#Obtenção de Variáveis do Censo para o cálculo do Índice de Vulnerabilidade Social Costeiro #Aplicação nos municípios costeiros do Brasil #Menor unidade de análise: setor censitário #Carregando pacotes------------ #packages<-c('ggplot2','utils','readxl','dplyr','sf','matrixStats','classInt','reshape','nngeo','sf','Rarity') rm(list=ls()) ## Removendo as variáveis packages<-c('ggplot2','readxl','dplyr','sf','gdata') package.check <- lapply(packages, FUN = function(x) { if (!require(x, character.only = TRUE)) { install.packages(x, dependencies = TRUE) library(x, character.only = TRUE) } }) ##Selecionando apenas municípios costeiros ##Shape editado por Cibele m<-read_sf('input_data/municipios_defrontantes2010.shp') # m[which(m$CD_GCMUN=='4220000'),'CD_GCMUN']<-'4207007' coast_mun<-as.numeric(m$GEOCODIGO) coast_states<-as.numeric(unique(substring(m$GEOCODIGO,0,2))) # coast_mun<-append(coast_mun,"4202305") #Shapefile: setores de 2010-------------- #Os dados daque em diante não estão no projeto do github, por questões de espaço de armazenamento files<-list.files('/home/gandra/github/censoIBGE/input_data/IBGE_raw_data/setores', pattern = ".shp",full.names = T) m<-list() i=2 for(i in 1:length(files)){ print(files[i]) df<-read_sf(files[i],options="ENCODING=Windows-1252") df<-st_transform(df,crs=4674) # substring(df$CD_GEOCODM,1,2) df<-df%>%transmute(cod_setor=as.numeric(CD_GEOCODI), cod_uf=as.numeric(substring(df$CD_GEOCODI,1,2)), tipo=TIPO, cod_mun=CD_GEOCODM,nome_mun=NM_MUNICIP, geometry=geometry) # plot(df[5]) m[[i]] <- df } set_sf = as.data.frame(do.call(rbind, m)) set_sf = st_sf(set_sf) #Filtrando municipios costeiros set_sf<-set_sf%>%filter(cod_mun %in% coast_mun) # plot(set_sf[1]) #Conversão para shape write_sf(set_sf,"output_data/setores_costeiros.shp",delete_layer = T) #Fazendo um índice dos codigos dos setores para eliminar das análise futuras coast_setor<-set_sf$cod_setor #Básico---------------- files<-list.files('/home/gandra/github/censoIBGE/input_data/IBGE_raw_data', pattern = "Basico",full.names = T) muni<-list() i=15 for(i in 1:length(files)){ df<-read_xls(files[i]) length(unique(df$Nome_do_municipio)) df[is.na(df)] <- 0 df<-df%>%filter(Cod_setor %in% coast_setor)%>%transmute(cod_setor=Cod_setor, ndom=V001, mordom=V003, poptotal=V002, cod_mun=Cod_municipio, situacao=Situacao_setor, nome=Nome_do_municipio) muni[[i]] <- df } munibasico = as.data.frame(do.call(rbind, muni)) save.image() #Domicilio 02-------------- files<-list.files('/home/gandra/github/censoIBGE/input_data/IBGE_raw_data', pattern = "Domicilio02",full.names = T) muni<-list() for(i in 1:length(files)){ df<-read_xls(files[i]) df[is.na(df)] <- 0 df<-df%>%filter(Cod_setor %in% coast_setor)%>%transmute(cod_setor=Cod_setor, poptotaldom=as.numeric(V001),#este seria a população? domprop=as.numeric(V006)+as.numeric(V007), domalug=as.numeric(V008), cagua=as.numeric(V012), cbanhesg=as.numeric(V017), sbanh=as.numeric(V023), ccoletalixo=as.numeric(V030), cenergia=as.numeric(V039), senergia=as.numeric(V041), homens=as.numeric(V046), mulheres=as.numeric(V090)) muni[[i]] <- df } munidom2 = as.data.frame(do.call(rbind, muni)) save.image() #Pessoa01-------------- files<-list.files('/home/gandra/github/censoIBGE/input_data/IBGE_raw_data', pattern = "Pessoa01",full.names = T) i=15 muni<-list() for(i in 1:length(files)){ df<-read_xls(files[i]) df<-as.data.frame(lapply(df,as.numeric)) df[is.na(df)] <- 0 df<-df%>%filter(Cod_setor %in% coast_setor) df<-df%>%transmute(cod_setor=Cod_setor, alfabet=V001) muni[[i]] <- df } munipessoa1 = as.data.frame(do.call(rbind, muni)) save.image() #Pessoa03-------------- files<-list.files('/home/gandra/github/censoIBGE/input_data/IBGE_raw_data', pattern = "Pessoa03",full.names = T) i=15 muni<-list() for(i in 1:length(files)){ df<-read_xls(files[i]) df<-as.data.frame(lapply(df,as.numeric)) df[is.na(df)] <- 0 df<-df%>%filter(Cod_setor %in% coast_setor) df<-df%>%transmute(cod_setor=Cod_setor, raca=V003+V004+V005+V006) muni[[i]] <- df } munipessoa03 = as.data.frame(do.call(rbind, muni)) save.image() #Pessoa13-------------- files<-list.files('/home/gandra/github/censoIBGE/input_data/IBGE_raw_data', pattern = "Pessoa13",full.names = T) i=15 muni<-list() for(i in 1:length(files)){ df<-read_xls(files[i]) grep("V094", colnames(df)) grep("V039", colnames(df)) df<-as.data.frame(lapply(df,as.numeric)) df[is.na(df)] <- 0 df<-df%>%filter(Cod_setor %in% coast_setor) df<-df%>%transmute(cod_setor=Cod_setor, criancas=V022+V035+V036+V037+V038+V039+V040+V041+V042+V043+V044, idosos=rowSums(df[,c(96:136)]), pmais5=rowSums(df[,c(41:136)])) muni[[i]] <- df } munipessoa13 = as.data.frame(do.call(rbind, muni)) save.image() #DomicilioRenda-------------- files<-list.files('/home/gandra/github/censoIBGE/input_data/IBGE_raw_data', pattern = "DomicilioRenda",full.names = T) muni<-list() for(i in 1:length(files)){ df<-read_xls(files[i]) df<-as.data.frame(lapply(df,as.numeric)) df[is.na(df)] <- 0 df<-df%>%filter(Cod_setor %in% coast_setor) df<-df%>%transmute(cod_setor=Cod_setor, renda=V003, srenda=V014, abaixopob=V005) muni[[i]] <- df } munidomrenda = as.data.frame(do.call(rbind, muni)) save.image() #PessoaRenda-------------- files<-list.files('/home/gandra/github/censoIBGE/input_data/IBGE_raw_data', pattern = "PessoaRenda",full.names = T) muni<-list() for(i in 1:length(files)){ df<-read_xls(files[i]) df<-as.data.frame(lapply(df,as.numeric)) df[is.na(df)] <- 0 df<-df%>%filter(Cod_setor %in% coast_setor) df<-df%>%transmute(cod_setor=Cod_setor, rendavul=V001) muni[[i]] <- df } munipessoarenda = as.data.frame(do.call(rbind, muni)) save.image() #Entorno-------------- files<-list.files('/home/gandra/github/censoIBGE/input_data/IBGE_raw_data', pattern = "Entorno03",full.names = T) muni<-list() for(i in 1:length(files)){ df<-read_xls(files[i]) df<-as.data.frame(lapply(df,as.numeric)) df[is.na(df)] <- 0 df<-df%>%filter(Cod_setor %in% coast_setor) df<-df%>%transmute(cod_setor=Cod_setor, sempav=V436+V438+V440) muni[[i]] <- df } munientorno = as.data.frame(do.call(rbind, muni)) save.image() #Mesclando todas as planilhas------ load('.RData') setores<-merge(munibasico,munidomrenda,by='cod_setor') setores<-merge(setores,munipessoa1,by='cod_setor') setores<-merge(setores,munipessoa03,by='cod_setor') setores<-merge(setores,munidom2,by='cod_setor') setores<-merge(setores,munipessoa13,by='cod_setor') setores<-merge(setores,munipessoarenda,by='cod_setor') setores<-merge(setores,munientorno,by='cod_setor') setores_sf<-merge(set_sf,setores,by=c('cod_setor','cod_mun')) save.image() keep(setores,setores_sf,sure = T) write.csv(setores,"output_data/setores_indicadoresV2.csv") write_sf(setores_sf,"output_data/setores_indicadoresV2.shp") save.image('input_data/descritores_IVSCostV2.RData')