divida_consolidada.Rmd

---
title: "Dívida Consolidada"
output: 
  html_document:
    runtime: shiny
    code_folding: hide
---

```{r setup, include=FALSE}
knitr::opts_chunk$set(
	echo = TRUE,
	message = FALSE,
	warning = FALSE
)
```

```{css, echo=FALSE}
* {
  font-family: "Open Sans";
}

h1, h2, h3, h4 {
  color: #353E57 // #1E4C7A;
}

.destaque {
  margin: 10px 50px;
  font-size: 12px;
  color: "white";
  background-color: #f0f5f7;
  padding: 5px 10px;
  border: 2px solid #BA3917;
}

.destaque > p {
  margin: 0px;
}

.card-estados {
  border: 1px dotted #353E57;
}

```

## Dívida Consolidada

```{r libraries}
library(tidyverse)
library(scales)
library(readxl)
#library(ipeaData)
library(extrafont)
library(gganimate)
library(RColorBrewer)
#library(ckanr)
#library(skimr)
library(shiny)
library(leaflet)
library(ggbeeswarm)
library(plotly)

tema <- function(){
    theme_minimal() +
    theme(
      text = element_text(family = "Open Sans", colour = "grey20"),
      title = element_text(face = "bold", size = 10, color = "#1E4C7A"), 
      plot.subtitle = element_text(family = "Open Sans Condensed", 
                                   color = "grey20", face = "plain", size = 10),
      axis.text = element_text(family = "Open Sans", colour = "grey20", size = 8),
      plot.caption = element_text(face = "italic"),
      panel.grid.major = element_blank(), 
      panel.grid.minor = element_blank(),
      legend.text = element_text(size = 8),
      legend.title = element_text(size = 8),
      axis.ticks = element_line(size = 0.5),
      axis.ticks.length = unit(.25, "cm"),
      axis.title = element_text(size = 8, colour = "grey20"),
      legend.position = 'none')
}

tema_gif <- function() {
  theme(legend.position = 'none',
        panel.grid.major.y = element_blank(),
        panel.grid.major.x = element_blank(),
        axis.title.y = element_blank(),
        axis.text.y = element_blank(),
        axis.ticks.y = element_blank(),
        plot.background = element_rect(color = "#f0f5f7", linetype = "solid", size = 2))
}

vermelho <- brewer.pal(3, name = "Set1")[1]
azul <- "#1f476a" 

vermelho_claro <- "#ee7576"
azul_claro     <- "#2c90bf" # "#87b1d4"

tres_cores <-c("#F8AC08","#028063","#6E287C")
tres_cores_pasteis <- c("#FECE60","#63BEAF", "#BE8EBF")

```

Dados disponíveis no Siconfi.

```{r}
tabela_estados <- read.csv2("./dados/finbraRGF_estados.csv", skip = 5) %>%
  mutate(Escopo    = "Estados",
         Exercicio = 2018)

tabela_mun1 <- read.csv2("./dados/finbraRGF_mun.csv", skip = 5) 
tabela_mun2 <- read.csv2("./dados/finbraRGF_mun_semestre.csv", skip = 5)

tabela_mun <- rbind(tabela_mun1, tabela_mun2) %>%
  mutate(Escopo    = "Municípios",
         Exercicio = 2018)

# testando população total para tabela estados
pop_total_est <- tabela_estados %>% 
  group_by(UF) %>% 
  summarise(pop = first(`População`)) %>% 
  group_by() %>% 
  summarise(pop = sum(pop))

# dados municípios
perfil_mun <- read_excel('./dados/BaseMUNIC2017.xls', sheet = "Variáveis externas")

# saveRDS(c(perfil_mun, tabela_estados, tabela_mun1, tabela_mun2, mapa_brasil), file = "dados.RData")

# população atualizada
pop_UFs <- perfil_mun %>%
  group_by(UF, REGIAO) %>%
  summarise(pop = sum(`POP EST`))

tabela_estados <- tabela_estados %>%
  inner_join(pop_UFs) %>%
  mutate(`CLASSE POP` = NA)

tabela_municipios <- perfil_mun %>%
  select(Cod.IBGE = CodMun, REGIAO, pop = `POP EST`, `CLASSE POP`) %>%
  right_join(tabela_mun)

tabela_completa <- rbind(tabela_estados, tabela_municipios)

### depois melhorar isso aqui
# cabecalho_estados <- read.csv2("./dados/finbraRGF_estados.csv", nrows = 5, header = FALSE)
# cabecalho_estados <- cabecalho_estados %>% 
#   mutate(V1 = as.character(V1)) %>% 
#   separate(1, into = c("Info", "Valor"), sep = ":") %>% 
#   t() %>%
#   as.data.frame() %>%
#   select(-4)

#tabela_estados %>% skim()
#tabela_estados %>% str()
```

