data-raw/enade_univag_old.R
In italocegatta/enade: Base de dados e dashboard das ultimas provas do ENADE
# pacotes -----------------------------------------------------------------
library(tidyverse)
library(readxl)
library(janitor)
library(ggrepel)
library(ggdendro)
library(ggraph)
library(corrr)
library(olsrr)
# funcao auxiliar ---------------------------------------------------------
limpa_nome <- function(x) {
make.names(x) %>%
snakecase::to_any_case(
case = "snake",
sep_in = "\\.",
transliterations = c("Latin-ASCII"),
parsing_option = 4
)
}
gera_dendro <- function(df, var, k = 4) {
var <- enquo(var)
dados_dendro <- df %>%
select_if(is.numeric) %>%
as.data.frame()
row.names(dados_dendro) <- df %>%
pull(!!var)
hc <- hclust(dist(dados_dendro), "average")
dendr <- dendro_data(hc)
clust <- cutree(hc, k)
clust.df <- data.frame(label = names(clust), cluster = factor(clust))
dendr[["labels"]] <- merge(dendr[["labels"]], clust.df, by = "label")
return(dendr)
}
# importacao --------------------------------------------------------------
df <- read_excel("resultado_cpc_2016_portal_27_11_2017.xlsx") %>%
clean_names() %>% # retira acento, espaco em branco e converte para caixa-baixa
select(-c(
ano, nome_da_ies, organizacao_academica,
categoria_administrativa, codigo_do_curso, codigo_da_area,
modalidade_de_ensino, codigo_do_municipio, concluintes_inscritos,
concluintes_participantes, concluintes_participantes_com_nota_no_enem,
percentual_de_concluintes_participantes_com_nota_no_enem,
nota_bruta_idd, nota_bruta_organizacao_didatico_pedagogica,
nota_bruta_infraestrutura_e_instalacoes_fisicas,
nota_bruta_oportunidades_de_ampliacao_da_formacao, nota_bruta_mestres,
nota_bruta_doutores, nota_bruta_regime_de_trabalho, cpc_faixa
)) %>% # retira variaveis que nao serao utilizadas
select_all(~str_replace(., "_padronizada", "")) %>% # retira o termo padronizada do nome
rename(
nota_organizacao_dp = nota_organizacao_didatico_pedagogica,
nota_infraestrutura = nota_infraestrutura_e_instalacoes_fisicas,
nota_oportunidades = nota_oportunidades_de_ampliacao_da_formacao
) %>% # renomeia para um nome menor
filter(nr_de_docentes < 150) # filtra numero absurso de professores
glimpse(df) # estrutura final da base utiliada na analise
# componentes principais --------------------------------------------------
# semelhanca dos cursos com universidades do brasil -----------------------
lista_cursos <- df %>%
filter(sigla_da_ies == "UNIVAG") %>%
pull(area_de_enquadramento) %>%
unique()
i = "AGRONOMIA"
for (i in lista_cursos) {
pca <- df %>%
filter(area_de_enquadramento == i) %>%
select(
nota_idd, cpc_continuo,
nota_continua_do_enade, nota_infraestrutura,
nota_mestres, nota_doutores, nota_oportunidades
) %>%
na.omit() %>%
princomp(cor = T)
loadings(pca)
df_pca <- df %>%
filter(area_de_enquadramento == i) %>%
cbind(predict(pca, newdata = .)[ , 1:2]) %>%
as_tibble()
v_max <- c(df_pca$Comp.1, df_pca$Comp.2) %>%
range(na.rm = TRUE) %>%
abs() %>% max()
df_pca %>%
ggplot(aes(Comp.1, Comp.2)) +
geom_vline(xintercept = 0, size = 1.2, linetype = 6) +
geom_hline(yintercept = 0, size = 1.2, linetype = 6) +
geom_point(
aes(color = sigla_da_uf == "MT"),
show.legend = FALSE
) +
geom_label_repel(
data = df_pca %>% filter(sigla_da_uf == "MT"),
aes(label = sigla_da_ies)
) +
coord_equal(ratio = 1, xlim = c(-v_max, v_max), ylim = c(-v_max, v_max)) +
scale_color_manual(values = c("grey80", "red")) +
