Explorando dados com Dplyr

.title[
# Explorando dados com Dplyr
]
.subtitle[
## Explorando Indicadores Sociais com R e RStudio
]
.author[
### Prof. Ronaldo Baltar, Prof.ª Cláudia S. Baltar
]

---

@media print {
  .has-continuation {
    display: block;
  }
}

code.r.hljs.remark-code{
  position: relative;
  overflow-x: hidden;
}

code.r.hljs.remark-code:hover{
  overflow-x:visible;
  width: 100%;
  border-top: 1px solid #5A0089;
  border-right: 1px solid #5A0089;
  border-bottom: 1px solid #5A0089;
  border-left: 1px solid #5A0089;
  
}

.remark-code-line-highlighted {
    background-color: #e9ddfe;
}
</style>

# Explorando dados com {dplyr}

Esta é uma atividade do curso Explorando Indicadores Sociais, promovido peloo Programa de Formação Complementar em Informática para Pesquisa Social - *InfoSoc*, coordenado pelo Prof. Ronaldo Baltar, em parceria com o Observatório de Populações e Políticas Públicas - *ObPPP*, coordenado pela Prof.ª Cláudia Siqueira Baltar, ambos vinculados ao Dept.º Ciências Sociais e ao Programa de Pós-graduação em Sociologia da Universidade Estadual de Londrina.

Acompanhe o passo a passo e veja os resultados de cada função. Em seguida, reproduza em seu computador os códigos para uma melhor compreensão dos resultados. Depois, faça os exercícios de fixação e compreensão dos conteúdos.

Vamos usar como exemplo as tabelas c_dic_tbl (dados dos censos demográficos IBGE de 1991, 2000 e 2010) e r_dic_tbl (dados de registros administrativos como RAIS, IDEB e outros), material extraído da base de indicadores sociais do Atlas Brasil (IPEA/PNUD/FJP).

---

# O uso do Pipe %>%

---
O pipe tem o objeto de ajudar a escrever o código como um fluxo de funções, passando os dados de uma a outra operação, sem a necessidade de explicitamente ter que ser fazer referência à tabela de dados.

```r
# Selecionar as variáveis ANO e IDHM sem o pipe
*select(c_dic_tbl, ANO, IDHM)
```
]
 
.panel2-passo01-auto[

```
# A tibble: 16,695 × 2
     ANO  IDHM
   <dbl> <dbl>
 1  1991 0.329
 2  1991 0.432
 3  1991 0.309
 4  1991 0.407
 5  1991 0.386
 6  1991 0.376
 7  1991 0.203
 8  1991 0.425
 9  1991 0.388
10  1991 0.468
# … with 16,685 more rows
```
]

---
count: false
 
### Com e sem o uso do pipe
.panel1-passo01-auto[

```r
# Selecionar as variáveis ANO e IDHM sem o pipe
select(c_dic_tbl, ANO, IDHM)

# Com o pipe magrittr
*c_dic_tbl
```
]
 
.panel2-passo01-auto[

```
# A tibble: 16,695 × 237
     ANO    UF Codmun6 Codmun7 Munic…¹ ESPVIDA FECTOT MORT1 MORT5 RAZDEP SOBRE40
   <dbl> <dbl>   <dbl>   <dbl> <chr>     <dbl>  <dbl> <dbl> <dbl>  <dbl>   <dbl>
 1  1991    11  110001 1100015 ALTA F…    62.0   4.08  45.6  58.0   73.5    83.8
 2  1991    11  110002 1100023 ARIQUE…    66.0   3.72  32.4  41.4   70.0    88.1
 3  1991    11  110003 1100031 CABIXI     63.2   3.89  41.5  52.9   77.2    85.1
 4  1991    11  110004 1100049 CACOAL     65.0   3.81  35.4  45.2   71.1    87.1
 5  1991    11  110005 1100056 CEREJE…    62.7   3.55  43    54.8   71.1    84.6
 6  1991    11  110006 1100064 COLORA…    64.5   3.38  37.2  47.5   75.8    86.5
 7  1991    11  110007 1100072 CORUMB…    59.3   3.95  56.0  71.2   83.0    80.6
 8  1991    11  110008 1100080 COSTA …    62.8   4.19  42.9  54.7   86.4    84.6
 9  1991    11  110009 1100098 ESPIGÃ…    64.2   3.84  38.1  48.6   74.2    86.2
10  1991    11  110010 1100106 GUAJAR…    64.7   4.19  36.4  46.5   81.0    86.7
# … with 16,685 more rows, 226 more variables: SOBRE60 <dbl>, T_ENV <dbl>,
#   E_ANOSESTUDO <dbl>, T_ANALF11A14 <dbl>, T_ANALF15A17 <dbl>,
#   T_ANALF15M <dbl>, T_ANALF18A24 <dbl>, T_ANALF18M <dbl>, T_ANALF25A29 <dbl>,
#   T_ANALF25M <dbl>, T_ATRASO_0_BASICO <dbl>, T_ATRASO_0_FUND <dbl>,
#   T_ATRASO_0_MED <dbl>, T_ATRASO_1_BASICO <dbl>, T_ATRASO_1_FUND <dbl>,
#   T_ATRASO_1_MED <dbl>, T_ATRASO_2_BASICO <dbl>, T_ATRASO_2_FUND <dbl>,
#   T_ATRASO_2_MED <dbl>, T_FBBAS <dbl>, T_FBFUND <dbl>, T_FBMED <dbl>, …
```
]

---
count: false
 
### Com e sem o uso do pipe
.panel1-passo01-auto[

```r
# Selecionar as variáveis ANO e IDHM sem o pipe
select(c_dic_tbl, ANO, IDHM)

# Com o pipe magrittr
c_dic_tbl %>%
* select(ANO, IDHM)
```
]
 
.panel2-passo01-auto[

---
count: false
 
### Com e sem o uso do pipe
.panel1-passo01-auto[

```r
# Selecionar as variáveis ANO e IDHM sem o pipe
select(c_dic_tbl, ANO, IDHM)

# Com o pipe magrittr
c_dic_tbl %>%
  select(ANO, IDHM)
```
]
 
.panel2-passo01-auto[

---

# Selecionar variáveis: select()

---

```r
# Selecionar as variáveis escolhidas
*c_dic_tbl
```
]
 
.panel2-passo02-auto[

---
count: false
 
### Quais variáveis você irá escolher?
.panel1-passo02-auto[

```r
# Selecionar as variáveis escolhidas
c_dic_tbl %>%
* select(ANO, Município, IDHM)
```
]
 
.panel2-passo02-auto[

```
# A tibble: 16,695 × 3
     ANO Município              IDHM
   <dbl> <chr>                 <dbl>
 1  1991 ALTA FLORESTA D'OESTE 0.329
 2  1991 ARIQUEMES             0.432
 3  1991 CABIXI                0.309
 4  1991 CACOAL                0.407
 5  1991 CEREJEIRAS            0.386
 6  1991 COLORADO DO OESTE     0.376
 7  1991 CORUMBIARA            0.203
 8  1991 COSTA MARQUES         0.425
 9  1991 ESPIGÃO D'OESTE       0.388
10  1991 GUAJARÁ-MIRIM         0.468
# … with 16,685 more rows
```
]

---

```r
# Selecionar todas as variáveis, menos as especificadas com -
*c_dic_tbl
```
]
 
.panel2-passo03-auto[

---
count: false
 
### Quais variáveis você não vai escolher !
.panel1-passo03-auto[

```r
# Selecionar todas as variáveis, menos as especificadas com -
c_dic_tbl %>%
* select(-Município, -Codmun6, -Codmun7)
```
]
 
