Introdução

Às vezes a gente passa horas no R tentando resolver problemas sérios de análise de dados, tratar bancos gigantes ou otimizar pipelines complexos. E às vezes… a gente só quer gastar um tempo livre fazendo piadas ruins com mapas.

O pacote geobr torna tão fácil baixar as malhas territoriais do Brasil que é quase um pecado não usar essa facilidade para propósitos totalmente questionáveis.

Decidi juntar algumas brincadeiras geográficas e trocadilhos literais que pensei recentemente. O resultado é essa coleção de mapas inúteis, mas absurdamente divertidos de fazer.

Pacotes necessários

Para carregar os dados e montar as visualizações, precisamos apenas das bibliotecas principais. Não há necessidade de reimportá-las a cada gráfico.

library(geobr)
library(sf)
library(ggplot2)
library(dplyr)

1. Os Três Rios Grandes do Brasil

Todo mundo conhece o Rio Grande do Sul e o Rio Grande do Norte. Mas a geografia tradicional insiste em ignorar o que existe no meio do caminho.

Para resolver essa injustiça histórica, reclassifiquei os estados brasileiros em três categorias geográficas definitivas:

# 1. Carregar a malha dos estados brasileiros
estados <- read_state(year = 2020, showProgress = FALSE)

# 2. Criar a categoria do trocadilho
dados_rios <- estados |>
  mutate(
    categoria = case_when(
      abbrev_state == "RN" ~ "Rio Grande do Norte",
      abbrev_state == "RS" ~ "Rio Grande do Sul",
      TRUE ~ "Rio Grande do Meio"
    ),
    categoria = factor(categoria, levels = c("Rio Grande do Sul", "Rio Grande do Norte", "Rio Grande do Meio"))
  )

# 3. Gerar o mapa
ggplot(data = dados_rios) +
  geom_sf(aes(fill = categoria), size = 0.00) +
  labs(
    title = "Os Três Rios Grandes do Brasil",
    fill = ""
  ) +
  theme_void() +
  theme(
    legend.position = "bottom",
    plot.title = element_text(hjust = 0.5, face = "bold", size = 16)
  ) + 
  scale_fill_viridis_d(direction = -1)

Finalmente a cartografia brasileira reflete a realidade.

2. As Minas do Brasil

Seguindo a mesma lógica da interpretação literal dos nomes, sempre achei um pouco genérico chamar um estado inteiro de “Gerais”. Se existem Minas Gerais, onde estão as Minas Específicas?

O código abaixo faz essa divisão categórica:

# 1. Criar a categoria das Minas
dados_minas <- estados |>
  mutate(
    categoria = case_when(
      abbrev_state == "MG" ~ "Minas Gerais",
      TRUE ~ "Minas Específicas"
    ),
    categoria = factor(categoria, levels = c("Minas Gerais", "Minas Específicas"))
  )

# 2. Gerar o mapa
ggplot(data = dados_minas) +
  geom_sf(aes(fill = categoria), color = "white", size = 0.0) +
  labs(
    title = "As Minas do Brasil",
    fill = ""
  ) +
  theme_void() +
  theme(
    legend.position = "bottom",
    plot.title = element_text(hjust = 0.5, face = "bold", size = 16)
  ) + 
  scale_fill_viridis_d(direction = -1)

3. A Espacialização do “Não-Me-Toque”

Saindo do nível estadual e descendo para os municípios, o Rio Grande do Sul nos presenteia com uma das melhores toponímias do país: a cidade de Não-Me-Toque.

O problema é que o resto do estado é composto por municípios que, por exclusão, só podem ser classificados de uma forma.

# 1. Baixar os municípios do Rio Grande do Sul
municipios_rs <- read_municipality(year = 2020, code_muni = "RS", showProgress = FALSE)

# 2. Classificar de acordo com o status de contato
dados_toque <- municipios_rs |>
  mutate(
    status = if_else(name_muni == "Não-Me-Toque", "Não-Me-Toque", "Me-Toque")
  )

# 3. Gerar o mapa
ggplot(data = dados_toque) +
  geom_sf(aes(fill = status), size = 0.00) +
  labs(
    title = "Classificação de Contato Municipal no RS",
    fill = ""
  ) +
  theme_void() +
  theme(
    legend.position = "bottom",
    plot.title = element_text(hjust = 0.5, face = "bold", size = 16)
  ) + 
  scale_fill_viridis_d(direction = -1)

Considerações Finais

O ecossistema do R (especialmente a combinação de ggplot2, sf e geobr) é incrível para produzir mapas sérios e artigos acadêmicos. Mas usá-lo para materializar trocadilhos visuais em poucos minutos é, sem dúvida, um dos seus melhores usos.

Da próxima vez que precisar esfriar a cabeça entre uma análise pesada e outra, recomendo fortemente abrir o R e fazer um mapa bobo.