Uma observação sobre cobertura dos dados...

```{r, fig.height=3, fig.width=6}
# total populacao e qde municipios

pop_total <- perfil_mun %>%
  summarise(qde = n(),
            pop = sum(`POP EST`)) %>%
  mutate(escopo = "Total")

pop_RGF <- tabela_municipios %>%
  group_by(Cod.IBGE, pop) %>%
  summarise_all(first) %>%
  group_by() %>%
  summarise(qde = n(),
            pop = sum(pop)) %>%
  mutate(escopo = "RGF")
  
abrangencia <- rbind(pop_total, pop_RGF) %>%
  gather(qde, pop, key = Variavel, value = Valor) %>%
  spread(escopo, value = Valor) %>%
  mutate(faltantes = Total - RGF) %>%
  gather("RGF":"faltantes", key = categorias, value = Valor) %>%
  filter(categorias != "Total")

ggplot(abrangencia, aes(y = Valor, x = Variavel, fill = categorias)) +
  geom_col(position = "fill", width=0.6, color = "white", size = 1) +
  scale_fill_manual(values = c("RGF" = azul, "faltantes" = azul_claro), 
                    labels = c("RGF" = "Entregues", "faltantes" = "Não entregues")) +
  scale_y_continuous(labels = percent) +
  scale_x_discrete(labels = c("qde" = "Quantidade de municípios",
                              "pop" = "População contemplada")) +
  coord_flip() + 
  labs(x = NULL, y = NULL, 
       title = "Abrangência das informações municipais",
       fill = NULL) +
  tema() + theme(legend.position = "bottom")

```

dívida consolidada líquida - estados e municípios

```{r, fig.height=7.5, fig.width=5, fig.align="center"}
total_DCL <- tabela_completa %>%
  filter(Conta %in% c("DÍVIDA CONSOLIDADA LÍQUIDA (DCL) (III) = (I - II)",
                      "RECEITA CORRENTE LÍQUIDA - RCL")) %>%
  filter(Coluna == "Até o 3º Quadrimestre") %>%
  group_by(UF, REGIAO, Escopo, Conta) %>%
  summarise(Valor = sum(Valor)) %>%
  spread(Conta, value = Valor) %>%
  rename(
    DCL = "DÍVIDA CONSOLIDADA LÍQUIDA (DCL) (III) = (I - II)",
    RCL = "RECEITA CORRENTE LÍQUIDA - RCL") %>%
  ungroup() %>%
  mutate(DCL_percent = round(DCL/RCL, 4),
         UF = fct_reorder(UF, DCL_percent, first, .desc = FALSE)) # atenção ao first

total_DCL <- total_DCL %>%
  select(UF, Escopo, DCL_percent) %>%
  spread(Escopo, value = DCL_percent) %>%
  mutate(Estado_Maior = Estados > `Municípios`,
         Estado_Maior = replace_na(Estado_Maior, TRUE)) %>%
  select(UF, Estado_Maior) %>%
  right_join(total_DCL)

ggplot(total_DCL, aes(y = UF, color = Escopo, x = DCL_percent)) +
  geom_vline(xintercept = 2, linetype = 'dotted') +
  geom_path(color = "lightgrey", size = 1.5) +
  geom_point(size = 3) + 
  geom_text(aes(x = ifelse(Estado_Maior,
                           ifelse(Escopo == "Estados",
                                  DCL_percent + 0.18,
                                  DCL_percent - 0.15),
                           ifelse(Escopo == "Estados",
                                  DCL_percent - 0.15,
                                  DCL_percent + 0.18)),
                label = percent(DCL_percent)), family = "Open Sans", size = 3) +
  scale_x_continuous(labels = percent) +
  scale_color_manual(values = c("Estados" = tres_cores[1], "Municípios" = tres_cores[2])) +
  labs(x = "Percentual DCL/RCL",
       y = NULL,
       title = "Dívida Consolidada Líquida",
       subtitle = "Estados e Municípios do Estado",
       color = NULL) +
  tema() + theme(legend.position = "top")
```