.panel2-passo03-auto[

```
# A tibble: 16,695 × 234
     ANO    UF ESPVIDA FECTOT MORT1 MORT5 RAZDEP SOBRE40 SOBRE60 T_ENV E_ANOSE…¹
   <dbl> <dbl>   <dbl>  <dbl> <dbl> <dbl>  <dbl>   <dbl>   <dbl> <dbl>     <dbl>
 1  1991    11    62.0   4.08  45.6  58.0   73.5    83.8    66.9  1.82      6.68
 2  1991    11    66.0   3.72  32.4  41.4   70.0    88.1    74.2  1.82      7.86
 3  1991    11    63.2   3.89  41.5  52.9   77.2    85.1    69    2.59      7.43
 4  1991    11    65.0   3.81  35.4  45.2   71.1    87.1    72.4  2.47      8.34
 5  1991    11    62.7   3.55  43    54.8   71.1    84.6    68.2  2.46      8.14
 6  1991    11    64.5   3.38  37.2  47.5   75.8    86.5    71.4  2.71      8.68
 7  1991    11    59.3   3.95  56.0  71.2   83.0    80.6    61.9  1.68      7.01
 8  1991    11    62.8   4.19  42.9  54.7   86.4    84.6    68.3  2.49      7.42
 9  1991    11    64.2   3.84  38.1  48.6   74.2    86.2    70.9  2.14      7.92
10  1991    11    64.7   4.19  36.4  46.5   81.0    86.7    71.8  3.56      7.88
# … with 16,685 more rows, 223 more variables: T_ANALF11A14 <dbl>,
#   T_ANALF15A17 <dbl>, T_ANALF15M <dbl>, T_ANALF18A24 <dbl>, T_ANALF18M <dbl>,
#   T_ANALF25A29 <dbl>, T_ANALF25M <dbl>, T_ATRASO_0_BASICO <dbl>,
#   T_ATRASO_0_FUND <dbl>, T_ATRASO_0_MED <dbl>, T_ATRASO_1_BASICO <dbl>,
#   T_ATRASO_1_FUND <dbl>, T_ATRASO_1_MED <dbl>, T_ATRASO_2_BASICO <dbl>,
#   T_ATRASO_2_FUND <dbl>, T_ATRASO_2_MED <dbl>, T_FBBAS <dbl>, T_FBFUND <dbl>,
#   T_FBMED <dbl>, T_FBPRE <dbl>, T_FBSUPER <dbl>, T_FLBAS <dbl>, …
```
]

---

count: false
 
### Selecionar variáveis com base nos caracteres iniciais
.panel1-passo04-auto[

```r
# Selecionar as variáveis que começam com IDHM
*c_dic_tbl
```
]
 
.panel2-passo04-auto[

---
count: false
 
### Selecionar variáveis com base nos caracteres iniciais
.panel1-passo04-auto[

```r
# Selecionar as variáveis que começam com IDHM
c_dic_tbl %>%
* select(starts_with("IDHM"))
```
]
 
.panel2-passo04-auto[

```
# A tibble: 16,695 × 4
    IDHM IDHM_E IDHM_L IDHM_R
   <dbl>  <dbl>  <dbl>  <dbl>
 1 0.329  0.112  0.617  0.516
 2 0.432  0.199  0.684  0.593
 3 0.309  0.108  0.636  0.43 
 4 0.407  0.171  0.667  0.593
 5 0.386  0.167  0.629  0.547
 6 0.376  0.151  0.658  0.536
 7 0.203  0.039  0.572  0.373
 8 0.425  0.22   0.629  0.553
 9 0.388  0.159  0.653  0.561
10 0.468  0.247  0.662  0.625
# … with 16,685 more rows
```
]

---

count: false
 
### Selecionar variáveis com base nos caracteres finais
.panel1-passo05-auto[

```r
*# Selecionar as variáveis que terminam 18M (18 ou mais anos)  # Selecionar as variáveis que terminam 18M (18 ou mais anos)
```
]
 
.panel2-passo05-auto[

]

---
count: false
 
### Selecionar variáveis com base nos caracteres finais
.panel1-passo05-auto[

```r
# Selecionar as variáveis que terminam 18M (18 ou mais anos)  # Selecionar as variáveis que terminam 18M (18 ou mais anos)
*c_dic_tbl
```
]
 
.panel2-passo05-auto[

---
count: false
 
### Selecionar variáveis com base nos caracteres finais
.panel1-passo05-auto[

```r
# Selecionar as variáveis que terminam 18M (18 ou mais anos)  # Selecionar as variáveis que terminam 18M (18 ou mais anos)
c_dic_tbl %>%
* select(ends_with("18M"))
```
]
 
