Avaliacao Novos Polos

#Filtro: opcoes_cidade = 'Cuiabá' mostrar_graficos_em_png = True

import pandas as pd import numpy as np import glob import os import plotly.express as px import plotly.graph_objects as go import plotly.figure_factory as ff import geopy from geopy.geocoders import Nominatim from IPython.display import clear_output, Image, Markdown as md

# caso true, gera os gráficos em formato png try: mostrar_graficos_em_png except NameError: mostrar_graficos_em_png = False

# Carrega arquivo .feather GEO geo_polos = pd.read_feather('./dados/geo_polos.feather') geo_polos = geo_polos.drop(columns=['index']) # Carrega arquivo .feather MENSALIDADES polos_mensalidades = pd.read_feather('./dados/mensalidades_polos.feather') polos_mensalidades = polos_mensalidades.drop(columns=['index']) # funcção para adicionar casas decimais def real(valor): a = "{:,.0f}".format(float(valor)) b = a.replace(',','v') c = b.replace('.',',') return c.replace('v','.')

#Lista de Cidades lista_cidades = ['ALTAMIRA','AMERICANA','ANÁPOLIS','ARAQUARI','BELO HORIZONTE','BELÉM','BENEVIDES','BRASÍLIA''CAMPINAS','CAMPO GRANDE''CARAGUATATUBA''CARUARU','CASCAVEL''CODÓ','COLATINA','CUIABÁ','CURITIBA','DIADEMA','DUQUE DE CAXIAS','ENGENHEIRO COELHO''FLORIANÓPOLIS','FORTALEZA','GOIÂNIA''GRAVATAÍ','GUARULHOS','HORTOLÂNDIA','IMPERATRIZ','ITABORAÍ''ITARARÉ','JACAREÍ','JI-PARANÁ''JOINVILLE','JUIZ DE FORA','JUNDIAÍ','LAVRAS''LIMEIRA','MACAPÁ','MACEIÓ','MANAUS','MARABÁ','MOGI GUAÇU','OSASCO''PALMAS''PARAUAPEBAS','PAULÍNIA','PORTO VELHO','PRESIDENTE PRUDENTE','RECIFE','REGISTRO','RIO BRANCO''RIO CLARO','RIO DE JANEIRO','SAIRÉ','SALVADOR''SANTARÉM','SANTOS','SOROCABA''SÃO JOSÉ DO RIO PRETO','SÃO JOSÉ DOS CAMPOS''SÃO JOSÉ DOS PINHAIS''SÃO LUÍS','SÃO PAULO','TATUÍ','TELÊMACO BORBA''UBERABA','UBERLÂNDIA','URUARÁ''VITÓRIA DA CONQUISTA','VITÓRIA',] lista_cidades.sort()

demanda = geo_polos[geo_polos.cidade == opcoes_cidade] demanda = demanda[['pop-renda-a-partir-1/2salario', 'pop-renda-a-partir-1/2salario-18a44anos', 'pessoas-medio-completo-superior-incompleto-18a44anos', 'frequentando-graduacao-18a44anos', 'mercado']].copy() pop_com_renda = demanda['pop-renda-a-partir-1/2salario'].iloc[0] pop_com_renda_e_idade_univ = demanda['pop-renda-a-partir-1/2salario-18a44anos'].iloc[0] pop_com_ensino_medio = demanda['pessoas-medio-completo-superior-incompleto-18a44anos'].iloc[0] alu_ensino_sup = demanda['frequentando-graduacao-18a44anos'].iloc[0] mercado = demanda['mercado'].iloc[0] # adiciona casas decimais pop_com_renda = float(pop_com_renda) pop_com_renda = real(pop_com_renda) pop_com_renda_e_idade_univ = float(pop_com_renda_e_idade_univ) pop_com_renda_e_idade_univ = real(pop_com_renda_e_idade_univ) pop_com_ensino_medio = float(pop_com_ensino_medio) pop_com_ensino_medio = real(pop_com_ensino_medio) alu_ensino_sup = float(alu_ensino_sup) alu_ensino_sup = real(alu_ensino_sup) mercado = float(mercado) mercado = real(mercado) # md("### População com renda: {} (população com renda a partir de 1/2 salário mínimo.) População com renda e idade universitária: {} (Pessoas de 18 até 44 anos e com renda a partir e 1/2 salário mínimo) População com ensino médio: {} (Pessoas de 18 até 44 anos com ensino médio completo ou superior incompleto) Cursando ensino superior: {} (Alunos do ensino superior de 18 até 44 anos que residem na região) Mercado potencial: {} (Pessoas de 18 até 44 anos, com médio completo que não estão cursando o ensino superior)".format(pop_com_renda, pop_com_renda_e_idade_univ, pop_com_ensino_medio, alu_ensino_sup, mercado))

