Ciências Humanas

Relação de área e população em municípios brasileiros (EM13MAT405, EM13MAT407, EM13CHS101, EM13CHS104, EM13CNT301)

url <- "https://raw.githubusercontent.com/turicas/rows/refs/heads/develop/examples/data/brazilian-cities.csv" # define o link para os dados
dados <- read.csv(url)  # lê o arquivo dos dados

library(plotly)
plot_ly(dados, x = ~area, y = ~inhabitants,
        type = "scatter", 
        mode = 'markers',
        marker = list(line = list(width = 1)),
        text = ~paste("Cidade: ", city, "<br>Estado: ", state),  # Texto no hover
        hoverinfo = 'text',           # Mostrar apenas o texto definido
        frame = ~state)%>%
  layout(
    title = "Distribuição de área e população em cidades brasileiras",
    xaxis = list(title = "Estados", type = "log"),
    yaxis = list(title = "População", type = "log"),
    showlegend = FALSE
  ) %>%
  animation_opts(
    frame = 500,           # Velocidade da animação
    transition = 0,
    redraw = FALSE
  )

Sugestões:

      Experimente modificar o gráfico, usando/substituindo alternativamente os comandos abaixo no trecho de código:


Consumo populacional de álcool em 2010 (EM13CHS301, EM13CNT205)

library(plotly)

# Exemplo de dataframe com valores fictícios
df <- read.csv("https://raw.githubusercontent.com/plotly/datasets/refs/heads/master/2010_alcohol_consumption_by_country.csv")

# Criando o mapa choropleth com a escala de cores ajustada
plot_ly(
  data = df,
  locations = ~location,
  locationmode = "country names",
  z = ~alcohol, # Variável que determina as cores
  type = "choropleth",
  colorscale = "Viridis") # outras escalas: # outras escalas: RdBu, Inferno, Blues, Cividis, Greens, ...

Sugestões:

      Experimente modificar o gráfico, usando/substituindo alternativamente os comandos abaixo no trecho de código:


Efeito estufa e emissão de CO\(_{2}\) no Brasil (EM13CN09, EM13CHS104)

 library(plotly)
  library(magrittr)  # bibliotecas necessárias
  
  # 1) Obtendo os dados da internet
  
  url <- "https://raw.githubusercontent.com/datasets/global-temp/refs/heads/main/data/annual.csv" # define o link para os dados
  dados <- read.csv(url)  # lê o arquivo dos dados
  
  # 2) Construindo o gráfico com animação 
  
  plot_ly(dados, x = ~Year, y = ~Mean,
          type = "bar", 
          marker = list(line = list(width = 10)),
          frame = ~Year) %>%
    animation_opts(
      frame = 150,           # Velocidade da animação
      transition = 0,
      redraw = TRUE
    ) %>%
    layout(
      title = "Flutuação da temperatura global",
      xaxis = list(title = "Anos"),
      yaxis = list(title = "Diferença de temperatura, C"))

Sugestões:

      Experimente modificar o gráfico, usando/substituindo alternativamente os comandos abaixo no trecho de código:


Produção global de óleos em 2014 (em teraWatts)

      Obs: Petróleo bruto, óleo de xisto, areias betuminosas, condensados, e líquidos de gás natural- etano, GLP e nafta separados da produção de gás natural.

Sugestões:

      Experimente modificar o gráfico, usando/substituindo alternativamente os comandos abaixo no trecho de código:
library(plotly)

# Exemplo de dataframe com valores fictícios
df <- read.csv("https://raw.githubusercontent.com/owid/owid-datasets/refs/heads/master/datasets/Oil%20production%20-%20Etemad%20%26%20Luciana/Oil%20production%20-%20Etemad%20%26%20Luciana.csv")

# Renomeando as colunas para facilitar interpretação e plotagem

names(df) <- c("País", "Ano", "Produção.TeraWatt")

# Filtrando os dados para o último ano (2014)
df <- subset(df, Ano == "2014")

# Criando o mapa choropleth com a escala de cores ajustada
library(plotly)
plot_ly(
  data = df,
  locations = ~País,
  locationmode = "country names",
  z = ~Produção.TeraWatt, # Variável que determina as cores
  type = "choropleth",
  colorscale = "RdBu") # outras escalas: # outras escalas: Viridis, Inferno, Blues, Cividis, Greens, ...


