{censobr}: Fácil Acesso aos Dados dos Censos Demográficos BrasileirosResumo
Este artigo apresenta o {censobr}, um pacote para R que fornece métodos eficientes para acessar e analisar dados censitários brasileiros. Ele permite a manipulação de dados diretamente em disco, possibilitando que os usuários trabalhem facilmente com bases maiores do que a memória RAM disponível, utilizando a sintaxe familiar do {dplyr}. O {censobr} integra-se ao pacote {geobr}, enriquecendo os dados censitários com identificadores geográficos que facilitam análises espaciais. Ele disponibiliza diversas funções para baixar microdados e dados agregados referentes a todas as edições do censo brasileiro desde 1960, além de fornecer acesso à documentação essencial, como dicionários de variáveis e manuais de entrevista. O {censobr} inclui tanto microdados da amostra quanto dos agregados por setores censitários. Exemplos práticos apresentados no artigo demonstram suas aplicações em áreas como análises demográficas e pesquisas domiciliares. O {censobr} representa um avanço significativo na disponibilização eficiente dos dados censitários brasileiros para pesquisa acadêmica e formulação de políticas públicas. Atualizações futuras ampliarão suas funcionalidades e a cobertura dos dados, contribuindo ainda mais para a facilidade de uso e capacidade analítica do pacote.
Palavras-chave:
censo demográfico brasileiro; pacote para R; censobr; microdados; setores censitários
Abstract
This paper introduces {censobr}, an R package that provides an efficient method for accessing and analyzing Brazilian census data. The package enables in-disk data manipulation, allowing users to handle larger-than-memory datasets seamlessly with familiar {dplyr} syntax. The package integrates with {geobr}, enriching census data with geographic identifiers for easy spatial analysis. It offers a range of functions to download microdata and aggregated data for all of the Brazilian census editions since 1960. It also provides access to essential documentation such as variable dictionaries and interview manuals. Through this approach, {censobr} enhances accessibility to detailed demographic and socioeconomic information, including both individual-level microdata and census tract-level aggregates. Additionally, the package’s handling of complex survey designs and support for spatial data visualization facilitates in-depth analysis of the Brazilian population’s sociodemographic characteristics and living conditions over several decades. Practical examples included in the paper demonstrate its applications in areas such as demographic analysis and household-level research. {censobr} represents a significant advancement in making Brazilian census data accessible and efficient for academic and policy-related research. Future updates will expand its functionality and data coverage, contributing further to the package’s ease of use and analytical capabilities.
Keywords:
Brazilian Demographic Census; R package; censobr; microdata; census tracts
Résumé
Cet article présente le {censobr}, un paquet pour R qui fournit des méthodes efficaces pour accéder aux et analyser les données censitaires brésiliennes. Il permet la manipulation de données directement sur disque, offrant aux utilisateurs la possibilité de travailler facilement avec des bases plus volumineuses que la mémoire RAM disponible, tout en utilisant la syntaxe familière de {dplyr}. Le {censobr} s’intègre au paquet {geobr}, enrichissant les données censitaires avec des identifiants géographiques qui facilitent les analyses spatiales. Il propose diverses fonctions pour télécharger des microdonnées et des données agrégées couvrant toutes les éditions du recensement brésilien depuis 1960, en plus de fournir un accès à la documentation essentielle, comme les dictionnaires de variables et les manuels d’entretien. Le paquet inclut à la fois des microdonnées issues de l’échantillon et des agrégats par secteurs de recensement. Les exemples pratiques présentés dans l’article démontrent ses applications dans des domaines tels que l’analyse démographique et les enquêtes auprès des ménages. Le {censobr} représente une avancée significative dans la mise à disposition efficace des données censitaires brésiliennes pour la recherche académique et l’élaboration de politiques publiques. Les mises à jour futures élargiront ses fonctionnalités et sa couverture de données, contribuant encore davantage à la facilité d’utilisation et aux capacités analytiques du paquet.