.panel2-passo05-auto[

```
# A tibble: 16,695 × 7
   T_ANALF18M T_FUND18M T_MED18M T_ATIV18M T_DES18M PEA18M PIA18M
        <dbl>     <dbl>    <dbl>     <dbl>    <dbl>  <dbl>  <dbl>
 1       25.7     11.6      4.74        NA       NA     NA     NA
 2       18.4     20.0     10.2         NA       NA     NA     NA
 3       27.1     11.1      5.18        NA       NA     NA     NA
 4       23.3     17.6      8.83        NA       NA     NA     NA
 5       22.3     15.2      7.67        NA       NA     NA     NA
 6       28.1     14.8      7.31        NA       NA     NA     NA
 7       34.1      3.49     2.1         NA       NA     NA     NA
 8       20.8     23.6     14.5         NA       NA     NA     NA
 9       24.2     15.8      7.36        NA       NA     NA     NA
10       18.1     31.9     19.4         NA       NA     NA     NA
# … with 16,685 more rows
```
]

---

```r
# Selecionar as variáveis de IDHM até IDHM_R
*c_dic_tbl
```
]
 
.panel2-passo06-auto[

---
count: false
 
### Selecionar variáveis em sequência
.panel1-passo06-auto[

```r
# Selecionar as variáveis de IDHM até IDHM_R
c_dic_tbl %>%
* select(IDHM : IDHM_R)
```
]
 
.panel2-passo06-auto[

---

# Operações com as colunas (variáveis)

---

```r
# Reposicionar as variáveis na tabela
*c_dic_tbl
```
]
 
.panel2-passo07-auto[

---
count: false
 
### Mudar a posição das variáveis
.panel1-passo07-auto[

```r
# Reposicionar as variáveis na tabela
c_dic_tbl %>%
* relocate(IDHM, IDHM_R)
```
]
 
.panel2-passo07-auto[

```
# A tibble: 16,695 × 237
    IDHM IDHM_R   ANO    UF Codmun6 Codmun7 Município ESPVIDA FECTOT MORT1 MORT5
   <dbl>  <dbl> <dbl> <dbl>   <dbl>   <dbl> <chr>       <dbl>  <dbl> <dbl> <dbl>
 1 0.329  0.516  1991    11  110001 1100015 ALTA FLO…    62.0   4.08  45.6  58.0
 2 0.432  0.593  1991    11  110002 1100023 ARIQUEMES    66.0   3.72  32.4  41.4
 3 0.309  0.43   1991    11  110003 1100031 CABIXI       63.2   3.89  41.5  52.9
 4 0.407  0.593  1991    11  110004 1100049 CACOAL       65.0   3.81  35.4  45.2
 5 0.386  0.547  1991    11  110005 1100056 CEREJEIR…    62.7   3.55  43    54.8
 6 0.376  0.536  1991    11  110006 1100064 COLORADO…    64.5   3.38  37.2  47.5
 7 0.203  0.373  1991    11  110007 1100072 CORUMBIA…    59.3   3.95  56.0  71.2
 8 0.425  0.553  1991    11  110008 1100080 COSTA MA…    62.8   4.19  42.9  54.7
 9 0.388  0.561  1991    11  110009 1100098 ESPIGÃO …    64.2   3.84  38.1  48.6
10 0.468  0.625  1991    11  110010 1100106 GUAJARÁ-…    64.7   4.19  36.4  46.5
# … with 16,685 more rows, and 226 more variables: RAZDEP <dbl>, SOBRE40 <dbl>,
#   SOBRE60 <dbl>, T_ENV <dbl>, E_ANOSESTUDO <dbl>, T_ANALF11A14 <dbl>,
#   T_ANALF15A17 <dbl>, T_ANALF15M <dbl>, T_ANALF18A24 <dbl>, T_ANALF18M <dbl>,
#   T_ANALF25A29 <dbl>, T_ANALF25M <dbl>, T_ATRASO_0_BASICO <dbl>,
#   T_ATRASO_0_FUND <dbl>, T_ATRASO_0_MED <dbl>, T_ATRASO_1_BASICO <dbl>,
#   T_ATRASO_1_FUND <dbl>, T_ATRASO_1_MED <dbl>, T_ATRASO_2_BASICO <dbl>,
#   T_ATRASO_2_FUND <dbl>, T_ATRASO_2_MED <dbl>, T_FBBAS <dbl>, …
```
]