# percentual da população ente 18 e 44 anos geo_polos['percentual_18a24'] = round(geo_polos['idade-18a24'] * 100 / geo_polos['populacao']) # percentual da população homem geo_polos['percentual_m'] = round(geo_polos['pop-masculino'] * 100 / geo_polos['populacao']) # percentual da população mulher geo_polos['percentual_f'] = round(geo_polos['pop-feminino'] * 100 / geo_polos['populacao']) pop = geo_polos['populacao'].iloc[0] pop_m = geo_polos['pop-masculino'].iloc[0] pop_f = geo_polos['pop-feminino'].iloc[0] pop_perc_18a44 = geo_polos['percentual_18a24'].iloc[0] pop_perc_m = geo_polos['percentual_m'].iloc[0] pop_perc_f = geo_polos['percentual_f'].iloc[0] # adiciona casas decimais pop = float(pop) pop = real(pop) pop_m = float(pop_m) pop_m = real(pop_m) pop_f = float(pop_f) pop_f = real(pop_f) # md("## População total: {} Homens: {} ({}%) Mulheres: {} ({}%) {}% com idade entre 18 e 44 anos".format(pop, pop_m, pop_perc_m, pop_f, pop_perc_f, pop_perc_18a44))

lista_a = list() lista_a.append("População total:") lista_a.append("Homens:") lista_a.append("Mulheres:") lista_a.append("População com renda:") lista_a.append("População com renda e idade universitária:") lista_a.append("População com ensino médio:") lista_a.append("Cursando ensino superior:") lista_a.append("Mercado potencial:") lista_b = list() lista_b.append("{}".format(pop)) lista_b.append("{} ({}%)".format(pop_m, pop_perc_m)) lista_b.append("{} ({}%)".format(pop_f, pop_perc_f)) lista_b.append("{}".format(pop_com_renda)) lista_b.append("{}".format(pop_com_renda_e_idade_univ)) lista_b.append("{}".format(pop_com_ensino_medio)) lista_b.append("{}".format(alu_ensino_sup)) lista_b.append("{}".format(mercado)) lista_c = list() lista_c.append("{}% com idade entre 18 e 44 anos".format(pop_perc_18a44)) lista_c.append(" - ") lista_c.append(" - ") lista_c.append("população com renda a partir de 1/2 salário mínimo") lista_c.append("pessoas de 18 até 44 anos e com renda a partir e 1/2 salário mínimo") lista_c.append("pessoas de 18 até 44 anos com ensino médio completo ou superior incompleto") lista_c.append("alunos do ensino superior de 18 até 44 anos que residem na região") lista_c.append("pessoas de 18 até 44 anos, com médio completo que não estão cursando o ensino superior") df = pd.DataFrame(list(zip(lista_a,lista_b,lista_c)),columns=['Indicador','Valor','Obs']) fig = go.Figure(data=[go.Table( columnwidth = [50,35,100], header=dict( fill_color='#6BAED6', align='left', height=0), cells=dict(values=[df.Indicador,df.Valor,df.Obs], fill_color='lavender', align=['left','left','left'], fill=dict(color=['#6BAED6', 'white']), font_size=[15,15,15], height=60)) ]) fig.add_annotation( xref='x domain', yref='y2 domain', x=1.0, y=1, text='Fonte: INEP - Censo Educacional (2019), IBGE - Censo (2010)', showarrow=False, arrowhead=1 ) if(mostrar_graficos_em_png): grafico_png = fig.to_image(format="png", width=1200, height=700, engine="kaleido") display(Image(grafico_png)) del grafico_png else: fig.show()