theme_bw() +
ggsave(str_glue("pca_{str_to_lower(limpa_nome(i))}_brasil.png"), width = 8, height = 8)
}
# semelhanca dos cursos com universidades do brasil -----------------------
base_compara_cursos <- df %>%
select(
codigo_da_ies, sigla_da_ies, municipio_do_curso,
area_de_enquadramento, nota_idd, cpc_continuo,
nota_continua_do_enade, nota_infraestrutura,
nota_mestres, nota_doutores, nota_oportunidades
) %>%
inner_join(
.,
filter(., sigla_da_ies == "UNIVAG") %>% select(area_de_enquadramento)
) %>%
mutate(ies = str_c(codigo_da_ies, sigla_da_ies, municipio_do_curso, sep = "-")) %>%
select(-c(codigo_da_ies, sigla_da_ies, municipio_do_curso))
i = "AGRONOMIA"
for (i in unique(base_compara_cursos$area_de_enquadramento)) {
dados_dendro <- base_compara_cursos %>%
filter(area_de_enquadramento == i) %>%
distinct(ies, .keep_all = TRUE) %>%
select_if(is.numeric) %>%
as.data.frame()
row.names(dados_dendro) <- base_compara_cursos %>%
filter(area_de_enquadramento == i) %>%
distinct(ies, .keep_all = TRUE) %>%
pull(ies)
n <- nrow(dados_dendro)
f <- 12
size = case_when(
n <= 150 ~ f,
n >= 350 & n < 550 ~ f * 1.5,
n >= 550 & n < 750 ~ f * 2.5,
n >= 950 ~ f * 2.5
)
dendrogram <- as.dendrogram(hclust(dist(dados_dendro)))
ggraph(dendrogram, layout = 'dendrogram', repel = F, circular = TRUE,
ratio = 0.5) +
geom_edge_elbow() +
geom_node_text(
aes(
x = x * 1.005, y = y * 1.005, filter = leaf,
angle = -((-node_angle(x, y) + 90) %% 180) + 90,
label = label %>% str_split("-", 3, TRUE) %>% '['( , 2),
color = label %>% str_split("-", 3, TRUE) %>% '['( , 2) == "UNIVAG"
),
size = 3, hjust='outward', show.legend = FALSE
) +
labs(title = str_glue("Curso: {i}"), subtitle = str_glue("N° de Universidades: {n}")) +
scale_color_manual(values = c("grey20", "red")) +
coord_fixed(xlim = c(-1.1, 1.1), ylim = c(-1.1, 1.1)) +
theme_void() +
ggsave(str_glue("cluster_{str_to_lower(limpa_nome(i))}_brasil.png"), width = size, height = size)
}
# semelhanca com universidades do brasil ----------------------------------
resumo_ies <- df %>%
select(
codigo_da_ies, sigla_da_ies, municipio_do_curso,
nota_idd, cpc_continuo,
nota_continua_do_enade, nota_infraestrutura,
nota_mestres, nota_doutores, nota_oportunidades
) %>%
group_by(codigo_da_ies, sigla_da_ies, municipio_do_curso) %>%
summarise_all(mean, na.rm = TRUE) %>%
ungroup() %>%
mutate(ies = str_c(codigo_da_ies, sigla_da_ies, municipio_do_curso, sep = "-")) %>%
select(-c(codigo_da_ies, sigla_da_ies, municipio_do_curso))
dados_dendro <- resumo_ies %>%
select_if(is.numeric) %>%
as.data.frame()
row.names(dados_dendro) <- resumo_ies %>%
pull(ies)
dendrogram <- as.dendrogram(hclust(dist(dados_dendro)))
ggraph(dendrogram, layout = 'dendrogram', repel = F, circular = TRUE,
ratio = 0.5) +
geom_edge_elbow(edge_width = 0.5) +
geom_node_text(
aes(
x = x * 1.005, y = y * 1.005, filter = leaf,
angle = -((-node_angle(x, y) + 90) %% 180) + 90,
label = label %>% str_split("-", 3, TRUE) %>% '['( , 2),
color = label %>% str_split("-", 3, TRUE) %>% '['( , 2) == "UNIVAG"
),
size = 1, hjust='outward', show.legend = FALSE
) +
scale_color_manual(values = c("grey20", "red")) +
coord_fixed(xlim = c(-1.1, 1.1), ylim = c(-1.1, 1.1)) +
theme_void() +
ggsave("cluster_univag_brasil.png", width = 20, height = 20)
# semelhanca dentro do univag ------------------------------------------------------------
dendr <- df %>%