Mots-clés:
recensement démographique brésilien; paquet pour R; {censobr}; microdonnées; secteurs de recensement
Resumen
Este artículo presenta el {censobr}, un paquete para R que proporciona métodos eficientes para acceder y analizar datos censales brasileños. Permite la manipulación de datos directamente en disco, lo que posibilita a los usuarios trabajar fácilmente con bases de datos mayores que la memoria RAM disponible, utilizando la sintaxis familiar de {dplyr}. El {censobr} se integra con el paquete {geobr}, enriqueciendo los datos censales con identificadores geográficos que facilitan los análisis espaciales. Ofrece diversas funciones para descargar microdatos y datos agregados referentes a todas las ediciones del censo brasileño desde 1960, además de proporcionar acceso a documentación esencial, como diccionarios de variables y manuales de entrevista. El {censobr} incluye tanto microdatos de muestra como datos agregados por sectores censales. Los ejemplos prácticos presentados en el artículo demuestran sus aplicaciones en áreas como análisis demográficos e investigaciones domiciliarias. El {censobr} representa un avance significativo en la disponibilidad eficiente de los datos censales brasileños para la investigación académica y la formulación de políticas públicas. Las futuras actualizaciones ampliarán sus funcionalidades y la cobertura de los datos, contribuyendo aún más a la facilidad de uso y capacidad analítica del paquete.
Palabras clave:
censo demográfico brasileño; paquete para R; censobr; microdatos; sectores censales
Introdução
Os Censos Demográficos são uma das fontes mais importantes de informação sobre as características e condições de vida da população de um país. No Brasil, o censo realizado pelo Instituto Brasileiro de Geografia e Estatística (IBGE) é um recurso essencial para a pesquisa científica e serve como base para orientar políticas e o planejamento governamental. No entanto, o formato bruto dos dados disponibilizados ao público e o seu grande volume frequentemente impõem desafios substanciais para pesquisadores, especialmente aqueles com recursos computacionais limitados.
Para enfrentar essas dificuldades, desenvolvemos o {censobr}, um pacote em R projetado para facilitar o acesso e a manipulação eficiente dos dados e da documentação dos censos brasileiros, abrangendo todas as suas edições, desde 1960. Como o pacote {censobr} utiliza a plataforma Apache Arrow e arquivos pré-processados no formato ‘.parquet’, ele permite que usuários manipulem conjuntos de dados maiores do que a memória RAM, utilizando um formato que otimiza o acesso e o processamento. O Arrow se integra perfeitamente com a sintaxe do {dplyr}, permitindo também que usuários lancem mão de comandos familiares do R, sem exigir grande curva de aprendizado. O {censobr} também se integra ao pacote {geobr} (Pereira et al., 2019), que permite o download de dados geoespaciais oficiais do Brasil, usando identificadores geográficos compatíveis que facilitam a junção dos censos com geometrias espaciais para visualização e análise. Nosso objetivo é tornar os dados dos censos mais acessíveis, mantendo a flexibilidade e o poder da linguagem R.
Esta nota de pesquisa apresenta o pacote {censobr}, descreve suas principais funcionalidades e apresenta exemplos que demonstram suas aplicações nas pesquisas em ciências sociais. O desenvolvimento do pacote {censobr} é documentado no GitHub em https://github.com/ipeaGIT/censobr. O código utilizado para escrever/replicar esta nota está disponível em https://github.com/ipeaGIT/censobr_paper_2025.
Em comparação com outros pacotes computacionais voltados à leitura e análise dos dados censitários brasileiros, como o IPUMS (Ruggles et al., 2024) e a Base dos Dados (Dahis et al., 2022), o pacote {censobr} oferece acesso aos registros completos dos dados e da documentação desde 1960 a partir de uma sintaxe simples e amigável, permitindo também integração fácil com dados espaciais. Existem pacotes com objetivos semelhantes em outros países. É o caso, por exemplo, do {Tidycensus} para os Estados Unidos (Walker, Herman, 2025) e do {cancensus} para o Canadá (von Bergmann et al., 2021). Esses pacotes foram desenvolvidos para acessar dados disponibilizados diretamente por agências oficiais, via Application Programming Interfaces (APIs). No entanto, em contextos em que os dados não são fornecidos por APIs e os conjuntos de dados são muito grandes − como é o caso do Brasil − a arquitetura usada na organização do pacote {censobr} pode servir como um modelo promissor para o tratamento e disponibilização de conjuntos de dados volumosos de outros países.
Panorama dos Censos Brasileiros
O primeiro censo demográfico do Brasil foi realizado em 1872, durante o período imperial, enquanto os censos modernos começaram em 1940 sob a coordenação do IBGE (IBGE, 1990). Dada a dimensão do país, tanto em população quanto em território, o censo demográfico brasileiro representa um dos maiores esforços de coleta de dados populacionais do mundo.
Desde 1960, cada censo brasileiro é dividido em dois componentes principais: o questionário do universo e o questionário da amostra (semelhante ao que foi feito nos Estados Unidos e no Reino Unido, e que ainda é utilizado no Canadá). O questionário do universo é aplicado a todos os domicílios e coleta informações básicas sobre demografia e habitação por meio de um questionário curto contendo entre 9 e 30 perguntas, dependendo da edição do censo. Por outro lado, o questionário da amostra é aplicado a uma fração representativa da população e utiliza um questionário mais longo, que inclui todas as perguntas do questionário do universo, além de dezenas de questões detalhadas sobre temas como migração, religião, educação, fecundidade, renda e trabalho, entre outros. O tamanho da amostra foi de 25% nos censos de 1960, 1970 e 1980, sendo reduzido para 10% a partir de 1991 (IBGE, 2013).
Os dados são publicados em dois formatos principais: dados agregados no nível dos setores censitários e microdados no nível da pessoa ou do domicílio. Os dados do questionário do universo (formulário curto) estão disponíveis apenas de forma agregada, fornecendo estatísticas resumidas (contagens, proporções e médias) calculadas no nível dos setores censitários. Este conjunto de dados pode ser utilizado, por exemplo, em análises espaciais para examinar padrões, desigualdades e tendências de diversas características da população (e.g., Brueckner, Mation, Nadalin, 2019; Goto, Suarez, Ye, 2022). Os setores censitários são a menor unidade geográfica nos censos brasileiros. Eles são áreas contíguas que geralmente contêm cerca de 200 domicílios, projetadas para facilitar a operação de recenseamento. Ao longo do tempo, o número de setores censitários aumentou em resposta ao crescimento populacional e às mudanças nos padrões de assentamento, com aproximadamente 216 mil setores em 2000, 314 mil em 2010 e 452 mil em 2022. Os setores refletem a evolução dos cenários urbanos e rurais brasileiros.
Já os microdados da amostra (questionário longo) consistem em um conjunto de dados em que cada linha representa uma observação ou unidade de coleta – nos censos, tipicamente, “pessoas” e “domicílios” são as unidades dos microdados. “Pessoas” referem-se aos indivíduos da população, cujos dados incluem características como idade, sexo, escolaridade etc. “Domicílios” representam unidades residenciais compostas por uma ou mais pessoas que vivem juntas, compartilham despesas e geralmente ocupam uma mesma unidade residencial. Os microdados no nível dos domicílios incluem variáveis sobre condições habitacionais, acesso a serviços (como água e esgoto) e composição familiar (número de moradores e relações entre eles). Como a amostra possui cobertura geográfica menos detalhada, não é possível realizar análises espaciais muito granulares. As menores unidades geográficas disponíveis nos microdados são as áreas de ponderação, que agrupam setores censitários contíguos para garantir representatividade estatística. Para o Censo de 2010, o IBGE definiu que cada área de ponderação deveria conter pelo menos 400 domicílios ocupados na amostra. Em regiões pouco povoadas, essas áreas podem abranger grandes extensões territoriais.
Em resumo, há um trade-off entre granularidade espacial e riqueza de informações nos dois componentes do censo brasileiro. Os dados agregados no âmbito dos setores permitem análises espaciais detalhadas, mas com número limitado de variáveis. Já os microdados da amostra oferecem uma grande gama de variáveis para análises no nível do indivíduo e do domicílio, mas com menor detalhamento espacial.
A Figura 1 abaixo ilustra a organização espacial hierárquica dos dados censitários, desde o nível municipal até os setores censitários e áreas de ponderação. Os setores censitários, menor unidade geográfica, são utilizados para planejar a operação de coleta de dados e oferecem uma visão de alta resolução das características locais. Já as áreas de ponderação combinam setores contíguos para garantir a representatividade estatística, permitindo análises mais detalhadas dos microdados.
