", 1),
alpha("#01665e", 1), # pp
alpha("#762a83", 1), # pr
alpha("#FF3300", 1),
alpha("#8c510a", 1)
),
guide = guide_legend(title = "Partido",
override.aes = list(alpha = 1, size = 4))) +
ylab("") + xlab("")+
theme_classic() +
theme(axis.ticks = element_blank(),
axis.text = element_blank(),
axis.line = element_blank())
png("plot/zoom_pmdb/mapa_pp_pr_ptn.png",
width = 800, height = 600)
p
dev.off()
```