filter(sigla_da_ies == "UNIVAG") %>% # filtra so os cursos da univag
select(
area_de_enquadramento, nota_idd, cpc_continuo,
nota_continua_do_enade, nota_infraestrutura,
nota_mestres, nota_doutores, nota_oportunidades
) %>%
gera_dendro(area_de_enquadramento, 4)
ggplot() +
geom_segment(
data = segment(dendr),
aes(x, y, xend = xend, yend = yend)
) +
geom_text(
data = label(dendr),
aes(x, y, label = label), hjust = 0,
size = 3, show.legend = FALSE
) +
coord_flip() + scale_y_reverse(expand = c(0.5, 0)) +
theme_void() +
ggsave("cluster_dentro_univag.png", width = 12, height = 6)
# comparativo geral -------------------------------------------------------
df %>%
select_if(function(x) is.numeric(x) | any(str_detect(x, "UNIVAG"))) %>% # seleciona notas e variavel informa a universidade
gather(indice, valor, -sigla_da_ies) %>% # reformata de wide para long-data
mutate(univag = ifelse(str_detect(sigla_da_ies, "UNIVAG"), "sim", "nao")) %>% # cria variavel para identificar valores da univag
ggplot(aes(indice, valor)) +
geom_boxplot(outlier.color = NA) +
geom_jitter(aes(color = univag, alpha = univag, size = univag), show.legend = FALSE) +
facet_wrap(~indice, ncol = 1, scales = "free") +
labs(title = "UNIVAG x Brasil") +
coord_flip() +
scale_color_manual(values = c("sim" = "#084594", "nao" = "grey70")) +
scale_alpha_manual(values = c("sim" = 0.8, "nao" = 0.05)) +
scale_size_manual(values = c("sim" = 2, "nao" = 1)) +
theme_bw() +
theme(strip.text = element_blank()) +
ggsave("indices_brasil_univag.png", width = 8, height = 10)
df %>%
filter(sigla_da_uf == "MT") %>% # filtra so dados de mt
select_if(function(x) is.numeric(x) | any(str_detect(x, "UNIVAG"))) %>%
gather(indice, valor, -sigla_da_ies) %>%
mutate(univag = ifelse(str_detect(sigla_da_ies, "UNIVAG"), "sim", "nao")) %>%
ggplot(aes(indice, valor)) +
geom_boxplot(outlier.color = NA) +
geom_jitter(aes(color = univag, alpha = univag, size = univag), show.legend = FALSE) +
facet_wrap(~indice, ncol = 1, scales = "free") +
labs(title = "UNIVAG x MT") +
coord_flip() +
scale_color_manual(values = c("sim" = "#084594", "nao" = "grey70")) +
scale_alpha_manual(values = c("sim" = 0.8, "nao" = 0.3)) +
scale_size_manual(values = c("sim" = 2, "nao" = 1)) +
theme_bw() +
theme(strip.text = element_blank()) +
ggsave("indices_mt_univag.png", width = 8, height = 10)
df %>%
filter(municipio_do_curso %in% c("CUIABÁ", "VÁRZEA GRANDE")) %>%
select_if(function(x) is.numeric(x) | any(str_detect(x, "UNIVAG"))) %>%
gather(indice, valor, -sigla_da_ies) %>%
mutate(univag = ifelse(str_detect(sigla_da_ies, "UNIVAG"), "sim", "nao")) %>%
ggplot(aes(indice, valor)) +
geom_boxplot(outlier.color = NA) +
geom_jitter(aes(color = univag, alpha = univag, size = univag), show.legend = FALSE) +
facet_wrap(~indice, ncol = 1, scales = "free") +
labs(title = "UNIVAG x (CBA + VG)") +
coord_flip() +
scale_color_manual(values = c("sim" = "#084594", "nao" = "grey70")) +
scale_alpha_manual(values = c("sim" = 0.8, "nao" = 0.5)) +
scale_size_manual(values = c("sim" = 2, "nao" = 1)) +
theme_bw() +
theme(strip.text = element_blank()) +
ggsave("indices_cba_vg__univag.png", width = 8, height = 10)
# corelacoes --------------------------------------------------------------
df %>%
select_if(is.numeric) %>% # seleciona so variaveis numericas
correlate() %>% # calcula correlacao
rearrange() %>% # ordena variaveis em funcao da correlacao (facilita a visualisacao)
