<html>
<head>
<meta content="text/html; charset=windows-1252"
http-equiv="Content-Type">
</head>
<body text="#000000" bgcolor="#FFFFFF">
wow! Achei muito legal o que voce descobriu! Isso com certeza sera'
util em caso de haver base maior de CEPs. Como sabiamos, CEP e'
menos preciso que logradouro+numero. Mas agora temos tambem
conhecimento do nivel de precisao de raiz do CEP. <br>
<br>
Elias<br>
<br>
<div class="moz-cite-prefix">On 05/05/15 15:00, Éder Comunello
wrote:<br>
</div>
<blockquote
cite="mid:CABmC8g=6D8vaMfp5mC8bVHBtNE96nhiU5-b--Ai9T074ecV+Sw@mail.gmail.com"
type="cite">
<div dir="ltr">
<div>Elias, bom dia!</div>
<div><br>
</div>
<div>Fiz mais um exercício pra tentar medir o impacto da
"simplificação" dos ceps...</div>
<div><br>
</div>
<div>O primeiro fato que percebo é que a consulta por cep, mesmo
completo, é pouco precisa/acurada. A busca por logradouro é
possível, mas talvez complicada pra implementar nessas
bases...</div>
<div><br>
</div>
<div>Se você tiver paciência de seguir o código abaixo, o que eu
queria mostrar é que quando você trunca o cep, zerando o
último dígito, 99% dos valores retornados vão diferir até 2 km
da consulta original, mas economizam 22% de consultas ao
geocode().</div>
<div><br>
</div>
<div>Zerando os dois últimos dígitos, 97% dos dados variam até 2
km, mas economiza 90% das consultas.</div>
<div><br>
</div>
<div>E essa variação não é necessariamente erro, porque não
temos as coordenadas "reais" pra avaliar...</div>
<div><br>
</div>
<div>No código eu não reconsultei os valores, mas tentei
aproveitar sua base. Daí a presença dos NA's...</div>
<div><br>
</div>
<div><font face="monospace, monospace">### <code r></font></div>
<div><font face="monospace, monospace">url0 <- "<a
moz-do-not-send="true"
href="http://leg.ufpr.br/%7Eelias/tmp/cep_curitiba_cwb_georef_longlat.txt">http://leg.ufpr.br/~elias/tmp/cep_curitiba_cwb_georef_longlat.txt</a>"</font></div>
<div><font face="monospace, monospace">df0 <-
read.table(url0, head=T)</font></div>
<div><font face="monospace, monospace">head(df0)</font></div>
<div><font face="monospace, monospace">length(unique(df0$cep)) #
9183 ceps</font></div>
<div><font face="monospace, monospace">length(unique(paste(df0$long,
df0$lat))) # 6414 pares de coordenadas distintas</font></div>
<div><font face="monospace, monospace"><br>
</font></div>
<div><font face="monospace, monospace">### Truncando "xxxxx-xxx"
para "xxxxx-xx0"</font></div>
<div><font face="monospace, monospace">### Desconsiderando o
último dígito do cep</font></div>
<div><font face="monospace, monospace">df1 <- df0</font></div>
<div><font face="monospace, monospace">df1$cep2=trunc(df0$cep/10)*10</font></div>
<div><font face="monospace, monospace">head(df1)</font></div>
<div><font face="monospace, monospace">length(unique(df1$cep2))
# 7135 ceps (-2048 ou -22%)</font></div>
<div><font face="monospace, monospace"><br>
</font></div>
<div><font face="monospace, monospace">### Pra não gastar minhas
2500 consultas :D, vou usar os dados já consultados!</font></div>
<div><font face="monospace, monospace">df2 <- merge(df1, df0,
all.x=T, sort=F, by.x="cep2", by.y="cep")</font></div>
<div><font face="monospace, monospace">head(df2)</font></div>
<div><font face="monospace, monospace">sum(complete.cases(df2))