Instalação e Funções Principais
O pacote {censobr} está disponível no CRAN e sua versão estável pode ser instalada como qualquer outro pacote R usando a função install.packages():
Usuários interessados em acessar as funcionalidades mais recentes podem instalar a versão de desenvolvimento diretamente do GitHub com os comandos:
Após a instalação, carregue o pacote na sua sessão do R com:
O pacote inclui várias funções principais para download e leitura de diferentes tipos de dados censitários:
Essas funções permitem ao usuário especificar o ano e o tipo de informação que deseja acessar, além de escolher se os dados devem ser retornados no formato compatível com Arrow ou como um data.frame tradicional (ver seção seguinte). Na primeira vez que uma função é executada, o {censobr} faz o download do arquivo em formato .parquet e o armazena localmente. Assim, os dados só precisam ser baixados uma vez (mais informações na seção “Gerenciando os Arquivos em Cache do {censobr}”).
Todos os conjuntos de dados disponíveis via {censobr} são idênticos aos dados publicados pelo IBGE. A única diferença é que no {censobr} adicionamos colunas de identificação geográfica que seguem os padrões de nomenclatura do pacote {geobr}, facilitando sua integração. A única exceção é o censo de 1960, cuja base foi reconstruída com um processo a parte, como detalhado na subseção seguinte. Os dados são disponibilizados através de links permanentes e são armazenados nos servidores do Instituto de Pesquisa Econômica Aplicada (Ipea) e no repositório público do pacote no GitHub, garantindo o acesso contínuo.
O censo demográfico de 1960
Os dados do Censo brasileiro de 1960 apresentados no pacote {censobr} são fruto de trabalhos anteriores de um dos autores e que, até agora, não haviam sido disponibilizados ao público. O {censobr} marca, portanto, a primeira vez em que esse conjunto de dados está acessível à comunidade acadêmica de forma ampla, oferecendo uma fonte única e valiosa para pesquisadores interessados na história demográfica do Brasil. A versão dos microdados agora disponibilizada representa a combinação de dois conjuntos distintos de dados do Censo Demográfico de 1960.
O Censo de 1960 no Brasil representou um capítulo significativo na história da coleta de dados demográficos do país, caracterizado por sua complexidade metodológica e pelos desafios enfrentados no processamento dos dados. Esta foi a primeira edição na qual o IBGE realizou uma ampla pesquisa amostral com cobertura de 25% da população (utilizando o questionário longo) em paralelo à investigação do universo (questionário curto). No entanto, problemas técnicos atrasaram seu processamento, e os dados de vários estados permaneceram incompletos e não digitalizados. A amostra de 25% atualmente disponível inclui apenas 16 unidades da federação, excluindo Maranhão, Piauí, Guanabara, Santa Catarina, Espírito Santo e a Região Norte. Também contém dados de uma região de fronteira contestada entre Minas Gerais e Espírito Santo, conhecida como Serra dos Aimorés.
Em meio ao atraso no processamento, em 1965 o IBGE criou uma subamostra probabilística de aproximadamente 1,27% da população, com cobertura para todas as unidades da federação. Essa subamostra foi usada para produzir diversos relatórios oficiais na década de 1960 e ainda hoje é uma importante fonte de dados. Diferente da amostra de 25%, a amostra de 1,27% é abrangente em termos de cobertura geográfica (embora exclua áreas rurais do estado de Rondônia). Combinamos ambas as amostras (25% e 1,27%) para formar um conjunto de dados mais completo, que se aproxima da cobertura amostral originalmente prevista. O processo de fusão envolveu amplo pré-processamento para lidar com inconsistências nos dados (especialmente porque partes da amostra original de 1,27% estavam corrompidas, resultando em informações ausentes ou incorretas). Uma explicação detalhada sobre como esses dados foram processados está disponível em: <<https://github.com/antrologos/ConsistenciaCenso1960Br>>.
Desenvolvemos uma tabela de correspondência (crosswalk) para alinhar os códigos de municípios do Censo de 1960 com os nomes dos municípios, utilizando documentos auxiliares da biblioteca digital do IBGE. Esse processo exigiu extensa digitação manual, devido à baixa qualidade dos documentos digitalizados. A partir dos nomes dos municípios, cruzamos os dados com o Anuário Estatístico do Brasil e importamos informações detalhadas sobre o total da população nas áreas urbanas e rurais de todos os municípios e estados. Isso nos permitiu construir uma variável de peso amostral, possibilitando estimativas populacionais mais precisas e corrigindo os desequilíbrios da amostra. Para os registros da amostra de 25%, os pesos expandem para os totais populacionais dos municípios, enquanto para a amostra de 1,27%, a expansão ocorre para os totais populacionais estaduais. Além disso, para aproximar o desenho amostral complexo original e permitir análises estatísticas mais acuradas, foram incorporadas variáveis de estratificação e conglomerados (clusters). Esses recursos permitem o cálculo de erros-padrão e intervalos de confiança que consideram mais de perto a estrutura combinada de amostragem.