rplot(legend = TRUE, print_cor = TRUE) + # cria o grafico e faz edicoes
labs(title = "Todos os dados", color = "Correlação de Pearson") +
theme(
axis.text.x = element_text(angle = 30, vjus = 1, hjust = 1),
legend.position = "bottom"
) +
guides(alpha = "none", size = "none") +
ggsave("cor_brasil.png", width = 8, height = 8)
df %>%
filter(sigla_da_ies == "UNIVAG") %>% # filtra so os cursos da univag
select_if(is.numeric) %>%
correlate() %>%
rearrange() %>%
rplot(legend = TRUE, print_cor = TRUE) +
labs(title = "Cursos da UNIVAG", color = "Correlação de Pearson") +
theme(
axis.text.x = element_text(angle = 30, vjus = 1, hjust = 1),
legend.position = "bottom"
) +
guides(alpha = "none", size = "none") +
ggsave("cor_univag.png", width = 8, height = 8)
# stepwise ----------------------------------------------------------------
df_step <- df %>%
filter(sigla_da_ies == "UNIVAG") %>%
select_if(is.numeric)
mod_cpc <- lm(cpc_continuo ~ ., data = df_step) # determina o modelo, cpc contra todas as variaveis
step_mod_cpc <- ols_step_both_p(mod_cpc) # aplica metodo stepwise para identificar variaveis influentes
step_mod_cpc
mod_idd <- lm(nota_idd ~ ., data = df_step)
step_mod_idd <- ols_step_both_p(mod_idd)
step_mod_idd
# nota dos cursos ----------------------------------------------------------
df %>%
filter(sigla_da_ies == "UNIVAG") %>%
ggplot(aes(nota_idd, cpc_continuo, label = area_de_enquadramento)) +
geom_smooth(method = "lm", se = FALSE, color = "#6baed6", fullrange = TRUE) +
geom_point(size = 3, size = 2, color = "#084594") +
geom_label_repel(size = 3, alpha = 0.7, seed = 50) +
lims(x = c(0, 5), y = c(0, 5)) +
theme_bw() +
ggsave("idd_cpc_univag.png", width = 9, height = 7)
df %>%
filter(sigla_da_ies == "UNIVAG") %>%
ggplot(aes(nota_idd, cpc_continuo, label = area_de_enquadramento)) +
geom_smooth(data = df, method = "lm", se = FALSE, color = "black", alpha = 0.6) +
geom_point(data = df, alpha = 0.05) +
geom_smooth(method = "lm", se = FALSE, color = "#6baed6", fullrange = TRUE) +
geom_point(size = 3, size = 2, color = "#084594") +
geom_label_repel(size = 3, alpha = 0.7, seed = 50) +
lims(x = c(0, 5), y = c(0, 5)) +
theme_bw() +
ggsave("idd_cpc_brasil_univag.png", width = 9, height = 7)
# loop notas por curso ----------------------------------------------------
lista_cursos <- df %>%
filter(sigla_da_ies == "UNIVAG") %>%
pull(area_de_enquadramento) %>%
unique()
for (i in seq_along(lista_cursos)) {
df %>%
filter(area_de_enquadramento == lista_cursos[i]) %>%
select_if(function(x) is.numeric(x) | any(str_detect(x, "UNIVAG"))) %>%
gather(indice, valor, -sigla_da_ies) %>%
mutate(univag = ifelse(str_detect(sigla_da_ies, "UNIVAG"), "sim", "nao")) %>%
ggplot(aes(indice, valor)) +
geom_boxplot(outlier.color = NA) +
geom_jitter(aes(color = univag, alpha = univag, size = univag), show.legend = FALSE) +
facet_wrap(~indice, ncol = 1, scales = "free") +
labs(title = lista_cursos[i]) +
coord_flip() +
scale_color_manual(values = c("sim" = "#084594", "nao" = "grey70")) +
scale_alpha_manual(values = c("sim" = 1, "nao" = 0.2)) +
scale_size_manual(values = c("sim" = 3, "nao" = 1.5)) +
theme_bw() +
theme(strip.text = element_blank()) +
ggsave(
str_glue('indices_curso_{limpa_nome(lista_cursos[i])}.png'),
width = 8, height = 10
)
}
italocegatta/enade documentation built on Sept. 24, 2019, 7:51 a.m.
R Package Documentation
Browse R Packages
We want your feedback!
