(Warning this post is written in Brazilian Portuguese and it is heavily laced with the political option of the author!)
Não tenho TV e por isso tem sido difícil fácil sobreviver esse período
eleitoral no Brasil. Mesmo assim sou bombardeado com "notícias", afinal a
internet está recheada com opiniões, análises,
críticas, protestos, propagandas e etc.
Recentemente vi dois posts no Facebook que me chamaram a atenção: um convidava as pessoas a checar os dados do World Bank e o outro era uma repetição de um blog post intitulado O tal do FHC.
O primeiro me chamou a atenção pelo ponto de vista python+pandas, adorei descobrir que o pandas traz uma interface para explorar esses dados facilmente.
Olha como é simples fazer uma procura nos inúmeros indicadores:
from pandas.io import wb
wb.search('middle.*class.*').iloc[:,:2]
O banco de dados é gigantesco e muito completo! Para poder explorar os dados vou definir 3 funções simples,
get_wb_data()faz o download, em pares, dos dados entre 1995 e 2014 para o Brasil;get_label()pega a descrição do indicator escolhido;plot_df()plota os pares de dados.
from pandas import concat
import matplotlib.pyplot as plt
plt.style.use('ggplot')
ind = wb.get_indicators()
def get_wb_data(indicator='NY.GDP.PCAP.KD'):
kw = dict(country=['BR'], start=1995, end=2014)
data = wb.download(indicator=indicator, **kw)
data = data.xs('Brazil')
data.sort_index(inplace=True)
return data
def get_label(indicator):
return ind[ind['id'] == indicator].name.values[0]
def plot_df(df):
kw = dict(linewidth=2, alpha=.95)
fig, ax0 = plt.subplots(figsize=(9, 3.25))
label0 = get_label(df.columns[0])
l0, = ax0.plot(df.index, df.icol(0), color='black', **kw)
ax1 = ax0.twinx()
label1 = get_label(df.columns[1])
l1, = ax1.plot(df.index, df.icol(1), color='darkred', **kw)
kw = dict(loc='upper center', bbox_to_anchor=(0.5, 1.15),
ncol=1, fancybox=True)
fig.legend([l0, l1], [label0, label1], **kw)
ax1.grid(False)
ax1.grid(False)
ax1.axvspan(1995, 2003, color='blue', alpha=0.25)
ax1.axvspan(2003, 2014, color='gray', alpha=0.25)
ax1.set_xlim(1995, 2014)
years = [1995, 1999, 2003, 2007, 2014]
labels = ['1995', '1999', '2003', '2007', '2014']
plt.xticks(years, labels)
return fig, (ax0, ax1)
Vamos ao teste,
GDP = get_wb_data(indicator='NY.GDP.PCAP.KD')
CLS = get_wb_data(indicator='1.0.HCount.Mid10to50')
df = concat([GDP, CLS], axis=1)
fig, ax = plot_df(df)
Legal! simples e conciso o pandas nunca para de
me surpreender. <shameless plug> Por isso eu escolhi ele para a minha biblioteca
python-ctd ;-) </shameless plug>
Mas agora vamos ao segundo post que me chamou a atenção "O tal do FHC." Eu devo admitir que o autor, Fernando Luz Barbosa, foi muito experto em ultra simplificar algo complexo como a economia Brasileira no panorama global.
Também, ao manter seu post curto, ele evita cair na armadilha do tl;dr. Vou tentar fazer o mesmo aqui, mas usando gráficos e dados reais ao invés de uma metáfora/retórica que apela ao leitor a tirar uma conclusão "inteligente" e pseudo-própria.
O gráfico acima é basicamente o ponto de partida do blog post "O tal do FHC.
Não foi atoa que eu escolhi 1995‐2014 e marquei os governos com cores
diferentes. Até aí nada de novo, todos sabemos que os brasileiros estão comendo
mais frango desde que Itamar Franco FHC implementou o plano Real
baseado nos papers do Serra e da Dilma e suas ideias Keynesianas.
(Saudades do Casseta & Planeta...)
Mas o blog é super simplista ao insinuar uma interpretação de que o governo do
PT surfou uma boa onda. Ora, boas ondas estão passando o tempo todo, cabe ao
bom surfista ir atrás delas. Falem o que quiserem do corrupto
Richard Nixon, mas
ele fez os EUA surfar na onda da China desde 1972. O Brasil vem perdendo as
ondas devido ao seu atraso político/educacional que eu atribuo à nossa estória
com o ARENA, PFL DEM e outros partidos de direita.
Mas reduzir a economia do Brasil no panorama global às relações comerciais é uma super simplificação, e um tanto quanto perigosa.
Nos gráficos abaixo eu coloco a minha opinião para tentar entender um pouco esse panorama. Mas aviso! Sou oceanógrafo e não economista, por isso o que escrevo abaixo é apenas a minha opinião e nada mais!! Aviso também que eu tenho um ponto que ficará claro ao longo desse blog post.