Rankings das DCLs dos estados.

```{r, fig.height=7.5, fig.width=4, fig.align="center"}

#   filter(Conta %in% c("DÍVIDA CONSOLIDADA - DC (I)",
#                       "DÍVIDA CONSOLIDADA LÍQUIDA (DCL) (III) = (I - II)",
#                       "% da DC sobre a RCL (I/RCL)",
#                       "% da DCL sobre a RCL (III/RCL)"))

sumario_estados <- tabela_estados %>%
  filter(Conta %in% c("DÍVIDA CONSOLIDADA - DC (I)",
                      "DEDUÇÕES (II)",
                      "DÍVIDA CONSOLIDADA LÍQUIDA (DCL) (III) = (I - II)",
                      "% da DCL sobre a RCL (III/RCL)")) %>%
  filter(Coluna == "Até o 3º Quadrimestre") %>%
  select(UF, REGIAO, Conta, pop, Valor) %>%
  spread(Conta, value = Valor) %>%
  mutate(`DCL / Pop` = `DÍVIDA CONSOLIDADA LÍQUIDA (DCL) (III) = (I - II)` / pop)

ranking_estados <- sumario_estados %>%
  mutate_at(vars(c(-UF, -pop, -REGIAO)), .funs = ~dense_rank(-.)) %>%
  gather(-UF, -pop, - REGIAO, key = Variavel, value = Valor) %>%
  filter(Variavel %in% c("DÍVIDA CONSOLIDADA LÍQUIDA (DCL) (III) = (I - II)",
                      "% da DCL sobre a RCL (III/RCL)",
                      "DCL / Pop"))

cores_temas_TT <- c("#643275", "#03859a", "#1f476a", "#709a2d", "#ba3917")

ggplot(ranking_estados, aes(x = Variavel, y = Valor, color = REGIAO, fill = REGIAO, group = UF)) +
  geom_line(size = 1) + 
  geom_label(aes(label = UF), color = "white", family = "Fira Code",
             size = 3) + 
  scale_y_reverse(labels = 1:25, breaks = 1:25) +
  scale_fill_manual(values = cores_temas_TT) +
  scale_color_manual(values = cores_temas_TT) +
  scale_x_discrete(limits = c("DÍVIDA CONSOLIDADA LÍQUIDA (DCL) (III) = (I - II)",
                              "% da DCL sobre a RCL (III/RCL)",
                              "DCL / Pop"),
                   labels = c("DCL", "DCL/RCL", "DCL per Capita"),
                   position = "top") +
  labs(x = NULL, y = NULL, title = "Ranking das Dívidas Consolidadas Líquidas",
       subtitle = "Estados e Distrito Federal") +
  tema()
```