# 9071! Com a consulta de geocode, provavelmente todos
retornariam valor</font></div>
<div><font face="monospace, monospace"><br>
</font></div>
<div><font face="monospace, monospace">### Valor aproximado de 1
grau dessa área (em km)</font></div>
<div><font face="monospace, monospace">require(sp)</font></div>
<div><font face="monospace, monospace">spDistsN1(matrix(c(-49,-50,
-25,-26),2,2), matrix(c(-50,-25),1,2), longlat=TRUE)</font></div>
<div><font face="monospace, monospace"><br>
</font></div>
<div><font face="monospace, monospace">df2$dist <-
sqrt((df2[,3]-df2[,5])^2+(df2[,4]-df2[,6])^2)*105 ###
distância aproximada em km!</font></div>
<div><font face="monospace, monospace">hist(df2$dist)</font></div>
<div><font face="monospace, monospace">range(df2$dist, na.rm=T)</font></div>
<div><font face="monospace, monospace">table(cut(df2$dist,
breaks=c(-1:5,20)))</font></div>
<div><font face="monospace, monospace"># (-1,0] (0,1] (1,2]
(2,3] (3,4] (4,5] (5,20] </font></div>
<div><font face="monospace, monospace"># 7528 1132 362
24 2 0 23</font></div>
<div><font face="monospace, monospace"><br>
</font></div>
<div><font face="monospace, monospace">sum(table(cut(df2$dist,
breaks=c(-1:5,20)))[1:3])</font></div>
<div><font face="monospace, monospace">### 99% dos dados
(9022/9071) diferem até 2 km em relação a consulta original</font></div>
<div><font face="monospace, monospace"><br>
</font></div>
<div><font face="monospace, monospace">sum(df2$dist>5,
na.rm=T) ### 23 valores bem imprecisos</font></div>
<div><font face="monospace, monospace">df2[which(df2$dist>5),]</font></div>
<div><font face="monospace, monospace"><br>
</font></div>
<div><font face="monospace, monospace">### Onde estão ocorrendo
problemas?</font></div>
<div><font face="monospace, monospace">require(ggmap)</font></div>
<div><font face="monospace, monospace">adr <-
paste0("Curitiba, PR, Brazil, ",
df2[which(df2$dist>5),2])</font></div>
<div><font face="monospace, monospace">res <- geocode(adr,
output="more")</font></div>
<div><font face="monospace, monospace">res[c(1:4,10)]</font></div>
<div><font face="monospace, monospace"><br>
</font></div>
<div><font face="monospace, monospace">cbind(df2[which(df2$dist>5),1:4],res[1:6])</font></div>
<div><font face="monospace, monospace">### boa parte dos
problemas referem-se aos ceps da cidade industrial</font></div>
<div><font face="monospace, monospace">### você pode filtrar
esses ceps e tratá-los diferenciados</font></div>
<div><font face="monospace, monospace"><br>
</font></div>
<div><font face="monospace, monospace"><br>
</font></div>
<div><font face="monospace, monospace">### Truncando "xxxxx-xxx"
para "xxxxx-x00"</font></div>
<div><font face="monospace, monospace">df10 <- df0</font></div>
<div><font face="monospace, monospace">df10$cep2=trunc(df0$cep/100)*100</font></div>
<div><font face="monospace, monospace">head(df10)</font></div>
<div><font face="monospace, monospace">length(unique(df10$cep2))
# 941 ceps (-8242 ou -90%)</font></div>
<div><font face="monospace, monospace"><br>
</font></div>
<div><font face="monospace, monospace">df20 <- merge(df10,
df0, all.x=T, sort=F, by.x="cep2", by.y="cep")</font></div>
<div><font face="monospace, monospace">head(df20)</font></div>
<div><font face="monospace, monospace">sum(complete.cases(df20))