A disponibilização desse conjunto de dados combinados do Censo de 1960 no pacote {censobr} oferece uma oportunidade única para pesquisadores interessados em estudar a história demográfica do Brasil durante um período marcado por rápida urbanização e transformações socioeconômicas.
Documentação dos Censos no {censobr}
Além das funções para leitura de dados, o pacote {censobr} também oferece um conjunto de funções para acesso rápido à documentação censitária, incluindo dicionários de variáveis, questionários e manuais do recenseador.
Todas as funções de documentação fazem o download dos arquivos nos formatos (e.g em formato .html ou .pdf) e abrem o documento no navegador. Assim como nas funções de leitura de dados do {censobr}, os arquivos de documentação também são salvos em cache localmente na primeira vez que a função é executada. Dessa forma, nas execuções seguintes, o arquivo já armazenado é carregado quase instantaneamente.
Dicionário de Dados
A função data_dictionary() carrega o dicionário de variáveis, com a definição de cada variável e a legenda para variáveis categóricas. Atualmente, essa função cobre os dicionários dos microdados amostrais de todos os censos brasileiros desde 1960. Além disso, também inclui os dicionários dos dados agregados por setor censitário para os anos desde 2000.
Questionários
Compreender a estrutura dos questionários e o encadeamento de suas perguntas é essencial para uma boa análise de dados. A função questionnaire() disponibiliza os questionários utilizados na coleta de dados em todos os censos brasileiros desde 1960. Além do parâmetro do ano, é necessário indicar o tipo de questionário desejado: se é o formulário curto do questionário do universo (type = ‘short’) ou o formulário longo da amostra (type = ‘long’).
Exemplo de uso:
Manual do Recenseador
Além disso, a função interview_manual() baixa e abre no navegador o “Manual do Recenseador”, ou seja, o guia com instruções para os agentes do IBGE sobre como coletar os dados censitários. Estão disponíveis os manuais para todos os censos desde 1960.
Exemplos de uso:
Trabalhando com Dados Maiores que a Memória Ram
Análise de dados em disco com {arrow}, bancos de dados SQL com {duckdb} e {dbplyr}
Uma das funcionalidades mais importantes do pacote {censobr} é a sua capacidade de lidar com conjuntos de dados maiores do que a memória RAM disponível. Os dados dos censos frequentemente são grandes demais para serem carregados diretamente no R. Para lidar com isso, o {censobr} utiliza arquivos salvos no formato .parquet e, por padrão, retorna uma “tabela Arrow” em vez de um data.frame convencional. Uma tabela Arrow é um objeto que “aponta” para os dados armazenados em disco, permitindo a manipulação básica dos dados sem precisar carregá-los integralmente na memória.
Após acessar os dados com qualquer função read_*, é possível utilizar funções comuns do {dplyr} para selecionar colunas, filtrar casos, recodificar variáveis ou agregar observações. As operações com tabelas Arrow são executadas de forma lazy (preguiçosa), ou seja, só são de fato computadas quando explicitamente solicitadas, permitindo adiar cálculos pesados até que sejam realmente necessários. Após o processamento, conjuntos de dados menores e mais manejáveis podem ser carregados para memória para análises mais detalhadas.
Para obter os resultados, o usuário tem duas opções:
-
collect(): converte os resultados para um data.frame carregado na memória RAM.
-
compute(): materializa os resultados como uma nova tabela Arrow, permanecendo no formato Arrow.
No exemplo abaixo, lemos os microdados de mortalidade do Censo de 2010 com 111.555 observações, mas esses dados não são carregados na memória. Filtramos então os óbitos de homens no estado do Rio de Janeiro (RJ) – e apenas após o uso de collect() é que o resultado é efetivamente carregado na RAM, com apenas 3.947 observações.
Outra abordagem possível com {censobr} é o uso do {duckdb}, uma biblioteca que permite consultar tabelas Arrow como se fizessem parte de um banco de dados, utilizando sintaxe SQL para operações com os dados. O usuário pode registrar a tabela Arrow no banco de dados com {duckdb} e {DBI} e realizar consultas como no exemplo:
Exemplos Aplicados
Apresentamos a seguir alguns casos de uso que ilustram a versatilidade do pacote, acompanhados de exemplos com código em R para demonstrar aplicações práticas.
