O objetivo deste texto é buscar um shapfile do mapa do brazil com os municípios e descobrir como vincular dados para exposição gráfica.

Após uma rápida pesquisa, encontrei, no google, o pacote brazilmaps com mapas do Brasil de 2016, disponibilizados pelo IBGE.

São três funções que parecem ser as mais utilizáveis: get_brmap, join_data e plot_brmap. Junto com o pacote, existem alguns dados em formato facilitado para vincular ao mapa.

Assim, primeiramente vou carregar os pacotes:

#install.packages("brazilmaps")
library(brazilmaps)
library(ggplot2)
library(sf)
library(tidyverse)
library(sp)

Em seguida, obter o mapa com a função get_brmap.

A função possibilita diferentes níveis geográficos(geo = c("Brazil","Region","State","MesoRegion","MicroRegion","City")), além de possibilitar filtrar regiões, estados … (geo.filter =). Para tanto, deve se utilizar os códigos censitários. Por exemplo: geo.filter = list(Region = 5)¹.

BR <- get_brmap("City")
class(BR)

## [1] "sf"         "data.frame"

O próximo passo é gerar o mapa com a função plot_brmap, que gera um mapa a partir do pacote ggplot2. Por isso, é aconselhável carregar o pacote já desde o início. Como são mais de cinco mil municípios, o mapa pode demorar um pouco.

plot_brmap(BR)

Adicionando variáveis

Como mencionado, o pacote conta com algumas bases de dados disponíveis e já formatadas para vincular ao mapa. Estas bases são dados de mortes(deaths), índice de gini (gini2015) e população (pop2017). Entretanto, quando fiz as simulações, apenas a base de dados pop2017 funcionou.

head(pop2017)

##       mun                nome_mun pop2017
## 1 1100015 Alta Floresta D\\'Oeste   25437
## 2 1100023               Ariquemes  107345
## 3 1100031                  Cabixi    6224
## 4 1100049                  Cacoal   88507
## 5 1100056              Cerejeiras   17934
## 6 1100064       Colorado do Oeste   18467

Para inserir os dados no mapa, o pacote possibilita uma junção das bases pelos códigos, utilizando as opções data_to_join, join_by e var:

data("pop2017")
mapa1 <- plot_brmap(BR, data_to_join = pop2017, 
                    join_by = c("City" = "mun"), 
                      var = "pop2017")
mapa1

Dificuldades

Algumas dificuldades surgiram durante a utilização:

1. Primeiro, para um mapa do Brasil inteiro, as linhas que dividem os municípios acabam impossibilitando de ver as informações;

2. Outro fator que impossibilita a visualização dos dados é a baixa frequência da escala da legenda;

Lidando com as dificuldades

1. Linhas dos municípios

Encontrei duas alternativas para o problema da visualização dos municípios. A primeira consiste em utilizar a opção geo.filter=, dentro da função get_brmap, para uma região, ou estado específico, o que aumentará o tamanho da visualização. Caso isso não seja suficiente, ou seja necessário representar o mapa do país inteiro, a sugestão é alterar as linhas para ficarem transparentes. Desta forma, será visualizado apenas o preenchimento da área dos municípios.

2. Transformação dos dados

Como a distribuição da população dos municípios tem uma série de outliers, São Paulo em especial, a sua escala fica comprometida. A melhor forma de possibilitar a visualização é logaritmizando os dados populacionais.

Ajustes

Abaixo seguem as alterações. Para melhorar a visualização dos municípios, filtrei para mostrar apenas o estado de São Paulo. Já para melhorar a visualização das escalas, logaritimizei os dados populacionais.

BR <- get_brmap("City", geo.filter = list(State = 31) )

pop2017$logpop <- log(pop2017$pop2017)

plot_brmap(BR, data_to_join = pop2017, 
                    join_by = c("City" = "mun"), 
                      var = "logpop")

Note que, mesmo restringindo ao estado de São Paulo, alguns municípios permanecem de difícil visualização. Ainda acho que a melhor solução seria deixar as linhas sem cor, mas não consegui fazer isso pela função plot_brmap. Embora ela permita adicionar outras camadas do pacote ggplot2, não soube editar esse elemento.

Uma solução que utilizei em um em minha tese, foi pegar o mapa no formato sf do pacote e gerá-lo no ggplot2. Isso abre mais possibilidades de manipulação e deixa de lado as funcionalidades do pacote.De toda forma, o pacote é bastante prático para elaborações rápidas, bem como para obtenção dos mapas sem sair do ambiente do R.