renda = geo_polos[['cidade', '1-salario', '1ate2-salarios', '2ate5-salarios', '5ate10-salarios', '10ate20-salarios', '20-salarios']].copy() # rename colunas renda.rename(columns={'1-salario':'Mais de 1/2 até 1 salário mínimo', '1ate2-salarios':'Mais de 1 até 2 salários mínimos', '2ate5-salarios':'Mais de 2 até 5 salários mínimos', '5ate10-salarios':'Mais de 5 até 10 salários mínimos', '10ate20-salarios':'Mais de 10 até 20 salários mínimos', '20-salarios':'Mais de 20 salários mínimos' },inplace=True) # transpor colunas em linhas renda1= renda.set_index('cidade').stack().reset_index(name='value') fig = px.bar(renda1, y= 'value', x= 'level_1', text= 'value', title= 'Distribuição de Renda da população - ' + opcoes_cidade, color='level_1', color_discrete_sequence=px.colors.sequential.Blues_r, labels={ 'value':'População', 'level_1':'Classe social' }, height=600 ) fig.add_annotation( xref='paper', yref='paper', x=1.0, y=-0.5, text='Fonte: IBGE - Censo (2010)', showarrow=False, arrowhead=1 ) fig.update_traces(texttemplate='%{text:.2s}', textposition='outside') fig.update_layout(uniformtext_minsize=8, uniformtext_mode='hide') if(mostrar_graficos_em_png): grafico_png = fig.to_image(format="png", width=1000, height=550, engine="kaleido") display(Image(grafico_png)) del grafico_png else: fig.show()

# percentual da população matriculados geo_polos['percentual_matriculados'] = round(geo_polos['Matriculados'] * 100 / geo_polos['populacao']) educacao = geo_polos[['cidade', 'Matriculados', 'Concluintes', 'Ingressantes']].copy() # transpor colunas em linhas educacao = educacao.set_index('cidade').stack().reset_index(name='value') matri = geo_polos['Matriculados'].iloc[0] # adiciona casas decimais matri = float(matri) matri = real(matri) matri fig = px.bar(educacao, y='value', x='level_1', text='value', title= (str(matri))+' alunos estão matriculados no ensino superior e o total representa aproximadamente '+ str(round(geo_polos['percentual_matriculados'].iloc[0],2))+'% da População de '+opcoes_cidade, color='level_1', color_discrete_sequence=px.colors.sequential.Blues_r, labels={'level_1':'Alunos', 'value':'Quantidade'}, height=550 ) fig.add_annotation(xref='paper', yref='paper', x=1.0, y=-0.2, text='Fonte: INEP - Censo Educacional (2019)', showarrow=False, arrowhead=1) fig.update_traces(texttemplate='%{text:.2s}', textposition='outside') fig.update_layout(uniformtext_minsize=8, uniformtext_mode='hide') if(mostrar_graficos_em_png): grafico_png = fig.to_image(format="png", width=1000, height=550, engine="kaleido") display(Image(grafico_png)) del grafico_png else: fig.show()

modalidade = geo_polos[['cidade', 'matriculados-ead', 'matriculados-presencial',]].copy() # rename colunas modalidade.rename(columns={ 'matriculados-ead':'EAD', 'matriculados-presencial':'Presencial', },inplace=True) # transpor colunas em linhas modalidade = modalidade.set_index('cidade').stack().reset_index(name='value') # total de matriculados do município total_matriculados = geo_polos['matriculados-ead'].iloc[0] + geo_polos['matriculados-ead'].iloc[0] # adiciona casas decimais total_matriculados = float(total_matriculados) total_matriculados = real(total_matriculados) fig = px.pie(modalidade, values='value', names='level_1', title=' Total de '+ str(total_matriculados) + ' alunos matriculados no município de ' +str(opcoes_cidade), color='level_1', # color_discrete_map={'EAD':'#6cbcff', # 'Presencial':'#a0a7d6'}, color_discrete_sequence=px.colors.sequential.Blues_r, labels={'level_1':'Modalidade','value':'Alunos Matriculados'} ) fig.add_annotation( xref='paper', yref='paper', x=1.0, y=0, text='Fonte: INEP - Censo Educacional (2019)', showarrow=False, arrowhead=1 ) if(mostrar_graficos_em_png): grafico_png = fig.to_image(format="png", width=1000, height=550, engine="kaleido") display(Image(grafico_png)) del grafico_png else: fig.show()

idade = geo_polos[['cidade', 'alunos-idade-65+','alunos-idade-60a64','alunos-idade-55a59','alunos-idade-50a54','alunos-idade-45a49','alunos-idade-40a44','alunos-idade-35a39','alunos-idade-30a34','alunos-idade-25a29','alunos-idade-19a24','alunos-idade-18-',]].copy() # rename colunas''' ''' idade.rename(columns={ 'alunos-idade-18-':'18 anos ou menos', 'alunos-idade-19a24':'de 19 até 24', 'alunos-idade-25a29':