Tratamento das strings

Uma vez obtida a base de dados, os nomes das variáveis serão ajustadas de tal forma que possibilite sua manipulação. Para tal será utilizada a função ajustar_nomes() apresentada em um post que falo um pouco sobre Manipulação de strings e text mining.

names(base)=ajustar_nomes(names(base));names(base)

##  [1] "bloco"                   "bairro"                 
##  [3] "regiao"                  "data"                   
##  [5] "data_relativa"           "concentracao"           
##  [7] "desfile"                 "final"                  
##  [9] "local_da_concentracao"   "percurso"               
## [11] "publico_estimado"        "ano_do_primeiro_desfile"
## [13] "lon"                     "lat"

A seguir a limpeza das strings que carregam a informação de onde será cada bloco também precisa passar por um processo de “limpeza” para possibilitar a busca pelas localizações com a função geocode().

Para esse tipo de limpeza geralmente o uso de regex/expressão regular (que nada mais é que uma ótima forma de identificar cadeias de strings) facilita muito a forma como o computador entende e processa o que desejamos executar.

Além de todo material gratuito disponível na internet com uma simples busca no Google, para aprender a utilizar regex em suas aplicações de text mining essa Cheatsheet pode ser útil para uma consulta rápida.

Veja a segui um exemplo de limpeza simples:

base$local_da_concentracao=base$local_da_concentracao%>%
  stringr::str_trim() %>%                        #Remove espaços em branco sobrando
  stringr::str_to_lower() %>%                    #Converte todas as strings para minusculo
  rm_accent() %>%                                #Remove acentos com a funcao disponível em *
  stringr::str_replace_all("[/' '.()]", " ") %>% #Substitui os caracteres especiais por " "
  stringr::str_replace_all("_+", " ") %>%        #Substitui os caracteres especiais por " "   
  stringr::str_replace("_$", " ")%>%             #Remove o caracter especiais
  stringr::str_replace(", esquina.*","")%>%      #Remove a palavra "esquina" e tudo que vier depois dela
  stringr::str_replace("n[º°].*","")%>%          #Remove as strings "nº" e "n°" e tudo que vier depois delas
  stringr::str_replace("em frente a.*","")%>%    #Remove a sentença "em frente a" e tudo que vier depois dela
  stringr::str_replace_all("[0-9]","")%>%        #Remove numeros
  stringr::str_replace_all("[:punct:]","")%>%    #Remove pontuacao
  stringr::str_c(" rio de janeiro")              #Inclui a string "rio de janeiro", que sera util em diante
base=na.omit(base)                               #Remove linhas que contenham NA

• link para página do stackoverflow sobre a função rm_accent()

Feita a limpeza completa da base agora vamos criar uma nova coluna com a tag que irá aparecer no mapa:

for(i in 1:nrow(base)){
base$label[i]=str_c("Bloco: ",base$bloco[i]," - ","Bairro: ",base$bairro[i]," - ","Regiao: ", base$regiao, "Data: ", base$data[i], " - ", "Concentração", str_sub(base$concentracao[i], start = 11)  )
}

O pacote ggmap

Este pacote além de possuir uma coleção de funções para visualizar dados espaciais e modelos em cima de mapas estáticos de várias fontes on-line (por exemplo, Google Maps e Stamen Maps), inclui ferramentas comuns a essas tarefas, incluindo funções de geolocalização e roteamento.

Utilizaremos a função de geolocalização com um loop pelos endereços para obter a latitude e longitude de cada endereço e adiciona-os a base de dados em novas colunas lat e lon, veja:

library(ggmap)

for(i in 1:nrow(base)){
  Print("Buscando...")
  result <- geocode(base$local_da_concentracao[i], output = "latlona", source = "google")
  base$lon[i] <- as.numeric(result[1])
  base$lat[i] <- as.numeric(result[2])
}

Obtendo algumas coordenadas geográficas para marcar no mapa:

lon_copacabana=geocode("Av. Atlantica")[1]
lat_copacabana=geocode("Av. Atlantica")[2]
lon_ipanema=geocode("Av. Vieira Souto")[1]
lat_ipanema=geocode("Av. Vieira Souto")[2]
lon_lapa=geocode("Rua da Lapa")[1]
lat_lapa=geocode("Rua da Lapa")[2]
lon_paqueta=geocode("Ilha de Paqueta")[1]
lat_paqueta=geocode("Ilha de Paqueta")[2]

Agora basta utilizar o pacote leaflet em conjunto com o pacote leaflet.extras para criar o mapa:

(Mais detalhes de como formatar seu mapa estão disponíveis na página do pacote no github)

library(leaflet)
library(leaflet.extras)
base%>%
  filter(lat<(-7)&lat<(-22)&lon>(-57)&lon<(-43.1))%>% #Removendo algumas cordenadas equivocadas
  leaflet() %>%                                       #carrega o leaflet
  addTiles() %>%                                      #adiciona as camadas de mapas de acordo com o zoom
  addMarkers(lng = ~lon, lat = ~lat,popup=~label,     #mapeia a base de dados de acordo com as respectivas lat e lon
             clusterOptions = markerClusterOptions())%>%
  addResetMapButton() %>%                          #Adiciona botão para resetar mapa
  addPulseMarkers(
    lng=lon_copacabana  , lat=lat_copacabana,      #Endereço da orla de copacabana
    label='Praia de Copacabana',
    icon = makePulseIcon(heartbeat = 0.5))%>%
  addPulseMarkers(
    lng=lon_ipanema , lat=lat_ipanema,             #Endereço da orla de ipanema
    label='Praia de Ipanema',
    icon = makePulseIcon(heartbeat = 0.5))%>%
  addPulseMarkers(
    lng=lon_lapa    , lat=lat_lapa,                  #Endereço da lapa
    label='Lapa',
    icon = makePulseIcon(heartbeat = 0.5))%>%
  addPulseMarkers(
    lng=lon_paqueta , lat=lat_paqueta,             #Endereço da ilha de paquetá
    label='Ilha de Paquetá',
    icon = makePulseIcon(heartbeat = 0.5))

Caso tenha interesse em consultar as informações da base de dados dos blocos que vão ocorrer no Rio de Janeiro para saber qual o bloco mais próximo de você e aproveitar o carnaval carioca a consulta pode ser feita a seguir: