IBGE Censo - Associando Localização com Setores Censitários
O Censo do IBGE
“Em 2010, o IBGE realizou o XII Censo Demográfico, que se constituiu no grande retrato em extensão e profundidade da população brasileira e das suas características sócio-econômicas e, ao mesmo tempo, na base sobre a qual deverá se assentar todo o planejamento público e privado da próxima década. O Censo 2010 é um retrato de corpo inteiro do país com o perfil da população e as características de seus domicílios, ou seja, ele nos diz como somos, onde estamos e como vivemos.” - https://censo2010.ibge.gov.br/sobre-censo.html
Para tomar decisões mais assertivas baseadas em dados, dependemos de informações diversas e ricas. Um dado que é comumente requisitado ao usuário para o fornecimento de serviços é o código postal (CEP) ou algum identificador de localização (coordenadas geográficas, endereço, etc). Esse dado deve ser armazenado com precisão reduzida para preservar a privacidade do usuário, mas ainda tem muito valor por levar a associações esclarecedoras, ainda que aproximadas.
Do Censo de 2010 do IBGE, temos os códigos dos setores censitários, seus polígonos baseados em coordenadas que delimitam regiões brasileiras, e as mais variadas respostas a perguntas sócio-econômicas. Entre essas respostas temos por exemplo a renda, o número de pessoas, o número de banheiros nos domicílios, entre outros. Essas informações são de 2010, portanto alguns ajustes devem ser feitos nas análises.
GeoPandas
Para utilizarmos os dados do Censo com dados de localização podemos utilizar uma ferramenta poderosa, o GeoPandas. Ele permite que façamos o Spatial Join, associando pontos de coordenadas (longitude e latitude) aos seus respectivos polígonos e consequentemente ao seu código de setor censitário.
Com os códigos para cada localização, as análises posteriores podem ser feitas com um simples join dos agregados usando o código de setor censitário como chave.
Dataset no Kaggle
Disponibilizei no Kaggle um exemplo de aplicação com CEP, coordenadas, código de setor censitário e renda per capita aproximada. https://www.kaggle.com/silveiragustavo/ibge-censo-cep-coordenadas-renda-per-capita
O código usado para construir essa base também está aberto no meu Github: https://github.com/millengustavo/ibge-censo-cep-coordenadas
Fairness em Machine Learning
É sempre válido lembrar que o analista/cientista que manipula esses dados tem a responsabilidade moral e ética de tratar os indivíduos de forma igualitária ou de forma correta/razoável, o chamado Fairness.
Isso é especialmente importante para algoritmos de Machine Learning cujas decisões podem privar determinados indivíduos do acesso a serviços ou oportunidades. Esse tema é crucial para a construção de um futuro mais justo. Como introdução aos estudos no tema recomendo a talk da Tatyana Zabanova, “Fairness em Machine Learning Nubank ML Meetup”.