Dados de População: Construindo Pirâmides Etárias
Uma das principais aplicações dos dados censitários é a análise das tendências demográficas ao longo do tempo. Neste exemplo, usamos a função read_population() para baixar os dados dos censos de 1970 e 2010 e visualizar como a pirâmide etária do Brasil mudou nesse período.
Em seguida, recodificamos os dados brutos (ainda como tabelas Arrow), e os agregamos para contar o número de homens e mulheres por idade. Finalmente, coletamos os resultados organizados em um formato apropriado para a construção da pirâmide. Como se trata de microdados amostrais, é necessário utilizar os pesos amostrais (variável V054 no Censo de 1970 e V0010 em 2010).
Agrupamos as idades em faixas etárias e estruturamos os dados para criar a pirâmide.
Por fim, usamos o pacote {ggplot2} para criar o gráfico da pirâmide etária nos dois períodos:
Dados de Domicílios: Condições de Saneamento
Neste exemplo, usamos a função read_households() para acessar os dados do Censo de 2010 e examinar como a proporção de domicílios com saneamento adequado varia entre as regiões do Brasil. A variável V0207 lista os tipos de saneamento, como ligação à rede geral de esgoto ou uso de fossas sépticas. Reclassificamos essa variável para distinguir entre “Saneamento Adequado” (incluindo rede pública ou fossa séptica) e “Saneamento Inadequado” (ex.: fossas rudimentares ou ausência de tratamento).
Primeiro, fazemos o download e agrupamos os dados:
Usando esta tabela agregada que calculamos acima, podemos visualizar as disparidades no acesso ao saneamento por região:
Usando o Plano Amostral Complexo no Censo de 1960
Como explicado anteriormente, os microdados do Censo de 1960 disponibilizados pelo {censobr} resultam da integração de dois conjuntos distintos: uma amostra abrangente de 25% e uma subamostra probabilística de 1,27%. Nossos dados incluem variáveis que permitem a incorporação do Plano Amostral Complexo, com estratificação, conglomerados e pesos amostrais. A estratificação garante a representatividade de diferentes grupos populacionais, os conglomerados lidam com a correlação entre observações da mesma unidade amostral, e os pesos corrigem desproporções e possibilitam a expansão dos dados para os totais populacionais.
Nesta seção, ilustramos como usar os dados dos estados do Rio de Janeiro e da Guanabara (antigo Distrito Federal e que atualmente corresponde ao município do Rio de Janeiro) para construir um objeto da classe survey.design. Neste exemplo, estimamos a distribuição da população de acordo com a forma de abastecimento de água: rede geral oficial versus outras formas (poço, nascente, etc.), e calculamos os intervalos de confiança.
Primeiro, fazemos o download e a recodificação dos dados:
Note que, apesar de as duas unidades da federação terem tamanho populacional semelhante, a amostra da Guanabara é muito menor − já que ela só aparece na subamostra de 1,27%, e não na amostra de 25%. Portanto, esperamos margens de erro maiores para a Guanabara.
Em seguida, transformamos o data.frame em um objeto de pesquisa amostral usando as_survey_design() do pacote {srvyr}, informando as unidades primárias e secundárias de amostragem, estratos e pesos:
Usando a sintaxe do{dplyr}, podemos produzir uma tabela de contingência com os intervalos de confiança apropriados:
População por forma de abastecimento de água. Estado da Guanabara (atual município do Rio de Janeiro) e estado do Rio de Janeiro, 1960
Trabalhando com Agregados por Setores Censitários
Como mencionado anteriormente, o IBGE não disponibiliza microdados do questionário do universo. E como grande parte dos usuários está interessada em análises no nível do indivíduo ou do domicílio, os microdados da amostra geralmente recebem mais atenção. No entanto, os dados agregados no nível de setor censitário oferecem informações ricas sobre as características populacionais e ambientais em alta resolução espacial.