Note that we can't provide technical support on individual packages. You should contact the package authors for that.
# pacotes -----------------------------------------------------------------
library(tidyverse)
library(readxl)
library(janitor)
library(ggrepel)
library(ggdendro)
library(ggraph)
library(corrr)
library(olsrr)
# funcao auxiliar ---------------------------------------------------------
limpa_nome <- function(x) {
make.names(x) %>%
snakecase::to_any_case(
case = "snake",
sep_in = "\\.",
transliterations = c("Latin-ASCII"),
parsing_option = 4
)
}
gera_dendro <- function(df, var, k = 4) {
var <- enquo(var)
dados_dendro <- df %>%
select_if(is.numeric) %>%
as.data.frame()
row.names(dados_dendro) <- df %>%
pull(!!var)
hc <- hclust(dist(dados_dendro), "average")
dendr <- dendro_data(hc)
clust <- cutree(hc, k)
clust.df <- data.frame(label = names(clust), cluster = factor(clust))
dendr[["labels"]] <- merge(dendr[["labels"]], clust.df, by = "label")
return(dendr)
}
# importacao --------------------------------------------------------------
df <- read_excel("resultado_cpc_2016_portal_27_11_2017.xlsx") %>%
clean_names() %>% # retira acento, espaco em branco e converte para caixa-baixa
select(-c(
ano, nome_da_ies, organizacao_academica,
categoria_administrativa, codigo_do_curso, codigo_da_area,
modalidade_de_ensino, codigo_do_municipio, concluintes_inscritos,
concluintes_participantes, concluintes_participantes_com_nota_no_enem,
percentual_de_concluintes_participantes_com_nota_no_enem,
nota_bruta_idd, nota_bruta_organizacao_didatico_pedagogica,
nota_bruta_infraestrutura_e_instalacoes_fisicas,
nota_bruta_oportunidades_de_ampliacao_da_formacao, nota_bruta_mestres,
nota_bruta_doutores, nota_bruta_regime_de_trabalho, cpc_faixa
)) %>% # retira variaveis que nao serao utilizadas
select_all(~str_replace(., "_padronizada", "")) %>% # retira o termo padronizada do nome
rename(
nota_organizacao_dp = nota_organizacao_didatico_pedagogica,
nota_infraestrutura = nota_infraestrutura_e_instalacoes_fisicas,
nota_oportunidades = nota_oportunidades_de_ampliacao_da_formacao
) %>% # renomeia para um nome menor
filter(nr_de_docentes < 150) # filtra numero absurso de professores
glimpse(df) # estrutura final da base utiliada na analise
# componentes principais --------------------------------------------------
# semelhanca dos cursos com universidades do brasil -----------------------
lista_cursos <- df %>%
filter(sigla_da_ies == "UNIVAG") %>%
pull(area_de_enquadramento) %>%
unique()
i = "AGRONOMIA"
for (i in lista_cursos) {
pca <- df %>%
filter(area_de_enquadramento == i) %>%
select(
nota_idd, cpc_continuo,
nota_continua_do_enade, nota_infraestrutura,
nota_mestres, nota_doutores, nota_oportunidades
) %>%
na.omit() %>%
princomp(cor = T)
loadings(pca)
df_pca <- df %>%
filter(area_de_enquadramento == i) %>%
cbind(predict(pca, newdata = .)[ , 1:2]) %>%
as_tibble()
v_max <- c(df_pca$Comp.1, df_pca$Comp.2) %>%
range(na.rm = TRUE) %>%
abs() %>% max()
df_pca %>%
ggplot(aes(Comp.1, Comp.2)) +
geom_vline(xintercept = 0, size = 1.2, linetype = 6) +
geom_hline(yintercept = 0, size = 1.2, linetype = 6) +
geom_point(
aes(color = sigla_da_uf == "MT"),
show.legend = FALSE
) +
geom_label_repel(
data = df_pca %>% filter(sigla_da_uf == "MT"),
aes(label = sigla_da_ies)
) +
coord_equal(ratio = 1, xlim = c(-v_max, v_max), ylim = c(-v_max, v_max)) +
scale_color_manual(values = c("grey80", "red")) +
theme_bw() +
