Corrida de Barras é uma forma divertida de apresentar resultados aos clientes e em apresentações. Nela é possível ver como os dados se alteram ao longo de um ciclo. Usarei a Linguagem R para demonstrar como criar este tipo de gráfico. Veja um exemplo abaixo referente a área de Florestas Plantadas no Brasil por Estado entre os anos de 2006 e 2019:

Dados

Os dados são referentes aos plantios comerciais de florestas nos estados brasileiros, entre os anos de 2006 e 2019. Foram selecionados apenas os plantios de Pinus e Eucalipto. Os dados que contemplam os anos de 2006 a 2016 foram coletados pela Indústria Brasileira de Árvores (Ibá) e fornecidos pelo site do Sistema Nacional de Informações Florestais (SNIF). Os valores dos anos de 2017 a 2019 foram obtidos no Relatório aual 2020 do Ibá.

Vamos olhar as primeiras linhas da tabela:

Você pode baixar a planilha completa neste link.

Código R

O código R foi inspirado em um script criado por Raja (2019). O script criado para este artigo pode ser consultado clicando neste link.

Pacotes

Foram usados os pacotes {ggplot2}, {gganimate}, {tidyverse}, {magrittr} e {lubridate}.

Para instala-los e carrega-los, usei a funcção m_load do pacote {gmourao}. Esta função instala, atualiza e carrega todos os pacotes necessários automaticamente.

# Instalando e carregando pacotes -----------------------------------------

# remotes::install_github("gustavohom/gmourao")

pkg <- c("ggplot2", "gganimate", "tidyverse", "magrittr", "lubridate")

gmourao::m_load(pkg)

Pré-processamento de dados

Primeiro inicie carregando os dados. Nesta parte do código: é criado uma coluna referente ao ano das informações; são retirados os valores Não informados e NA; são resumidas as áreas de florestas plantadas de eucalipto e pinus por Estado e Ano; são ranqueados os estados e apenas os dez primeiros colocados em cada ano permanecerão no gráfico.

# Carregando dados --------------------------------------------------------

dados <-read.csv(file = "c://dados.csv", 
                                   header = TRUE, sep = ";", dec = ".")

# Corrigindo e resumindo os dados -----------------------------------------


dados$Ano %<>% dmy %>% year(.)

dados %<>% drop_na (.) %>%
  as.tibble(.) %>% 
  filter(Estado != "Não informado") %>% 
  group_by(Estado, Ano)%>% 
  summarise(area = sum(Área..ha.))


# Ranquendo os dados ------------------------------------------------------


dados %<>%
  group_by(Ano) %>%
  mutate(rank = rank(-area),
         area_rel = area/area[rank==1],
         area_lbl = paste0(" ",area)) %>%
  group_by(Estado) %>%
  filter(rank <=10)%>%
  ungroup()
  

Construindo plotagens estáticas

Agora serão construidos todos as plotagens estáticas:

# Criando plot ------------------------------------------------------------


staticplot = ggplot(dados, aes(rank, group = Estado,
                                       fill = as.factor(Estado), color = as.factor(Estado))) +
  geom_tile(aes(y = area/2,
                height = area,
                width = 0.9), alpha = 0.8, color = NA) +
  geom_text(aes(y = 0, label = paste(Estado, " ")), vjust = 0.2, hjust = 1, size = 10) +
  geom_text(aes(y=area,label = area_lbl, hjust=0), size = 10) +
  coord_flip(clip = "off", expand = FALSE) +
  scale_y_continuous(labels = scales::comma) +
  scale_x_reverse() +
  guides(color = FALSE, fill = FALSE) +
  theme(axis.line=element_blank(),
        axis.text.x=element_blank(),
        axis.text.y=element_blank(),
        axis.ticks=element_blank(),
        axis.title.x=element_blank(),
        axis.title.y=element_blank(),
        legend.position="none",
        panel.background=element_blank(),
        panel.border=element_blank(),
        panel.grid.major=element_blank(),
        panel.grid.minor=element_blank(),
        panel.grid.major.x = element_line( size=.1, color="grey" ),
        panel.grid.minor.x = element_line( size=.1, color="grey" ),
        plot.title=element_text(size=35, hjust=0.5, face="bold", colour="black", vjust=-1),
        plot.subtitle=element_text(size=22, hjust=0.5, face="italic", color="black"),
        plot.caption =element_text(size=22, hjust=0.5, face="italic", color="grey"),
        plot.background=element_blank(),
        plot.margin = margin(2,5, 2, 10, "cm")
        )

Animação

Esta parte criará a animação

# Criando animação --------------------------------------------------------


anim = staticplot + transition_states(Ano, transition_length = 4, state_length = 1) +
  view_follow(fixed_x = TRUE)  +
  labs(title = 'Florestas Plantadas no Brasil no ano de: {closest_state}',
       subtitle  =  "Eucalipto e Pinus (Valor em hectares)",
       caption  = "Feito por Gustavo Mourão (https://mourao.netlify.app) | Fonte dos Dados: Ibá (2017, 2018, 2020)")

Renderização

Por fim será renderizada a animação em GIF e MP4.

GIF

animate(anim, 200, fps = 30,  width = 2000, height = 1000,
        renderer = gifski_renderer("gganerwqim.gif"))

MP4

animate(anim, 200, fps = 20,  width = 2000, height = 1000,
        renderer = ffmpeg_renderer()) -> for_mp4anim_save("animation.mp4", animation = for_mp4 )

Espero que tenha gostado. Que esse pequeno tutorial te sirva de inspiração. Até uma próxima.

Referências

Projeto completo

https://github.com/gustavohom/exemplos/tree/main/Corrida_de_barras

Inspiração

https://towardsdatascience.com/create-animated-bar-charts-using-r-31d09e5841da

Dados

https://snif.florestal.gov.br/pt-br/florestas-plantadas

https://iba.org/datafiles/publicacoes/relatorios/relatorio-iba-2020.pdf

Imagem de capa do artigo

Floresta plantada - iStockFloresta plantada - iStock

https://www.gov.br/agricultura/pt-br/assuntos/noticias/mapa-desenvolve-programa-para-estimular-a-area-de-florestas-plantadas-no-territorio-nacional