Em seu formato original, esses dados agregados são divididos em diferentes arquivos separados, organizados por tema e tipo de variável (por exemplo, variáveis relacionadas a indivíduos, domicílios etc.). Em muitos casos, um mesmo tema está espalhado por múltiplos arquivos (às vezes com centenas de variáveis). Para facilitar o acesso e o uso desses dados, o {censobr} consolida todos os arquivos/variáveis em diferentes blocos temáticos. No censo de 2010, por exemplo, estes dados estão organizados em 8 tabelas:
-
“Basico” (variáveis básicas)
-
“Entorno” (entorno dos domicílios/bairros)
-
“Domicilio” (informações agregadas sobre domicílios)
-
“Pessoa” (informações agregadas sobre pessoas)
-
“Responsavel” (informações agregadas sobre os responsáveis pelo domicílio)
-
“PessoaRenda” (informações agregadas sobre a renda das pessoas)
-
“DomicilioRenda” (informações agregadas sobre a renda dos domicílios)
-
“ResponsavelRenda” (informações agregadas sobre a renda dos responsáveis)
Quando variáveis de uma tabela vêm de diferentes arquivos originais, adicionamos um prefixo ao nome da variável indicando o número da sua tabela origem. Por exemplo, vejamos o bloco “Domicilio”, que no {censobr} é uma fusão dos arquivos originais Domicilio01 e Domicilio02. Assim, os nomes das colunas seguem esse padrão:
Distribuição Espacial da Renda em 2010
Neste exemplo, a seguir, criamos um mapa com a distribuição espacial da renda per capita média por setor censitário. As informações sobre o número total de moradores de cada setor estão disponíveis no bloco de variáveis “Basico”, na variável V002. Já a informação sobre a renda total do setor está em “DomicilioRenda”, na variável V003.
Usando o código abaixo, baixamos os dados e calculamos a renda per capita de todos os setores censitários do Brasil. Depois, filtramos apenas os setores do município de São Paulo.
O próximo passo é baixar as geometrias dos setores censitários de 2010 usando a função read_census_tract() do pacote {geobr}. Passamos o parâmetro code_tract = “SP” para baixar todos os setores do estado de São Paulo, e depois filtramos apenas o município de São Paulo (código 3550308):
Por fim, unimos os dados espaciais com as informações de renda utilizando a variável-chave ‘code_tract’, e criamos o mapa da distribuição espacial da renda per capita:
Distribuição Espacial da População em 2022
Neste último exemplo com dados agregados dos setores censitários, utilizamos os resultados preliminares do Censo de 2022, divulgados pelo IBGE em março de 2024, para analisar a distribuição espacial da população no município de Belo Horizonte. Especificamente, usamos a variável V0001, que informa a população total dos setores censitários. Como houve uma mudança na malha espacial dos setores entre 2010 e 2022, é necessário baixar a malha correspondente ao ano de 2022.
Agora, unimos os dados populacionais com os dados espaciais, calculamos a área dos setores em km2 e, a partir disso, a densidade demográfica de cada setor:
Gerenciando os Arquivos em Cache do {censobr}
Como mencionado anteriormente, na primeira vez que o usuário executa uma função do {censobr}, o pacote baixa o arquivo e o armazena localmente. Assim, o mesmo arquivo não precisa ser baixado novamente, em usos posteriores. O pacote inclui algumas funções auxiliares para ajudar a gerenciar esses arquivos (Tabela 3).
O usuário pode usar a função censobr_cache() para listar todos os arquivos armazenados localmente:
Essa função também permite deletar arquivos específicos ou todos os arquivos de uma só vez:
Por padrão, os arquivos do {censobr} são salvos no diretório ‘User’. No entanto, é possível definir um diretório personalizado com a função set_censobr_cache_dir(). Note que essa configuração precisa ser especificada no início de cada nova sessão do R:
Conclusão
O pacote {censobr} oferece uma maneira simples e eficiente para pesquisadores e profissionais acessarem e analisarem os Censos Demográficos brasileiros. Ele permite o manuseio de grandes volumes de dados que excedem a capacidade da memória do computador, possibilitando manipulação direta em disco com uma sintaxe familiar baseada no {dplyr}. Por meio da integração com o pacote {geobr}, o {censobr} enriquece os conjuntos de dados com geometrias e identificadores geográficos padronizados, facilitando análises espaciais. O pacote também oferece acesso fácil à documentação dos censos, incluindo dicionários de variáveis, questionários e manuais dos recenseadores, o que reforça a transparência e usabilidade dos dados.