Aquecimento Global (EM13CN03, EM13CN09, EM13CHS105, EM13CHS205)

library(plotly)
library(magrittr)  # bibliotecas necessárias

# 1) Obtendo os dados da internet

url <- "https://raw.githubusercontent.com/datasets/global-temp/refs/heads/main/data/annual.csv" # define o link para os dados
dados <- read.csv(url)  # lê o arquivo dos dados

# 2) Construindo o gráfico com animação 

plot_ly(dados, x = ~Year, y = ~Mean,
        type = "bar", 
        marker = list(line = list(width = 10)),
        frame = ~Year) %>%
  animation_opts(
    frame = 150,           # Velocidade da animação
    transition = 0,
    redraw = TRUE
  ) %>%
  layout(
    title = "Flutuação da temperatura global",
    xaxis = list(title = "Anos"),
    yaxis = list(title = "Diferença de temperatura, C"))

Sugestões:

      Experimente modificar o gráfico, usando/substituindo alternativamente os comandos abaixo no trecho de código:


Expectativa de vida e Produto Interno Bruto - PIB, 1956 a 2007 (EM13CHS101, EM13CHS104, EM13MAT405, EM13MAT410)

library(plotly)

# Obtendo os dados na internet
url <- read.csv("https://raw.githubusercontent.com/kirenz/datasets/refs/heads/master/gapminder.csv")

dadosExpVida <- url  # atribuindo os dados a um objeto do `R`

# Criando o gráfico interativo com animação
plot_ly(
  dadosExpVida, # dados convertidos da internet
  x = ~gdpPercap, # renda per capita
  y = ~lifeExp, # expectativa de vida
  size = ~pop, # tamanho dos pontos em função da população
  color = ~country, # cor dos pontos em função do país
  frame = ~year,    # Frame para a animação por ano de coleta dos dados
  text = ~continent,  # País como informação ao passar o mouse
  hoverinfo = "text",
  type = 'scatter', # tipo de gráfico
  mode = 'markers',
  marker = list(sizemode = 'diameter', opacity = 0.7)
) %>%
  layout(  # atribuição de título e etiquetas dos eixos
    title = "Produto interno bruto X Expectativa de vida",
    xaxis = list(title = "PIB (log), US$", type = "log"),
    yaxis = list(title = "Expectativa de Vida, anos"),
    showlegend = TRUE # possibilidade ou não de aparecer a legenda
  ) %>%
  animation_opts(
    frame = 1000,           # Velocidade da animação
    transition = 0,
    redraw = TRUE
  )

Sugestões:

      Experimente modificar o gráfico, usando/substituindo alternativamente os comandos abaixo no trecho de código:


Queda de meteoritos na Terra - 1800 a 2013 (EM13CHS101, EM13CNT303, EM13CNT301)

library(ggplot2)
library(plotly)
library(dplyr)
library(maps)

meteoritos <- readr::read_csv("https://raw.githubusercontent.com/rfordatascience/tidytuesday/master/data/2019/2019-06-11/meteorites.csv")

options(scipen = 999) 

meteoritos_Mundo <- meteoritos %>%
  filter(fall == "Fell") %>%
  filter(year > 1800) %>%
  # drop_na() %>%
  arrange(mass)

# Carregar o mapa do mundo
world <- map_data("world")

mapa_animado <- world %>%
  ggplot() +
  geom_polygon(aes( x= long, y = lat, group = group),
               fill = "grey20",
               color = "white",
               size = 0.01) +
  geom_point(data= meteoritos_Mundo, 
             aes(x = long, 
                 y = lat, 
                 frame = year,
                 size = mass),
             color = "orange",
             alpha = 0.7) +
  labs( title = "Queda de meteoritos -  1800 a 2013}",
        caption = "The Meteoritical Society") +
  # theme_map() +
  scale_size_continuous(guide = F) +
  scale_color_discrete(name = "Type") +
  theme(plot.title = element_text(size = 10, hjust = 0.5))


fig_2 <- ggplotly(mapa_animado) %>% animation_slider(currentvalue = list(prefix = "Year ", font = list(color="orange"))) 

fig_2

Sugestões:

      Experimente modificar o gráfico, usando/substituindo alternativamente os comandos abaixo no trecho de código:


De volta ao topo