5.1 Análise das câmaras

Agora vamos fazer gráficos!

5.1.1 Como se distribuem os assuntos em cada câmara?

Gráfico fraqueza:

d_cjsg %>%
  tidyr::separate(classe_assunto, c('classe', 'assunto'), 
                  sep = ' / ',  extra = 'merge', fill = 'right') %>% 
  ggplot(aes(x = vara, fill = assunto)) +
  geom_bar(colour = 'black', position = "fill", show.legend = FALSE)

Gráfico nutella:

d_cjsg %>%
  ## transformacao -------------------------------------------------------------
  # tirar NA (não tem problema pois são aqueles casos que não existem)
  dplyr::filter(!is.na(vara)) %>% 
  tidyr::separate(classe_assunto, c('classe', 'assunto'), sep = ' / ', 
                  extra = 'merge', fill = 'right') %>%
  # categorizar os assuntos e mudar a ordem
  dplyr::mutate(assunto = assunto %>% 
                  stringr::str_wrap(19) %>% 
                  forcats::fct_infreq() %>% # ordena o factor decrescente
                  forcats::fct_rev() %>% 
                  forcats::fct_lump(n = 11, other_level = "Outros")) %>% 
  # pega somente os números das câmaras e coloca zeros à esquerda
  dplyr::mutate(num = parse_number(vara),
                num = str_pad(num, 2, pad = "0")) %>% 
  # grafico --------------------------------------------------------------------
  ggplot(aes(x = num, fill = assunto)) +
  geom_bar(colour = 'black', position = "fill") +
  guides(fill = guide_legend(reverse = TRUE)) +
  # coisas cosméticas
  theme_minimal(14) +
  scale_y_continuous(labels = scales::percent) +
  labs(x = 'Órgão julgador', 
       y = 'Proporção de \nprocessos por assunto',
       fill = "") +
  theme(legend.position = "bottom")

5.1.2 Qual a proporção de decisões por câmara?

Primeiro, vamos montar a função que classifica as decisões.

# essa é a classificação final
negaram <- stringr::regex('negara?m|nega-se|negam-se', ignore_case = TRUE)
parcial <- stringr::regex('parcial', ignore_case = TRUE)
deram <- stringr::regex('deram|mantiv|dá-se|nul|conhec', ignore_case = TRUE)
extinto <- stringr::regex('extin', ignore_case = TRUE)

tipos_decisao <- function(decisoes) {
  dplyr::case_when(
    stringr::str_detect(decisoes, negaram) ~ 'negado',
    stringr::str_detect(decisoes, parcial) ~ 'parcial',
    stringr::str_detect(decisoes, deram) ~ 'provido',
    stringr::str_detect(decisoes, extinto) ~ 'extinto',
    TRUE ~ "outros")
}

Agora, vamos pegar apenas os casos em que as pessoas entraram com recursos de apelação contra o Ministério Público.

partes_apelacoes <- d_cposg %>% 
  dplyr::select(id_lawsuit, parts) %>% 
  tidyr::unnest_legacy(parts) %>% 
  dplyr::filter(part == 'Apelado', stringr::str_detect(name, '[Mm]inist')) %>% 
  # Exercício: por que usamos distinct aqui?
  dplyr::distinct(id_lawsuit)

Agora, montamos a base de decisões

d_decisoes <- d_cposg %>% 
  dplyr::select(id, id_lawsuit, decisions) %>% 
  tidyr::unnest_legacy(decisions) %>% 
  # Exercício: o que faz semi_join()?
  dplyr::semi_join(partes_apelacoes, "id_lawsuit") %>% 
  dplyr::arrange(desc(date)) %>%  
  dplyr::group_by(id_lawsuit) %>%
  # Exercício: o que faz slice()?
  dplyr::slice(1) %>% 
  dplyr::ungroup()

decisoes <- d_decisoes %>% 
  dplyr::mutate(tipo_decisao = tipos_decisao(decision)) %>% 
  dplyr::select(id_lawsuit, tipo_decisao)

Gráfico fraqueza:

d_cjsg %>% 
  dplyr::distinct(id_processo, .keep_all = TRUE) %>% 
  dplyr::inner_join(decisoes, c('id_processo' = 'id_lawsuit')) %>% 
  ggplot(aes(x = vara, fill = tipo_decisao)) +
  geom_bar(position = "fill")

Gráfico nutella:

prop_negados <- function(x) {
  sum(x == "negado") / length(x)
}

d_cjsg %>%
  dplyr::distinct(id_processo, .keep_all = TRUE) %>% 
  dplyr::inner_join(decisoes, c('id_processo' = 'id_lawsuit')) %>% 
  dplyr::mutate(num = vara %>% 
                  readr::parse_number() %>% 
                  stringr::str_pad(width = 2, pad = "0") %>% 
                  forcats::fct_reorder(tipo_decisao, prop_negados) %>% 
                  forcats::fct_rev()) %>% 
  dplyr::mutate(tipo_decisao = fct_infreq(tipo_decisao) %>% fct_rev()) %>% 
  # grafico --------------------------------------------------------------------
  ggplot(aes(x = num, fill = tipo_decisao)) +
  geom_bar(colour = 'black', position = 'fill', size = .3) +
  geom_hline(yintercept = 1:4 / 4, linetype = 2, alpha = .4) +
  scale_y_continuous(labels = scales::percent) +
  coord_flip() +
  # perfumaria -----------------------------------------------------------------
  guides(fill = guide_legend(reverse = TRUE)) +
  theme_minimal(16) +
  theme(legend.position = "bottom") +
  labs(x = "Câmara", 
       y = 'Proporção de processos por tipo de decisão', 
       fill = "Decisão")