Os exemplos apresentados nesta nota de pesquisa ilustram a versatilidade do {censobr}, embora não esgotem seu potencial. Ao tornar os dados do censo mais acessíveis e fáceis de trabalhar, espera-se que o pacote contribua para facilitar a realização de análises baseadas em evidências e permitir que pesquisadores com recursos computacionais limitados explorem bases antes inacessíveis. Futuras atualizações do pacote buscarão expandir suas funcionalidades, incluindo suporte à última edição do censo e melhorias na documentação e no manuseio dos dados.
Referências
- Brueckner, Jan K.; Mation, Lucas; Nadalin, Vanessa G. (2019), "Slums in Brazil: Where are they located, who lives in them, and do they 'Squeeze' the Formal Housing Market?". Journal of Housing Economics v. 44, pp. 48-60.
-
Dahis, Ricardo et al. (2022), Data Basis (Base Dos Dados): Universalizing Access to High-Quality Data. Disponível em SSRN: https://ssrn.com/abstract=4157813 ou http://dx.doi.org/10.2139/ssrn.4157813
» https://ssrn.com/abstract=4157813» http://dx.doi.org/10.2139/ssrn.4157813 - Goto, Erica Akemi; Suarez, A. Marcela; Ye, Haiyun. (2022), "Spatial analysis of social vulnerability in São Paulo city, Brazil.". Applied Geography, v. 140.
-
IBGE (Instituto Brasileiro de Geografia e Estatística). (1990), Estatisticas Históricas Do Brasil: Séries Econômicas Demográficas e Sociais de 1550 a 1988. Rio de Janeiro, IBGE. Disponível em: https://biblioteca.ibge.gov.br/index.php/biblioteca-catalogo?view=detalhes&id=221431
» https://biblioteca.ibge.gov.br/index.php/biblioteca-catalogo?view=detalhes&id=221431 -
IBGE (Instituto Brasileiro de Geografia e Estatística). (2013), Metodologia do Censo Demográfico 2010. Rio de Janeiro: IBGE. Available at: https://ftp.ibge.gov.br/Censos/Censo_Demografico_2010/metodologia/metodologia_censo_dem_2010.pdf
» https://ftp.ibge.gov.br/Censos/Censo_Demografico_2010/metodologia/metodologia_censo_dem_2010.pdf -
Pereira, Rafael H. M. et al. (2019), Geobr: Download Official Spatial Data Sets of Brazil. CRAN. Disponível em: https://doi.org/10.32614/CRAN.package.geobr
» https://doi.org/10.32614/CRAN.package.geobr -
Ruggles, Steven et al. (2024). IPUMS International: Version 7.5 [dataset]. Minneapolis, MN. Disponível em IPUMS: https://doi.org/10.18128/D020.V7.5
» https://doi.org/10.18128/D020.V7.5 - von Bergmann, J.; Dmitry Shkolnik; Aaron Jacobs (2021), Cancensus: R package to access, retrieve, and work with Canadian Census data and geography. V0.4.2.
-
Walker K.; Herman, M. (2025). tidycensus: Load US Census Boundary and Attribute Data as 'tidyverse' and 'sf'-Ready Data Frames. R package version 1.7.1, https://walker-data.com/tidycensus/
» https://walker-data.com/tidycensus/
-
Disponibilidade dos Dados –
Os autores afirmam que todos os dados utilizados na pesquisa foram disponibilizados publicamente e podem ser acessados por meio da plataforma Harvard Dataverse: https://dataverse.harvard.edu/dataset.xhtml?persistentId=doi:10.7910/DVN/WDYA1N
-
Editor responsável:
Luiz Augusto Campos.
Os autores afirmam que todos os dados utilizados na pesquisa foram disponibilizados publicamente e podem ser acessados por meio da plataforma Harvard Dataverse: https://dataverse.harvard.edu/dataset.xhtml?persistentId=doi:10.7910/DVN/WDYA1N
Fonte: Geometrias dos setores censitários, áreas de ponderação e município (IBGE, 2010) extraídas a partir do geobr (
Fonte: Censos Demográficos de 1970 e 2010 (IBGE), extraídos a partir do {censobr}.
Fonte: Censo Demográfico de 2010 (IBGE), extraído a partir do {censobr}.
Fonte: Microdados do censo de 1960 (IBGE) extraído a partir do{censobr}
Fonte: Dados agregados dos setores censitários do Censo de 2010 (IBGE) extraídos do{censobr} e{geobr}.
Fonte: Dados agregados dos setores censitários do Censo de 2022 (IBGE) extraídos do{censobr} e{geobr}.