---

```r
# Criar uma nova coluna
*c_dic_tbl
```
]
 
.panel2-passo08-auto[

---
count: false
 
### Criar uma nova coluna com mutate()
.panel1-passo08-auto[

```r
# Criar uma nova coluna
c_dic_tbl %>%
* mutate(t_urbanizacao = pesourb / pesotot)
```
]
 
.panel2-passo08-auto[

```
# A tibble: 16,695 × 238
     ANO    UF Codmun6 Codmun7 Munic…¹ ESPVIDA FECTOT MORT1 MORT5 RAZDEP SOBRE40
   <dbl> <dbl>   <dbl>   <dbl> <chr>     <dbl>  <dbl> <dbl> <dbl>  <dbl>   <dbl>
 1  1991    11  110001 1100015 ALTA F…    62.0   4.08  45.6  58.0   73.5    83.8
 2  1991    11  110002 1100023 ARIQUE…    66.0   3.72  32.4  41.4   70.0    88.1
 3  1991    11  110003 1100031 CABIXI     63.2   3.89  41.5  52.9   77.2    85.1
 4  1991    11  110004 1100049 CACOAL     65.0   3.81  35.4  45.2   71.1    87.1
 5  1991    11  110005 1100056 CEREJE…    62.7   3.55  43    54.8   71.1    84.6
 6  1991    11  110006 1100064 COLORA…    64.5   3.38  37.2  47.5   75.8    86.5
 7  1991    11  110007 1100072 CORUMB…    59.3   3.95  56.0  71.2   83.0    80.6
 8  1991    11  110008 1100080 COSTA …    62.8   4.19  42.9  54.7   86.4    84.6
 9  1991    11  110009 1100098 ESPIGÃ…    64.2   3.84  38.1  48.6   74.2    86.2
10  1991    11  110010 1100106 GUAJAR…    64.7   4.19  36.4  46.5   81.0    86.7
# … with 16,685 more rows, 227 more variables: SOBRE60 <dbl>, T_ENV <dbl>,
#   E_ANOSESTUDO <dbl>, T_ANALF11A14 <dbl>, T_ANALF15A17 <dbl>,
#   T_ANALF15M <dbl>, T_ANALF18A24 <dbl>, T_ANALF18M <dbl>, T_ANALF25A29 <dbl>,
#   T_ANALF25M <dbl>, T_ATRASO_0_BASICO <dbl>, T_ATRASO_0_FUND <dbl>,
#   T_ATRASO_0_MED <dbl>, T_ATRASO_1_BASICO <dbl>, T_ATRASO_1_FUND <dbl>,
#   T_ATRASO_1_MED <dbl>, T_ATRASO_2_BASICO <dbl>, T_ATRASO_2_FUND <dbl>,
#   T_ATRASO_2_MED <dbl>, T_FBBAS <dbl>, T_FBFUND <dbl>, T_FBMED <dbl>, …
```
]

---
count: false
 
### Criar uma nova coluna com mutate()
.panel1-passo08-auto[

```r
# Criar uma nova coluna
c_dic_tbl %>%
  mutate(t_urbanizacao = pesourb / pesotot) %>%
* select(Município, t_urbanizacao)
```
]
 
.panel2-passo08-auto[

```
# A tibble: 16,695 × 2
   Município             t_urbanizacao
   <chr>                         <dbl>
 1 ALTA FLORESTA D'OESTE         0.398
 2 ARIQUEMES                     0.797
 3 CABIXI                        0.250
 4 CACOAL                        0.612
 5 CEREJEIRAS                    0.726
 6 COLORADO DO OESTE             0.596
 7 CORUMBIARA                    0    
 8 COSTA MARQUES                 0.847
 9 ESPIGÃO D'OESTE               0.483
10 GUAJARÁ-MIRIM                 0.841
# … with 16,685 more rows
```
]

---

# Operações com as linhas (casos) e colunas (variáveis)

---

```r
# Criar uma nova coluna
*c_dic_tbl
```
]
 
.panel2-passo09-auto[

---
count: false
 
### Criar uma nova coluna com mutate()
.panel1-passo09-auto[

```r
# Criar uma nova coluna
c_dic_tbl %>%
* mutate(t_urbanizacao = pesourb / pesotot)
```
]
 