ggsave(str_glue("pca_{str_to_lower(limpa_nome(i))}_brasil.png"), width = 8, height = 8)
}
# semelhanca dos cursos com universidades do brasil -----------------------
base_compara_cursos <- df %>%
select(
codigo_da_ies, sigla_da_ies, municipio_do_curso,
area_de_enquadramento, nota_idd, cpc_continuo,
nota_continua_do_enade, nota_infraestrutura,
nota_mestres, nota_doutores, nota_oportunidades
) %>%
inner_join(
.,
filter(., sigla_da_ies == "UNIVAG") %>% select(area_de_enquadramento)
) %>%
mutate(ies = str_c(codigo_da_ies, sigla_da_ies, municipio_do_curso, sep = "-")) %>%
select(-c(codigo_da_ies, sigla_da_ies, municipio_do_curso))
i = "AGRONOMIA"
for (i in unique(base_compara_cursos$area_de_enquadramento)) {
dados_dendro <- base_compara_cursos %>%
filter(area_de_enquadramento == i) %>%
distinct(ies, .keep_all = TRUE) %>%
select_if(is.numeric) %>%
as.data.frame()
row.names(dados_dendro) <- base_compara_cursos %>%
filter(area_de_enquadramento == i) %>%
distinct(ies, .keep_all = TRUE) %>%
pull(ies)
n <- nrow(dados_dendro)
f <- 12
size = case_when(
n <= 150 ~ f,
n >= 350 & n < 550 ~ f * 1.5,
n >= 550 & n < 750 ~ f * 2.5,
n >= 950 ~ f * 2.5
)
dendrogram <- as.dendrogram(hclust(dist(dados_dendro)))
ggraph(dendrogram, layout = 'dendrogram', repel = F, circular = TRUE,
ratio = 0.5) +
geom_edge_elbow() +
geom_node_text(
aes(
x = x * 1.005, y = y * 1.005, filter = leaf,
angle = -((-node_angle(x, y) + 90) %% 180) + 90,
label = label %>% str_split("-", 3, TRUE) %>% '['( , 2),
color = label %>% str_split("-", 3, TRUE) %>% '['( , 2) == "UNIVAG"
),
size = 3, hjust='outward', show.legend = FALSE
) +
labs(title = str_glue("Curso: {i}"), subtitle = str_glue("N° de Universidades: {n}")) +
scale_color_manual(values = c("grey20", "red")) +
coord_fixed(xlim = c(-1.1, 1.1), ylim = c(-1.1, 1.1)) +
theme_void() +
ggsave(str_glue("cluster_{str_to_lower(limpa_nome(i))}_brasil.png"), width = size, height = size)
}
# semelhanca com universidades do brasil ----------------------------------
resumo_ies <- df %>%
select(
codigo_da_ies, sigla_da_ies, municipio_do_curso,
nota_idd, cpc_continuo,
nota_continua_do_enade, nota_infraestrutura,
nota_mestres, nota_doutores, nota_oportunidades
) %>%
group_by(codigo_da_ies, sigla_da_ies, municipio_do_curso) %>%
summarise_all(mean, na.rm = TRUE) %>%
ungroup() %>%
mutate(ies = str_c(codigo_da_ies, sigla_da_ies, municipio_do_curso, sep = "-")) %>%
select(-c(codigo_da_ies, sigla_da_ies, municipio_do_curso))
dados_dendro <- resumo_ies %>%
select_if(is.numeric) %>%
as.data.frame()
row.names(dados_dendro) <- resumo_ies %>%
pull(ies)
dendrogram <- as.dendrogram(hclust(dist(dados_dendro)))
ggraph(dendrogram, layout = 'dendrogram', repel = F, circular = TRUE,
ratio = 0.5) +
geom_edge_elbow(edge_width = 0.5) +
geom_node_text(
aes(
x = x * 1.005, y = y * 1.005, filter = leaf,
angle = -((-node_angle(x, y) + 90) %% 180) + 90,
label = label %>% str_split("-", 3, TRUE) %>% '['( , 2),
color = label %>% str_split("-", 3, TRUE) %>% '['( , 2) == "UNIVAG"
),
size = 1, hjust='outward', show.legend = FALSE
) +
scale_color_manual(values = c("grey20", "red")) +
coord_fixed(xlim = c(-1.1, 1.1), ylim = c(-1.1, 1.1)) +
theme_void() +
ggsave("cluster_univag_brasil.png", width = 20, height = 20)
# semelhanca dentro do univag ------------------------------------------------------------
dendr <- df %>%
filter(sigla_da_ies == "UNIVAG") %>% # filtra so os cursos da univag
select(
area_de_enquadramento, nota_idd, cpc_continuo,