RES = get_wb_data(indicator='FI.RES.TOTL.CD')
BAL = get_wb_data(indicator='BN.CAB.XOKA.CD')
df = concat([RES, BAL], axis=1)
fig, ax = plot_df(df)
Esse gráfico mostra que o Brasil começou a pensar em fazer uma reserva de forma como nunca antes na estória dessa nação... (Mais saudades do Casseta & Planeta!)
Mas a balança comercial não está OK! Importamos mais do que exportamos. Atire o primeiro IPhone quem não compra produtos lá fora!
ROD = get_wb_data(indicator='IS.ROD.PAVE.ZS')
IND = get_wb_data(indicator='NV.IND.TOTL.ZS')
df = concat([ROD, IND], axis=1)
fig, ax = plot_df(df)
Eu gosto de pensar que investimentos em rodovias refletem investimentos em infraestrutura como um todo, afinal, lembro das filas quilométricas no porto de Rio Grande quando morei lá. Infelizmente o Brasil está muitos anos atrás de ter uma boa infraestrutura. Mas os dados mostram que não estamos completamente parados.
Já o valor da indústria no PIB é preocupante. O que está acontecendo? Seria uma fuga das empresas devido ao baixo investimento em infraestrutura? Ou seria uma corrida dos investidores para o lucro rápido do capital especulativo?
(Isso leva a um triste fim. Basta ver o que os abutres investidores fizeram
com a Argentina. Espero que o Brasil não sofra o mesmo fim.)
EXP = get_wb_data(indicator='NE.EXP.GNFS.ZS')
FMI = get_wb_data(indicator='DT.DOD.DIMF.CD')
df = concat([EXP, FMI], axis=1)
fig, ax = plot_df(df)
Esse eu considero muito interessante. Todos os brasileiros devem celebram a independência dos empréstimos do FMI. Mas porque as exportações caíram tanto!
As reservas estão altas, o governo investe em infraestrutura, a divida externa está reduzida... Será que é a maldita economia de especulação novamente? Que onda é essa que o Lula surfou? Não me parece ter sido tanta sorte assim.
AGR = get_wb_data(indicator='NV.AGR.TOTL.ZS')
IND = get_wb_data(indicator='NV.IND.TOTL.ZS')
df = concat([AGR, IND], axis=1)
fig, ax = plot_df(df)
Antes que alguém grite "A onda era o bolo para os 33 chineses" aqui vão os dados dos agronegócios e da indústria lado-a-lado.
SUR = get_wb_data(indicator='GC.BAL.CASH.GD.ZS')
REV = get_wb_data(indicator='GC.REV.XGRT.GD.ZS')
df = concat([SUR, REV], axis=1)
fig, ax = plot_df(df)
Esse eu acho muito legal, ele mostra que os candidatos sempre deixam uma "herança maldita" uns para os outros. Mas fica a pergunta, com os empréstimos do FMI, o grana das privatizações, a inflação e juros altos, para onde foi o Cash Surplus (CS) da era FHC? Acho que aqueles votos de re-eleição custaram mais caro do que pensávamos. (Outra interpretação é que os corruptos do PT são mais baratinhos.)
Outro fenômeno interessante é a arrecadação, em porcentagem do PIB, está sempre atrelada ao CS, mas estava no negativo antes de 2003 e depois ficou no positivo.
A minha conclusão de um completo leigo é que o assunto é muito mais complexo que pensamos. O Brasil, assim como diversos países em desenvolvimento, é frágil ao capital especulativo. A única defesa é investimento em infraestrutura e uma poupança gorda para atrair investidores sólidos. Ambos passos o PT vêm fazendo bem. Talvez o mais interessante é que os dados mostram que quem surfou uma "onda" foi o FHC. Na sua época havia mais investimento na produção industrial e agrícola. Uma pena que o povo brasileiro não surfou com ele.
Mas ainda bem que a ondinha que o Lula pegou deu pra melhorar um pouco a vida de todos nós.
Deixei de fora indicadores de saúde e educação. Mas quem quiser brincar com isso basta fazer download do notebook e escolher o indicador que quiser.
Para encerrar dois dados, que não razão especial para estar no mesmo gráfico, um é apenas pela minha paixão de ver a queda da pobreza no Brasil e o outro é pra lembrar que esse blog é sobre oceanografia!
Até mais,
-Filipe Fernandes
POV = get_wb_data(indicator='SI.POV.DDAY')
MRN = get_wb_data(indicator='ER.MRN.PTMR.ZS')
df = concat([POV, MRN], axis=1)
fig, ax = plot_df(df)
HTML(html)
This post was written as an IPython notebook. It is available for download or as a static html.
python4oceanographers by Filipe Fernandes is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
Based on a work at https://ocefpaf.github.io/.