Uma visão geral da DC e das deduções

```{r, fig.height=8, fig.width=4.5, fig.align="center"}
formata_BR <- scales::format_format(big.mark = ".", decimal.mark = ",", scientific = FALSE)

plota_DC_estados <- function(dados) {
  ggplot(dados, 
         aes(x = reorder(UF, `DÍVIDA CONSOLIDADA - DC (I)`), y = `DÍVIDA CONSOLIDADA - DC (I)`/1e9,
             fill = REGIAO)) +
    geom_col(width = 0.7) +
    geom_text(
      aes(
        label = paste0(
          format(round(`DÍVIDA CONSOLIDADA - DC (I)`/1e9,0), big.mark = ".", decimal.mark = ","),
          " bi"),
        y = `DÍVIDA CONSOLIDADA - DC (I)`/1e9 + 1), 
      family = "Open Sans", size = 3, color = azul, vjust = 0.3, hjust = 'left') +
    scale_y_continuous(label = formata_BR) +
    scale_fill_manual(values = cores_temas_TT) +
    coord_flip() +
    expand_limits(y = max(dados$`DÍVIDA CONSOLIDADA - DC (I)`)/1e9 * 1.1) +
    labs(y = "R$ bilhões", x = NULL, title = "Dívida Consolidada dos Estados em 2018",
         caption = "Mato Grosso do Sul e Rio Grande do Norte não haviam informado seus dados até fevereiro de 2019.",
         fill = "Região") +
    tema() + theme(legend.position = "bottom") + theme(legend.key.size = unit(0.5,"line"))
}

plota_DC_estados(sumario_estados)

plota_DC_estados(sumario_estados %>% filter(!(UF %in% c("SP", "RJ", "MG", "RS")))) +
  labs(subtitle = "Exceto São Paulo, Rio de Janeiro, Minas Gerais e Rio Grande do Sul")

```

melhorando o sumário

```{r}
# problemas de encoding...
estados <- data.frame(UF = c("AC", "AL", "AM", "AP", "BA", "CE", "DF", 
"ES", "GO", "MA", "MG", "MS", "MT", "PA", "PB", "PE", "PI", "PR", 
"RJ", "RN", "RO", "RR", "RS", "SC", "SE", "SP", "TO"), nomes = c("Acre", 
"Alagoas", "Amazonas", "Amapá", "Bahia", "Ceará", "Distrito Federal", 
"Espírito Santo", "Goias", "Maranhão", "Minas Gerais", "Mato Grosso do Sul", "Mato Grosso", 
"Pará", "Paraíba","Pernambuco", "Piauí", "Paraná",  
"Rio de Janeiro", "Rio Grande do Norte", "Rondônia", "Roraima", "Rio Grande do Sul", 
"Santa Catarina",  "Sergipe", "São Paulo", "Tocantins"))
```

```{r}
sumario_estados_regionalizado <-  sumario_estados %>%
  mutate(`DEDUÇÕES (II)` = replace_na(`DEDUÇÕES (II)`, 0)) %>%
  group_by(REGIAO) %>% 
  mutate(media_regiao   = sum(`DÍVIDA CONSOLIDADA - DC (I)` / n())) %>%
  ungroup() %>%
  group_by() %>%
  mutate(media_nacional = sum(`DÍVIDA CONSOLIDADA - DC (I)` / n())) %>%
  ungroup() %>%
  left_join(estados) %>%
  mutate(nomes = as.character(nomes)) %>%
  rename(DCL_pop = `DCL / Pop`)
```

Testando um gráfico das composições

```{r, fig.height=8, fig.width=4.5, fig.align="center"}
dados_composicoes <- sumario_estados_regionalizado %>%
  select(UF, 
         DCL = `DÍVIDA CONSOLIDADA LÍQUIDA (DCL) (III) = (I - II)`, 
         Ded = `DEDUÇÕES (II)`,
         DC = `DÍVIDA CONSOLIDADA - DC (I)`) %>%
  mutate(Ded_pct = 100 * Ded / DC,
         DCL_pct = 100 * DCL / DC,
         UF = fct_reorder(UF, Ded_pct, .desc = TRUE)) %>%
  select(UF, Ded_pct, DCL_pct) %>%
  gather(DCL_pct, Ded_pct, key = variavel, value = valor) 

ggplot(dados_composicoes, aes(y = valor/100, x = UF, fill = variavel)) +
  geom_col(width = 0.7, position = "stack") +
  geom_text(aes(label = percent(valor/100), color = variavel),
            family = "Open Sans", size = 3, hjust = "left", 
            position = "stack", vjust = 0.3) +
  scale_fill_manual(values = c("Ded_pct" = azul_claro, "DCL_pct" = vermelho), 
                    labels = c("Ded_pct" = "Deduções", "DCL_pct" = "DCL")) +
  scale_color_manual(values = c("Ded_pct" = "#C3D9F0", "DCL_pct" = vermelho)) +
  scale_y_continuous(labels = percent) +
  guides(color = FALSE) +
  labs(x = NULL, y = NULL, fill = NULL, title = "Dívida Consolidada dos Estados: DCL e Deduções") +
  coord_flip() + 
  tema() + theme(legend.position = "bottom") + theme(legend.key.size = unit(0.5,"line"))
```