.panel2-passo09-auto[

---
count: false
 
### Criar uma nova coluna com mutate()
.panel1-passo09-auto[

```r
# Criar uma nova coluna
c_dic_tbl %>%
  mutate(t_urbanizacao = pesourb / pesotot) %>%
* select(Município, t_urbanizacao)
```
]
 
.panel2-passo09-auto[

---

count: false
 
### Apresentando os dados em ordem com arrange()
.panel1-passo10-auto[

```r
# exibindo os 10 municípios com maior IDHM
*  c_dic_tbl
```
]
 
.panel2-passo10-auto[

---
count: false
 
### Apresentando os dados em ordem com arrange()
.panel1-passo10-auto[

```r
# exibindo os 10 municípios com maior IDHM
   c_dic_tbl %>%
*    filter(ANO == 2010)
```
]
 
.panel2-passo10-auto[

```
# A tibble: 5,565 × 237
     ANO    UF Codmun6 Codmun7 Munic…¹ ESPVIDA FECTOT MORT1 MORT5 RAZDEP SOBRE40
   <dbl> <dbl>   <dbl>   <dbl> <chr>     <dbl>  <dbl> <dbl> <dbl>  <dbl>   <dbl>
 1  2010    11  110001 1100015 ALTA F…    70.8   2.24  23.8  25.5   47.4    94.5
 2  2010    11  110002 1100023 ARIQUE…    73.4   1.91  19.2  20.5   46.7    96.1
 3  2010    11  110003 1100031 CABIXI     70.4   2.15  24.8  26.6   48.1    94.3
 4  2010    11  110004 1100049 CACOAL     74.3   1.9   14.3  15.4   43.8    96.4
 5  2010    11  110005 1100056 CEREJE…    72.9   2.12  18.1  19.4   45.7    95.8
 6  2010    11  110006 1100064 COLORA…    73.8   1.89  16.1  17.3   45.8    96.2
 7  2010    11  110007 1100072 CORUMB…    71.4   2.29  21.9  23.4   46.3    94.9
 8  2010    11  110008 1100080 COSTA …    70.0   2.72  25.8  27.7   60.1    94.0
 9  2010    11  110009 1100098 ESPIGÃ…    74.2   2.22  15.4  16.5   46.8    96.4
10  2010    11  110010 1100106 GUAJAR…    74.4   2.61  14.8  15.9   56.7    96.5
# … with 5,555 more rows, 226 more variables: SOBRE60 <dbl>, T_ENV <dbl>,
#   E_ANOSESTUDO <dbl>, T_ANALF11A14 <dbl>, T_ANALF15A17 <dbl>,
#   T_ANALF15M <dbl>, T_ANALF18A24 <dbl>, T_ANALF18M <dbl>, T_ANALF25A29 <dbl>,
#   T_ANALF25M <dbl>, T_ATRASO_0_BASICO <dbl>, T_ATRASO_0_FUND <dbl>,
#   T_ATRASO_0_MED <dbl>, T_ATRASO_1_BASICO <dbl>, T_ATRASO_1_FUND <dbl>,
#   T_ATRASO_1_MED <dbl>, T_ATRASO_2_BASICO <dbl>, T_ATRASO_2_FUND <dbl>,
#   T_ATRASO_2_MED <dbl>, T_FBBAS <dbl>, T_FBFUND <dbl>, T_FBMED <dbl>, …
```
]

---
count: false
 
### Apresentando os dados em ordem com arrange()
.panel1-passo10-auto[

```r
# exibindo os 10 municípios com maior IDHM
   c_dic_tbl %>%
     filter(ANO == 2010) %>%
*    arrange(desc(IDHM))
```
]
 
