O próximo pacote R da nossa série é o electionsBR de Denisson Silva, Fernando Meireles, e Beatriz Costa. Assim como o SciencesPo, também lida com dados de política – neste caso, eleições brasileiras. O pacote faz o download, organiza e agrega os dados do Tribunal Superior Eleitoral para os anos 1996-2016. Neste post, vamos dar uma olhada nas suas principais funções. Primeiro, pode instalar e carregar o pacote assim:


install.packages("electionsBR")
library(electionsBR)

Para ver a lista complete das funções, digite: help(package = "electionsBR"). Por exemplo, o pacote tem a função candidate_fed(), que baixa os dados dos candidatos nas eleições federais no Brasil.

Esses dados têm detalhes das profissões dos candidatos, partidos, data de nascimento, etc. Vamos ver a descrição das profissões dos candidatos para Governador nos estados de São Paulo, Rio de Janeiro, Minas Gerias e Bahia nas eleições federais de 2006:


library(tidyverse)
cand <- candidate_fed(year = 2006)
gov <- cand %>%
  filter(DESCRICAO_CARGO == "GOVERNADOR",
         SIGLA_UF %in% c("BA", "MG", "SP", "RJ"))
ggplot(gov, aes(x = DESCRICAO_OCUPACAO)) +
  geom_bar() +
  coord_flip() +
  theme_classic() +
  labs(y = "", x = "")

electionsBR 2
O pacote também pode ser usado para analisar dados de eleições locais. Por exemplo, podemos ver a quantidade de candidatos que cada partido no Sul tinha para o cargo de prefeito nas eleições de 2016 – que mostra a forte presença tradicional do PT e PP no Rio Grande do Sul, por exemplo.


par <- party_mun_zone_local(year = 2016)
sul <- par %>%
  filter(SIGLA_UF %in% c("RS", "PR", "SC"),
         DESCRICAO_CARGO == "Prefeito")
ggplot(sul, aes(x =SIGLA_PARTIDO)) +
  geom_bar() +
  coord_flip() +
  facet_wrap(nrow = 1, ~ SIGLA_UF) +
  labs(x = "", y = "")

parties electionsBR
E o pacote possui mais funções para ver os resultados das eleições, sejam locais ou federais. Também podemos analisar, por exemplo, os eleitores. A função voter_affiliation() faz o download e arruma dados das afiliações dos eleitores aos partidos. A função tem dois argumentos, party e uf, que indica que podemos investigar só um estado e partido por vez. Neste exemplo, vou ver quantos comunistas temos no Acre, e em qual município.


v_ac <- voter_affiliation(party = "PC do B", uf = "AC") %>%
      filter(SITUACAO_DO_REGISTRO == "REGULAR") %>%
      group_by(NOME_DO_MUNICIPIO) %>%
      summarise(N = n()) %>%
      arrange(desc(N)) %>%
      top_n(n = 10)
# install.packages("knitr")
knitr::kable(v_ac, "markdown")
NOME DO MUNICIPIO
TARAUACÁ 2119
RIO BRANCO 1870
CRUZEIRO DO SUL 731
ASSIS BRASIL 374
MÂNCIO LIMA 364
JORDÃO 358
FEIJÓ 252
BRASILÉIA 237
SENADOR GUIOMARD 186
PLÁCIDO DE CASTRO 182

Rio Branco não é uma surpresa, dado que é a cidade maior do estado, e tem boa chance que vai ter mais membros do partido do que outros lugares. Tarauacá, contudo, é a quarta cidade em termos de população.
electionsBR tem bem mais para explorar, e os dados são ricos e vêm em bases grandes (eventualmente, pode demorar um pouco para baixar tudo). É um ótimo pacote para utilizar nas suas análises das eleições no Brasil. É ótimo para incluir na produção de mapas, por exemplo.

Gostando da série? Veja o primeiro post: SciencesPo e SoudexBR

Por Robert McDonnell

Pesquisador e Cientista de Dados, doutorado em Relações Internacionais pela USP. Especialista em R, Visualização de Dados e estatística Bayesiana.