Gráficos da ficha dos estados

```{r}
# sumario_grafico <- function(estado) {
#   sumario_estados_regionalizado %>%
#     filter(UF == estado) %>%
#     select(ded = `DEDUÇÕES (II)`,
#            dc = `DÍVIDA CONSOLIDADA - DC (I)`,
#            dcl = `DÍVIDA CONSOLIDADA LÍQUIDA (DCL) (III) = (I - II)`,
#            media_regiao,
#            media_nacional) %>%
#     mutate(em_branco = dcl) %>%
#     gather(-em_branco, key = variavel, value = valor_de_verdade)  %>%
#     mutate(em_branco = ifelse(variavel == "ded", em_branco, 0)) %>%
#     gather(valor_de_verdade, em_branco, key = tipo_valor, value = valor) %>%
#     mutate(cores = case_when(tipo_valor == "em_branco" ~ NA,
#                              variavel == "dc" ~ azul,
#                              variavel == "ded" ~ vermelho,
#                              TRUE ~ azul_claro),
#            tipo_valor = factor(tipo_valor, levels = c("valor_de_verdade", "em_branco")),
#            variavel = factor(variavel, levels = rev(c("dc", "ded", "dcl", "media_regiao", "media_nacional"))))
# }
#
# teste_df <- sumario_grafico("DF")
#
# ggplot(teste_df, aes(x = variavel, y = valor, fill = cores)) + 
#   geom_col(aes(y = ifelse(variavel %in% c("dc", "ded", "dcl"),
#                           valor,
#                           NA)), position = "stack", width = 0.5) +
#   scale_fill_identity() + 
#   coord_flip() +
#   tema()

sumario_grafico <- function(estado) {
  sumario_estados_regionalizado %>%
    filter(UF == estado) %>%
    select(ded = `DEDUÇÕES (II)`,
           dc = `DÍVIDA CONSOLIDADA - DC (I)`,
           dcl = `DÍVIDA CONSOLIDADA LÍQUIDA (DCL) (III) = (I - II)`,
           media_regiao,
           media_nacional) %>%
    mutate(em_branco = dcl) %>%
    gather(-em_branco, -media_regiao, -media_nacional, key = variavel, value = valor_de_verdade)  %>%
    gather(media_regiao, media_nacional, key = medias, value = valor_media) %>%
    mutate(em_branco = ifelse(variavel == "ded", em_branco, NA)) %>%
    gather(em_branco, valor_de_verdade, key = tipo_valor, value = valor) %>%
    mutate(valor_media = ifelse(variavel == "dcl" & tipo_valor == "valor_de_verdade", valor_media, NA),
           cores = case_when(tipo_valor == "em_branco" ~ "NA",
                             variavel == "dc" ~ azul,
                             variavel == "ded" ~ vermelho,
                             TRUE ~ azul_claro),
           tipo_valor = factor(tipo_valor, 
                               levels = c("valor_de_verdade", "em_branco")),
           variavel = factor(variavel, levels = rev(c("dc", "ded", "dcl"))),
           medias = replace(medias, medias == "media_regiao", "Média da Região"),
           medias = replace(medias, medias == "media_nacional", "Média Nacional"))
}

plota_card_estado <- function(dados) {
  ggplot(dados, aes(x = variavel, y = valor, fill = cores)) + 
    geom_col(position = "stack", width = 0.5) +
    geom_tile(aes(y = valor_media), color = azul, width = 0.7, height = 1, linetype = "dotted") +
    geom_text(aes(y = valor_media, 
                  label = paste0(medias, "\nR$ ", 
                                 format(round(valor_media/1e9, 2), big.mark = ".", decimal.mark = ","), " bi"), 
                  vjust = ifelse(medias == "Média Nacional", 2.7, -1.9)), family = "Open Sans Condensed", 
              size = 3.5, color = "dimgrey", hjust = "inward") +
    geom_label(aes(label = ifelse(tipo_valor == "valor_de_verdade" & medias == "Média da Região",
                                 paste0("R$ ", format(round(valor/1e9, 2), 
                                                      big.mark = ".", 
                                                      decimal.mark = ","),
                                        " bi"), 
                                 NA),
                  y = valor,
                  color = cores), 
              family = "Open Sans", size = 3.5, hjust = "center", 
              position = "stack", vjust = "center", fill = "white") +
    scale_fill_identity() + 
    scale_color_identity() +
    scale_y_continuous(labels=function(x) {format(x/1e9, big.mark = ".", decimal.mark=",", scientific = FALSE)}) +
    scale_x_discrete(labels = c("ded" = "Deduções", 
                                "dc"  = "Dívida\nConsolidada", 
                                "dcl" = "Dívida\nConsolidada\nLíquida")) +
    labs(x = NULL, y = "R$ bilhões") +
    coord_flip() +
    tema() + theme(axis.text.y = element_text(size = 12)) + theme(axis.line.x = element_line())
}

# plota_card_estado(teste_df)
```


## A Dívida de cada estado

Selecione o Estado no mapa para obter mais informações.

<div class = "card-estados">

```{r}
mapa_brasil <- geojsonio::geojson_read("./dados/brazil_geo.geojson", what = "sp")

# o ideal seria pegar daqui https://servicodados.ibge.gov.br/api/docs/malhas?versao=2#api-_
# mas só consegui do brasil inteiro, sem as ufs. a api ou renderiza o mapa com ufs ou mostra o json sem ufs.
# aí achei em algum lugar da internet, e só editei um pouco para ficar do jeito esperado, começando com 
# {"type":"FeatureCollection","features":[... 

# incorporando o dado de DCL no mapa

mapa_brasil@data <- sumario_estados %>%
  select(UF, REGIAO, DCL = `% da DCL sobre a RCL (III/RCL)`) %>%
  right_join(mapa_brasil@data, by = c("UF" = "sigla"))

mapa_brasil@data <- mapa_brasil@data %>%
  left_join(estados)

# ggplot(mapa_brasil@data, aes(x = DCL)) + geom_histogram(binwidth = 10) + scale_x_continuous(breaks = seq(-20, 250, 20))



bins <- c(-20, 0, 20, 40, 60, 80, 100, 200, Inf)
pal <- colorBin("YlOrRd", domain = mapa_brasil$DCL, bins = bins)

labels <- sprintf(
  "<strong>%s</strong><br/>DCL/RCL: %g &#37;",
  mapa_brasil$nomes, mapa_brasil$DCL
) %>% lapply(htmltools::HTML)


faz_mapa <- function() {
  leaflet(mapa_brasil, options = leafletOptions(minZoom = 3.7, maxZoom = 3.7)) %>%
    setView(lat=-14.235, lng=-51.9253 , zoom=3.7) %>%
    addPolygons(
      fillColor = ~pal(DCL),
      weight = 3,
      opacity = 1,
      color = "white",
      fillOpacity = 0.8,
      highlight = highlightOptions(
        weight = 3,
        color = "#353E57",
        fillOpacity = 1,
        bringToFront = TRUE),
      label = labels,
      layerId = ~UF,  # muito importante, vai alimentar o "id" do shape_click
      labelOptions = labelOptions(
        style = list("font-weight" = "normal", 
                     "font-family" = "'Open Sans'",
                     padding = "3px 8px"),
        textsize = "15px",
        direction = "auto"))
}

#  addProviderTiles("MapBox", options = providerTileOptions(
#    id = "mapbox.light",
#    accessToken = Sys.getenv('MAPBOX_ACCESS_TOKEN'))) %>% 
  
retorna_texto <- function(estado, variavel) {
  resultado <- sumario_estados_regionalizado %>%
    filter(UF == estado) %>%
    select(!!sym(variavel))
  return (as.character(resultado[1,1]))
}

# retorna_texto("AC", "nomes") 

mainPanel(
  leafletOutput("mapa"),
  textOutput("Estado"),
  textOutput("regiao"),
  tagAppendAttributes(textOutput("pop"), style="font-family: 'Open Sans Condensed'"),
  #textOutput("DCLperCap"),
  tags$style(type="text/css", "#Estado {font-family: 'Open Sans Condensed'; font-size: 2em; color: #1f476a; padding-bottom: 5px; font-weight: 400;}"),
  tags$style(type="text/css", "#regiao {font-family: 'Open Sans Condensed'; font-size: 1.5em; padding-bottom: 5px;}"),
  tagAppendAttributes(textOutput("DCL_RCL"), style="font-family: 'Open Sans Condensed'"),
  tagAppendAttributes(textOutput("DCLperCap"), style="font-family: 'Open Sans Condensed'"),
  plotOutput("card")
  )

output$mapa <- renderLeaflet({
  faz_mapa()
  })

obtem_estado_click <- function() {
   uf <- req(input$mapa_shape_click$id)
   if (is.na(uf)) {uf <- "AC"}
   return(uf)
}

output$Estado    <- renderText(paste0("Estado: ", retorna_texto(obtem_estado_click(), "nomes")))
output$regiao    <- renderText(retorna_texto(obtem_estado_click(), "REGIAO"))
output$pop       <- renderText(paste0("População: ",
                                      format(
                                        round(
                                          as.numeric(
                                            retorna_texto(obtem_estado_click(), "pop")
                                            ),
                                          2),
                                        big.mark = ".", decimal.mark = ","), 
                                      " pessoas"))
output$DCLperCap <- renderText(paste0("DCL por habitante: R$ ",
   format(round(as.numeric(retorna_texto(obtem_estado_click(), "DCL_pop")),2),
                                       big.mark = ".", decimal.mark = ",")))

output$DCLperCap <- renderText(paste0("DCL / RCL: ",
   format(round(as.numeric(retorna_texto(obtem_estado_click(), "% da DCL sobre a RCL (III/RCL)"))/100,2),
                                       big.mark = ".", decimal.mark = ",")))

output$card <- renderPlot(
  plota_card_estado(sumario_grafico(obtem_estado_click()))
)

# observeEvent(input$mapa_shape_click, {
#   p <- input$mapa_shape_click
#   print(p)
#   print(p$id)
# })





```

</div>

Municípios

```{r}
sumario_municipios <- tabela_municipios %>%
  filter(
    Coluna == "Até o 3º Quadrimestre" & Conta %in% c("% da DCL sobre a RCL (III/RCL)", 
                                                     "DÍVIDA CONSOLIDADA LÍQUIDA (DCL) (III) = (I - II)")) %>%
  select(REGIAO, `Instituição`, Valor, Conta, pop, UF, Escopo) %>%
  spread(Conta, Valor) %>%
  filter(`Instituição` != "Prefeitura Municipal de Itaíba - PE") %>%
  rename("dcl_rcl" = "% da DCL sobre a RCL (III/RCL)",
         "dcl" = "DÍVIDA CONSOLIDADA LÍQUIDA (DCL) (III) = (I - II)")

a <- ggplot(sumario_municipios, aes(y = dcl_rcl, x = REGIAO, color = dcl_rcl > 0, label = `Instituição`)) +
  #geom_jitter() +
  geom_quasirandom(varwidth = TRUE) +
  scale_color_manual(values = c("TRUE" = "dodgerblue", "FALSE" = "firebrick")) +
  tema()

ggplotly(a)

#deployApp(server = "shinyapps.io")
```