.panel2-passo10-auto[

```
# A tibble: 5,565 × 237
     ANO    UF Codmun6 Codmun7 Munic…¹ ESPVIDA FECTOT MORT1 MORT5 RAZDEP SOBRE40
   <dbl> <dbl>   <dbl>   <dbl> <chr>     <dbl>  <dbl> <dbl> <dbl>  <dbl>   <dbl>
 1  2010    35  354880 3548807 SÃO CA…    78.2   1.3    9.5  11.0   41.1    95.8
 2  2010    35  350060 3500600 ÁGUAS …    78.4   1.32   9.3  10.8   52.8    95.9
 3  2010    42  420540 4205407 FLORIA…    77.4   1.23  10.8  12.1   34.1    95.4
 4  2010    32  320530 3205309 VITÓRIA    76.3   1.38  11.4  13.3   37.9    93.1
 5  2010    42  420200 4202008 BALNEÁ…    78.6   1.31   8.7  10.2   34.7    95.9
 6  2010    35  354850 3548500 SANTOS     76.1   1.25  13.7  15.4   44.5    95.1
 7  2010    33  330330 3303302 NITERÓI    76.2   1.41  12.9  14.5   40.5    93.4
 8  2010    42  420900 4209003 JOAÇABA    78.4   1.65   9.2  10.8   38.8    95.9
 9  2010    53  530010 5300108 BRASÍL…    77.4   1.75  14.0  15.8   40.1    94.6
10  2010    41  410690 4106902 CURITI…    76.3   1.58  11.9  13.6   38.0    94.7
# … with 5,555 more rows, 226 more variables: SOBRE60 <dbl>, T_ENV <dbl>,
#   E_ANOSESTUDO <dbl>, T_ANALF11A14 <dbl>, T_ANALF15A17 <dbl>,
#   T_ANALF15M <dbl>, T_ANALF18A24 <dbl>, T_ANALF18M <dbl>, T_ANALF25A29 <dbl>,
#   T_ANALF25M <dbl>, T_ATRASO_0_BASICO <dbl>, T_ATRASO_0_FUND <dbl>,
#   T_ATRASO_0_MED <dbl>, T_ATRASO_1_BASICO <dbl>, T_ATRASO_1_FUND <dbl>,
#   T_ATRASO_1_MED <dbl>, T_ATRASO_2_BASICO <dbl>, T_ATRASO_2_FUND <dbl>,
#   T_ATRASO_2_MED <dbl>, T_FBBAS <dbl>, T_FBFUND <dbl>, T_FBMED <dbl>, …
```
]

---
count: false
 
### Apresentando os dados em ordem com arrange()
.panel1-passo10-auto[

```r
# exibindo os 10 municípios com maior IDHM
   c_dic_tbl %>%
     filter(ANO == 2010) %>%
     arrange(desc(IDHM)) %>%
*    select(Município, IDHM)
```
]
 
.panel2-passo10-auto[

```
# A tibble: 5,565 × 2
   Município           IDHM
   <chr>              <dbl>
 1 SÃO CAETANO DO SUL 0.862
 2 ÁGUAS DE SÃO PEDRO 0.854
 3 FLORIANÓPOLIS      0.847
 4 VITÓRIA            0.845
 5 BALNEÁRIO CAMBORIÚ 0.845
 6 SANTOS             0.84 
 7 NITERÓI            0.837
 8 JOAÇABA            0.827
 9 BRASÍLIA           0.824
10 CURITIBA           0.823
# … with 5,555 more rows
```
]

---
count: false
 
### Apresentando os dados em ordem com arrange()
.panel1-passo10-auto[

```r
# exibindo os 10 municípios com maior IDHM
   c_dic_tbl %>%
     filter(ANO == 2010) %>%
     arrange(desc(IDHM)) %>%
     select(Município, IDHM) %>%
*    head(10)
```
]
 
.panel2-passo10-auto[

```
# A tibble: 10 × 2
   Município           IDHM
   <chr>              <dbl>
 1 SÃO CAETANO DO SUL 0.862
 2 ÁGUAS DE SÃO PEDRO 0.854
 3 FLORIANÓPOLIS      0.847
 4 VITÓRIA            0.845
 5 BALNEÁRIO CAMBORIÚ 0.845
 6 SANTOS             0.84 
 7 NITERÓI            0.837
 8 JOAÇABA            0.827
 9 BRASÍLIA           0.824
10 CURITIBA           0.823
```
]

---

count: false
 
### Apresentando os dados em ordem com arrange()
.panel1-passo10b-auto[

```r
# exibindo os 10 municípios com menor IDHM
*  c_dic_tbl
```
]
 
.panel2-passo10b-auto[