Este dashboard apresenta algumas informações básicas sobre o mercado de trabalho brasileiro a partir dos dados da PNAD contínua. Os dados estão atualizados para o terceiro trimestre de 2019.

---
title: "Mercado de Trabalho no Brasil"
output: 
  flexdashboard::flex_dashboard:
    orientation: columns
    vertical_layout: fill
    source_code: embed
---

Este dashboard apresenta algumas informações básicas sobre o mercado de trabalho brasileiro a partir dos dados da PNAD contínua. Os dados estão atualizados para o terceiro trimestre de 2019. 


```{r setup, include=FALSE}
library(flexdashboard)
library(tidyverse)
library(D3plusR)
library(janitor)

# 
Icons made by Freepik from www.flaticon.com

dados_pnad <- read_csv('../data/dados_pnadc_2019_3.csv') %>% 
  clean_names()

serie_desemprego <- read_csv('../data/serie_desemprego.csv') %>% 
  clean_names()

uf_sigla <- tibble(
  uf = c("Rondônia", "Acre", "Amazonas", "Roraima", "Pará", "Amapá", 
         "Tocantins", "Maranhão", "Piauí", "Ceará", "Rio Grande do Norte", 
         "Paraíba", "Pernambuco", "Alagoas", "Sergipe", "Bahia", "Minas Gerais", 
         "Espírito Santo", "Rio de Janeiro", "São Paulo", "Paraná", 
         "Santa Catarina", "Rio Grande do Sul", "Mato Grosso do Sul", 
         "Mato Grosso", "Goiás", "Distrito Federal"),
  bra_id = c("RO", "AC", "AM", "RR", "PA", "AP", "TO", "MA", "PI", "CE", 
             "RN", "PB", "PE", "AL", "SE", "BA", "MG", "ES", "RJ", "SP", "PR", 
             "SC", "RS", "MS", "MT", "GO", "DF")
)

dicionario <- list(
  tx_desemprego = "Taxa de Desemprego",
  pessoas_ocupadas = "Pessoas Ocupadas",
  pessoas_desocupadas = "Pessoas Desocupadas",
  date = "Período"
)

texto_numeros <- c("Mil", "Milhão", "Milhões", "Bilhão", "Bilhões")

genero_attr <- data.frame(
  v2007 = c("Homem", "Mulher"),
  cor = c("#2980b9", "#9b59b6"),
  icon = c("man.png", "woman.png")
)
```


Column {data-width=400}
-----------------------------------------------------------------------

### Milhões de Pessoas Ocupadas

```{r}
totais <- dados_pnad %>% 
  group_by(vd4002) %>%
  summarise(n = round(sum(v1028)/1e6, 1)) %>% 
  na.omit() %>% 
  spread(key = vd4002, value = n) %>% 
  clean_names()

totais %>% 
  pull(pessoas_ocupadas) %>% 
  valueBox(value = ., icon = 'fa-users')
```

### Milhões de Pessoas Desocupadas

```{r}
totais %>% 
  pull(pessoas_desocupadas) %>% 
  valueBox(value = ., icon = 'fa-user-times')
```


### Taxa de Desemprego por Unidade da Federação

```{r}
dados_pnad %>% 
  group_by(uf, v2007, v2010, vd4002) %>%
  summarise(n = sum(v1028)) %>%
  na.omit() %>% 
  ungroup() %>% 
  spread(key = vd4002, value = n) %>% 
  clean_names() %>% 
  replace_na(list(pessoas_desocupadas = 0)) %>% 
  group_by(uf) %>% 
  summarise(
    pessoas_ocupadas = sum(pessoas_ocupadas),
    pessoas_desocupadas = sum(pessoas_desocupadas),
    tx_desemprego = sum(pessoas_desocupadas)/sum(pessoas_desocupadas + pessoas_ocupadas) * 100
  ) %>% 
  arrange(-tx_desemprego) %>% 
  left_join(uf_sigla) %>% 
  d3plus(data = .,
         type = "geo_map",
         locale = "pt_BR",
         percent_var = "tx_desemprego",
         id = "bra_id",
         currency = "US$",
         number_text = c("Mil", "Milhão", "Milhões", "Bilhão", "Bilhões"),
         dictionary = dicionario) %>% 
  d3plusCoords(
    value = "https://gist.githubusercontent.com/ruliana/1ccaaab05ea113b0dff3b22be3b4d637/raw/196c0332d38cb935cfca227d28f7cecfa70b412e/br-states.json",
    projection = "equirectangular"
  ) %>% 
  d3plusColor(value = "tx_desemprego",
              heatmap = RColorBrewer::brewer.pal(n = 6, name = "YlOrBr")) %>% 
  d3plusText("uf") %>% 
  d3plusTooltip(value = c("pessoas_ocupadas", "pessoas_desocupadas"))
```

Column
-----------------------------------------------------------------------

### Evolução da Taxa de Desemprego

```{r}
serie_desemprego %>% 
  mutate(
    date = paste0(ano, "T", trimestre),
    id = "Brasil"
  ) %>% 
  d3plus(
    data = .,
    id = "id",
    type = "line",
    percent_var = "tx_desemprego",
    number_text = texto_numeros,
    dictionary = dicionario
  ) %>% 
  d3plusX("date", grid = FALSE) %>% 
  d3plusY("tx_desemprego") %>% 
  d3plusOrder("date", sort = "asc") %>% 
  d3plusTooltip(c("date", "pessoas_ocupadas", "pessoas_desocupadas")) %>% 
  d3plusAxes(ticks = FALSE, background = list(color = "#FFFFFF", stroke = 0))
```

### Taxa de Desemprego por Gênero e Cor/Raça

```{r}
dados_pnad %>% 
  group_by(v2007, v2010, vd4002) %>%
  summarise(n = sum(v1028)) %>%
  na.omit() %>% 
  ungroup() %>% 
  spread(key = vd4002, value = n) %>% 
  clean_names() %>%
  replace_na(list(pessoas_desocupadas = 0)) %>% 
  group_by(v2007, v2010) %>% 
  summarise(
    pessoas_ocupadas = sum(pessoas_ocupadas),
    pessoas_desocupadas = sum(pessoas_desocupadas),
    tx_desemprego = sum(pessoas_desocupadas)/sum(pessoas_desocupadas + pessoas_ocupadas) * 100
  ) %>% 
  filter(v2010 != "Ignorado") %>% 
  d3plus(
    data = .,
    type = "bar",
    id = "v2007",
    dictionary = dicionario,
    locale = "pt_BR",
    percent_var = "tx_desemprego",
    number_text = texto_numeros,
    d3plus_number_format = TRUE
  ) %>% 
  d3plusX(value = "v2010", label = "Cor/Raça", grid = FALSE) %>% 
  d3plusY("tx_desemprego", label = "Taxa de Desemprego") %>% 
  d3plusOrder(value = "v2010", sort = "asc") %>% 
  d3plusLegend(value = TRUE, data = FALSE, title = "Gênero", align = "end") %>% 
  d3plusTooltip(value = c("pessoas_ocupadas", "pessoas_desocupadas")) %>% 
  d3plusAxes(ticks = FALSE, background = list(color = "#FFFFFF", stroke = 0)) %>% 
  d3plusAttrs(genero_attr) %>% 
  d3plusColor("cor") %>% 
  d3plusIcon("icon", style = "knockout")
```