nota_continua_do_enade, nota_infraestrutura,
nota_mestres, nota_doutores, nota_oportunidades
) %>%
gera_dendro(area_de_enquadramento, 4)
ggplot() +
geom_segment(
data = segment(dendr),
aes(x, y, xend = xend, yend = yend)
) +
geom_text(
data = label(dendr),
aes(x, y, label = label), hjust = 0,
size = 3, show.legend = FALSE
) +
coord_flip() + scale_y_reverse(expand = c(0.5, 0)) +
theme_void() +
ggsave("cluster_dentro_univag.png", width = 12, height = 6)
# comparativo geral -------------------------------------------------------
df %>%
select_if(function(x) is.numeric(x) | any(str_detect(x, "UNIVAG"))) %>% # seleciona notas e variavel informa a universidade
gather(indice, valor, -sigla_da_ies) %>% # reformata de wide para long-data
mutate(univag = ifelse(str_detect(sigla_da_ies, "UNIVAG"), "sim", "nao")) %>% # cria variavel para identificar valores da univag
ggplot(aes(indice, valor)) +
geom_boxplot(outlier.color = NA) +
geom_jitter(aes(color = univag, alpha = univag, size = univag), show.legend = FALSE) +
facet_wrap(~indice, ncol = 1, scales = "free") +
labs(title = "UNIVAG x Brasil") +
coord_flip() +
scale_color_manual(values = c("sim" = "#084594", "nao" = "grey70")) +
scale_alpha_manual(values = c("sim" = 0.8, "nao" = 0.05)) +
scale_size_manual(values = c("sim" = 2, "nao" = 1)) +
theme_bw() +
theme(strip.text = element_blank()) +
ggsave("indices_brasil_univag.png", width = 8, height = 10)
df %>%
filter(sigla_da_uf == "MT") %>% # filtra so dados de mt
select_if(function(x) is.numeric(x) | any(str_detect(x, "UNIVAG"))) %>%
gather(indice, valor, -sigla_da_ies) %>%
mutate(univag = ifelse(str_detect(sigla_da_ies, "UNIVAG"), "sim", "nao")) %>%
ggplot(aes(indice, valor)) +
geom_boxplot(outlier.color = NA) +
geom_jitter(aes(color = univag, alpha = univag, size = univag), show.legend = FALSE) +
facet_wrap(~indice, ncol = 1, scales = "free") +
labs(title = "UNIVAG x MT") +
coord_flip() +
scale_color_manual(values = c("sim" = "#084594", "nao" = "grey70")) +
scale_alpha_manual(values = c("sim" = 0.8, "nao" = 0.3)) +
scale_size_manual(values = c("sim" = 2, "nao" = 1)) +
theme_bw() +
theme(strip.text = element_blank()) +
ggsave("indices_mt_univag.png", width = 8, height = 10)
df %>%
filter(municipio_do_curso %in% c("CUIABÁ", "VÁRZEA GRANDE")) %>%
select_if(function(x) is.numeric(x) | any(str_detect(x, "UNIVAG"))) %>%
gather(indice, valor, -sigla_da_ies) %>%
mutate(univag = ifelse(str_detect(sigla_da_ies, "UNIVAG"), "sim", "nao")) %>%
ggplot(aes(indice, valor)) +
geom_boxplot(outlier.color = NA) +
geom_jitter(aes(color = univag, alpha = univag, size = univag), show.legend = FALSE) +
facet_wrap(~indice, ncol = 1, scales = "free") +
labs(title = "UNIVAG x (CBA + VG)") +
coord_flip() +
scale_color_manual(values = c("sim" = "#084594", "nao" = "grey70")) +
scale_alpha_manual(values = c("sim" = 0.8, "nao" = 0.5)) +
scale_size_manual(values = c("sim" = 2, "nao" = 1)) +
theme_bw() +
theme(strip.text = element_blank()) +
ggsave("indices_cba_vg__univag.png", width = 8, height = 10)
# corelacoes --------------------------------------------------------------
df %>%
select_if(is.numeric) %>% # seleciona so variaveis numericas
correlate() %>% # calcula correlacao
rearrange() %>% # ordena variaveis em funcao da correlacao (facilita a visualisacao)
rplot(legend = TRUE, print_cor = TRUE) + # cria o grafico e faz edicoes
labs(title = "Todos os dados", color = "Correlação de Pearson") +
theme(
axis.text.x = element_text(angle = 30, vjus = 1, hjust = 1),
legend.position = "bottom"
) +
guides(alpha = "none", size = "none") +
ggsave("cor_brasil.png", width = 8, height = 8)
df %>%
filter(sigla_da_ies == "UNIVAG") %>% # filtra so os cursos da univag
select_if(is.numeric) %>%
correlate() %>%
rearrange() %>%
rplot(legend = TRUE, print_cor = TRUE) +
labs(title = "Cursos da UNIVAG", color = "Correlação de Pearson") +
theme(
axis.text.x = element_text(angle = 30, vjus = 1, hjust = 1),
legend.position = "bottom"
) +
guides(alpha = "none", size = "none") +
ggsave("cor_univag.png", width = 8, height = 8)
# stepwise ----------------------------------------------------------------
df_step <- df %>%
filter(sigla_da_ies == "UNIVAG") %>%
select_if(is.numeric)
mod_cpc <- lm(cpc_continuo ~ ., data = df_step) # determina o modelo, cpc contra todas as variaveis
step_mod_cpc <- ols_step_both_p(mod_cpc) # aplica metodo stepwise para identificar variaveis influentes
step_mod_cpc
mod_idd <- lm(nota_idd ~ ., data = df_step)
step_mod_idd <- ols_step_both_p(mod_idd)
step_mod_idd
# nota dos cursos ----------------------------------------------------------
df %>%
filter(sigla_da_ies == "UNIVAG") %>%
ggplot(aes(nota_idd, cpc_continuo, label = area_de_enquadramento)) +
geom_smooth(method = "lm", se = FALSE, color = "#6baed6", fullrange = TRUE) +
geom_point(size = 3, size = 2, color = "#084594") +
geom_label_repel(size = 3, alpha = 0.7, seed = 50) +
lims(x = c(0, 5), y = c(0, 5)) +
theme_bw() +
ggsave("idd_cpc_univag.png", width = 9, height = 7)
df %>%
filter(sigla_da_ies == "UNIVAG") %>%
ggplot(aes(nota_idd, cpc_continuo, label = area_de_enquadramento)) +
geom_smooth(data = df, method = "lm", se = FALSE, color = "black", alpha = 0.6) +
geom_point(data = df, alpha = 0.05) +
geom_smooth(method = "lm", se = FALSE, color = "#6baed6", fullrange = TRUE) +
geom_point(size = 3, size = 2, color = "#084594") +
geom_label_repel(size = 3, alpha = 0.7, seed = 50) +
lims(x = c(0, 5), y = c(0, 5)) +
theme_bw() +
ggsave("idd_cpc_brasil_univag.png", width = 9, height = 7)
# loop notas por curso ----------------------------------------------------
lista_cursos <- df %>%
filter(sigla_da_ies == "UNIVAG") %>%
pull(area_de_enquadramento) %>%
unique()
for (i in seq_along(lista_cursos)) {
df %>%
filter(area_de_enquadramento == lista_cursos[i]) %>%
select_if(function(x) is.numeric(x) | any(str_detect(x, "UNIVAG"))) %>%
gather(indice, valor, -sigla_da_ies) %>%
mutate(univag = ifelse(str_detect(sigla_da_ies, "UNIVAG"), "sim", "nao")) %>%
ggplot(aes(indice, valor)) +
geom_boxplot(outlier.color = NA) +
geom_jitter(aes(color = univag, alpha = univag, size = univag), show.legend = FALSE) +
facet_wrap(~indice, ncol = 1, scales = "free") +
labs(title = lista_cursos[i]) +
coord_flip() +
scale_color_manual(values = c("sim" = "#084594", "nao" = "grey70")) +
scale_alpha_manual(values = c("sim" = 1, "nao" = 0.2)) +
scale_size_manual(values = c("sim" = 3, "nao" = 1.5)) +
theme_bw() +
theme(strip.text = element_blank()) +
ggsave(
str_glue('indices_curso_{limpa_nome(lista_cursos[i])}.png'),
width = 8, height = 10
)
}
R Package Documentation
Browse R Packages
We want your feedback!
Note that we can't provide technical support on individual packages. You should contact the package authors for that.
Embedding an R snippet on your website
Add the following code to your website.
For more information on customizing the embed code, read Embedding Snippets.