Não é um segredo que os últimos meses têm apresentado desafios à sobrevivência de todos no Brasil. E um dos maiores dessafios é a inflação. O Índice Nacional de Preços ao Consumidor (IPCA) acumulado vêm subindo mês a mês, diminuindo o poder de compra de todos.
Sendo assim, criei uma visualização que ajuda a encontrar os períodos de maior inflação no século atual. Primeiro, é necessário baixar os dados:
library(BETS)
library(rbcb)
library(tidyverse)
library(lubridate)
library(zoo)
ipca_bk <- get_series(433) %>%
rename(data = date, taxa = `433`)
Em seguida, eu calculo a taxa acumulada do IPCA nos últimos 12 meses:
ipca <- ipca_bk
ipca <-
ipca %>%
mutate(ordem = 1:nrow(ipca),
mes = month(data, label = TRUE, locale = "pt_BR.UTF-8"),
ano = year(data),
taxa_acumulada = rollapply(1+taxa/100, 12, prod, fill = NA, align = "right")) %>%
mutate(taxa_acumulada = (taxa_acumulada-1)*100)
Por fim, crio um mapa de calor que permite verificar as épocas de maior inflação recente:
ano_inicial <- 2001
ipca %>%
filter(ano >= ano_inicial) %>%
ggplot(aes(mes, ano)) +
geom_raster(aes(fill = taxa_acumulada)) +
labs(x = "Mês", y = "Ano", fill = "IPCA\nAcumulado\n12 Meses") +
scale_y_continuous(breaks = seq(ano_inicial, 2022)) +
scale_fill_continuous(low = "green", high = "red") +
theme_minimal()
Sem considerar a taxa acumulada em 12 meses (isto é, considerando apenas a inflação nominal do mês), o que temos é o seguinte:
ipca %>%
filter(ano >= ano_inicial) %>%
ggplot(aes(mes, ano)) +
geom_raster(aes(fill = taxa)) +
labs(x = "Mês", y = "Ano", fill = "IPCA\nMensal") +
scale_y_continuous(breaks = seq(ano_inicial, 2022)) +
scale_fill_continuous(low = "green", high = "red") +
theme_minimal()
