r if (knitr:::is_html_output()) '# References {-}'
Filtrado apenas para processos transitados em julgado.
tidy_cnc_julg <- tidy_cnc %>% filter(tipo_pena == 'Trânsito em julgado')
Existe uma relacao de multas e ressarcimentos...
p <- tidy_cnc_julg %>% filter(vl_multa > 1, vl_ressarcimento > 1) %>% ggplot(aes(vl_multa, vl_ressarcimento, colour = uf_processo)) + geom_point() + theme_bw() + geom_abline(intercept = 0, slope = 1, colour = 'red') + # facet_wrap(~uf_processo) + scale_x_log10() + scale_y_log10() tidy_cnc_julg %>% filter(vl_multa > 1, vl_ressarcimento > 1, vl_multa < 1e6, vl_ressarcimento < 1e6) %>% mutate(uf_processo = fct_lump(uf_processo, 1, other_level = 'Outros')) %>% ggplot(aes(vl_multa, vl_ressarcimento, colour = uf_processo)) + theme_bw() + geom_abline(intercept = 0, slope = 1, colour = 'red') + geom_abline(intercept = 0, slope = .5, colour = 'blue') + geom_abline(intercept = 0, slope = 1/3, colour = 'green') + geom_abline(intercept = 0, slope = 2, colour = 'yellow') + geom_point()
tidy_cnc_julg %>% filter(uf_processo == 'SP') %>% count(teve_ressarcimento, teve_multa)
tidy_cnc_julg %>% group_by(assunto_nm_1) %>% summarise(n = n(), m = median(vl_multa, na.rm = TRUE)) %>% filter(n > 10) %>% arrange(desc(m)) %>% mutate(assunto_nm_1 = str_trunc(assunto_nm_1, 40))
tidy_cnc_julg %>% group_by(assunto_nm_1) %>% summarise(n = n(), m = median(vl_ressarcimento, na.rm = TRUE)) %>% filter(n > 10) %>% arrange(desc(m)) %>% mutate(assunto_nm_1 = str_trunc(assunto_nm_1, 40))
tidy_cnc_julg %>% group_by(uf_processo) %>% summarise(n = n(), m = median(vl_ressarcimento, na.rm = TRUE)) %>% filter(n > 10) %>% arrange(desc(m))
tidy_cnc_julg %>% group_by(uf_processo) %>% summarise(n = n(), m = median(vl_multa, na.rm = TRUE)) %>% filter(n > 10) %>% arrange(desc(m))
tidy_cnc_julg %>% count(nm_pessoa, teve_perda_cargo) %>% filter(!is.na(teve_perda_cargo)) %>% arrange(desc(n)) %>% ungroup() %>% mutate(nm_pessoa = str_trunc(nm_pessoa, 40))
tidy_cnc %>% count(id_processo, n_processo, sort = T)
tidy_cnc %>% group_by(id_processo, n_processo) %>% summarise(n = n_distinct(id_pessoa)) %>% arrange(desc(n))
tidy_cnc %>% filter(instancia == '1 grau', esfera_processo == 'Estadual') %>% group_by(comarca_secao, uf_processo) %>% summarise(n = n(), multa = median(vl_multa, na.rm = T), ress = median(vl_ressarcimento, na.rm = T)) %>% filter(n > 10) %>% arrange(desc(multa))
Add the following code to your website.
For more information on customizing the embed code, read Embedding Snippets.