# 8312! Com a consulta de geocode, provavelmente todos
retornariam valor</font></div>
<div><font face="monospace, monospace"><br>
</font></div>
<div><font face="monospace, monospace">df20$dist <-
sqrt((df20[,3]-df20[,5])^2+(df20[,4]-df20[,6])^2)*105 ###
distância aproximada em km!</font></div>
<div><font face="monospace, monospace">hist(df20$dist)</font></div>
<div><font face="monospace, monospace">range(df20$dist, na.rm=T)</font></div>
<div><font face="monospace, monospace">table(cut(df20$dist,
breaks=c(-1:5,20)))</font></div>
<div><font face="monospace, monospace"># (-1,0] (0,1] (1,2]
(2,3] (3,4] (4,5] (5,20] </font></div>
<div><font face="monospace, monospace"># 1647 5403 1050
131 17 6 58 </font></div>
<div><font face="monospace, monospace"><br>
</font></div>
<div><font face="monospace, monospace">sum(table(cut(df20$dist,
breaks=c(-1:5,20)))[1:3])</font></div>
<div><font face="monospace, monospace">### 97% dos dados
(8100/8312) diferem até 2 km em relação a consulta completa</font></div>
<div><font face="monospace, monospace"><br>
</font></div>
<div><font face="monospace, monospace">sum(df20$dist>5,
na.rm=T) ### 23 valores bem imprecisos</font></div>
<div><font face="monospace, monospace">df20[which(df20$dist>5),]</font></div>
<div><font face="monospace, monospace"><br>
</font></div>
<div><font face="monospace, monospace">### Onde estão ocorrendo
problemas?</font></div>
<div><font face="monospace, monospace">require(ggmap)</font></div>
<div><font face="monospace, monospace">adr1 <-
paste0("Curitiba, PR, Brazil, ",
df20[which(df20$dist>5),2])</font></div>
<div><font face="monospace, monospace">res1 <- geocode(adr1,
output="more")</font></div>
<div><font face="monospace, monospace">res1[c(1:4,10)]</font></div>
<div><font face="monospace, monospace"><br>
</font></div>
<div><font face="monospace, monospace">cbind(df20[which(df20$dist>5),1:4],res1[1:6])</font></div>
<div><font face="monospace, monospace">### aumentam as
localidades com problema, mas acho que ainda assim dá pra
contornar</font></div>
<div><font face="monospace, monospace">### </code></font></div>
<div><br>
</div>
<div class="gmail_extra"><br clear="all">
<div>
<div class="gmail_signature">
<div dir="ltr">Éder Comunello <<a
moz-do-not-send="true"
href="mailto:comunello.eder@gmail.com" target="_blank">c</a><a
moz-do-not-send="true"
href="mailto:omunello.eder@gmail.com" target="_blank">omunello.eder@gmail.com</a>>
<br>
Dourados, MS - [22 16.5'S, 54 49'W]<br>
</div>
</div>
</div>
<br>
<div class="gmail_quote"><br>
</div>
</div>
</div>
<br>
<fieldset class="mimeAttachmentHeader"></fieldset>
<br>
<pre wrap="">_______________________________________________
R-br mailing list
<a class="moz-txt-link-abbreviated" href="mailto:R-br@listas.c3sl.ufpr.br">R-br@listas.c3sl.ufpr.br</a>
<a class="moz-txt-link-freetext" href="https://listas.inf.ufpr.br/cgi-bin/mailman/listinfo/r-br">https://listas.inf.ufpr.br/cgi-bin/mailman/listinfo/r-br</a>
Leia o guia de postagem (<a class="moz-txt-link-freetext" href="http://www.leg.ufpr.br/r-br-guia">http://www.leg.ufpr.br/r-br-guia</a>) e forneça código mínimo reproduzível.</pre>
</blockquote>
<br>
<pre class="moz-signature" cols="72">--
In God we trust, all others bring data.
– William Edwards Deming (1900-1993)</pre>
</body>
</html>