Tenho a seguinte base de dados: cnpj_raiz, identificador_matriz_filial (1 = matriz, 2 = filial), uf, ativa_em_2017, ativa_em_2018, ativa_em_2019, ativa_em_2020 (NA= inativa, 1 = ativa).
O que eu preciso: identificar, por uf e ano, a quantidade em empresas cuja matriz fica em outro estado.
Ex simples:
cnpj | Matriz_filial | Uf | 2017 | 2018 | 2019 | 2020
123 1 SP 1 1 1 1
123 2 BA 0 0 1 1
123 2 BA 0 0 1 1
123 2 SP 1 1 0 0
456 1 SP 0 1 1 1
456 2 BA 0 0 1 0
BA = 2 em 2019 e 1 em 2020 (a matriz fica em SP) SP = 0 (matriz e filial no mesmo estado)
Resultado esperado de acordo com a base exemplo:
BA = 1 em 2017, 1 em 2018, 1 em 2019, 0 em 2020 (tem apenas filiais nesse estado, a matriz está em outro)
SP = 1 em todos os anos (tem apenas filiais nesse estado, a matriz está em outro)
GO = 1 em todos os anos (tem apenas filiais nesse estado, a matriz está em outro)
Todos os demais = 0 em todos os anos (matrizes e filiais no mesmo estado)
Depois eu preciso plotar um gráfico: y = Quantidade, x = Ano, group = uf.
Tentei criar uma coluna flag para identificar, mas não está dando certo.
empresa %>%
tidyr::pivot_longer(
cols = -c(cnpj_raiz, identificador_matriz_filial, uf),
names_to = 'Ano'
) %>%
dplyr::select(cnpj_raiz, identificador_matriz_filial, uf, everything()) %>%
dplyr::group_by(cnpj_raiz, identificador_matriz_filial, uf) %>%
dplyr::mutate(
inclui_matriz_na_uf = all(1:2 %in% c(identificador_matriz_filial)),
inclui_matriz_na_uf = ifelse(inclui_matriz_na_uf == T, 'Sim', 'Não')
) %>%
dplyr::mutate(Ano = stringr::str_extract(Ano, "[0-9].*")) %>%
dplyr::filter(inclui_matriz_na_uf == 'Não')
Exemplo da base:
structure(list(cnpj_raiz = c("6565656", "6565656", "77777","63547", "63547", "63547", "63547", "63547", "63547", "202102", "789654", "632145", "96896", "5555469", "5555469",
"5555469", "6665554", "123321", "2703001", "270307171", "2220258", "878787", "878787", "234209", "717400", "737410", "98598","99992225", "99992225", "99992225", "99992225", "99992225", "99992225", "99992225", "99992225", "99992225", "99992225", "99992225", "99992225",
"99992225", "99992225", "2252221", "96665123", "917800", "8920071", "9461800", "100553", "5571114", "7038010", "494001"), identificador_matriz_filial = c(1L, 2L, 1L, 1L, 2L, 2L, 2L, 2L, 2L, 1L, 1L, 1L, 1L, 2L, 1L, 2L, 1L,1L, 1L, 1L, 1L, 2L, 1L, 1L, 2L, 1L, 1L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L), uf = c("PB", "PB", "RS", "PE", "PE", "PE", "PE", "PE", "PE", "SE", "BA", "AL", "BA", "PR", "PR", "PR", "RJ", "SP", "CE", "RJ", "SP", "BA", "SP","SP", "SP", "MT", "PE", "GO", "GO", "GO", "GO", "GO", "GO", "GO", "GO", "GO", "GO", "GO", "GO", "GO", "GO", "MA", "GO", "PE", "PE", "MG", "SP", "PI", "SP",
"RJ"), ativa_em_2017 = c(1L, 1L, NA, 1L, NA, 1L, NA, NA, NA, NA, 1L, 1L, 1L, 1L, 1L, 1L, NA, NA, 1L, NA, 1L, 1, NA, NA, 1L, 1L, NA, 1L, 1L, NA, 1L, NA, NA, 1L, 1L, NA, 1L, NA, 1L, NA, NA, NA, NA, 1L, NA, NA, NA, 1L, NA, 1L), ativa_em_2018 = c(1L, 1L, NA, 1L, NA, 1L, NA, NA, NA, NA, 1L, 1L, 1L, 1L, 1L, 1L, NA, NA, NA, NA, NA, 1, NA, NA, 1L, 1L, NA, 1L, 1L, NA, 1L, NA, 1L, 1L, 1L, NA, 1L, NA, 1L, NA, NA, NA, NA, 1L, NA, NA, NA, 1L, NA, NA), ativa_em_2019 = c(1L, 1L, NA,
1L, NA, 1L, NA, NA, NA, NA, 1L, 1L, 1L, 1L, 1L, 1L, NA, NA, NA, NA, NA, 1, NA, NA, 1L, 1L, NA, 1L, 1L, NA, 1L, NA, 1L, 1L, 1L, NA, 1L, NA, 1L, NA, NA, NA, NA, NA, NA, NA, NA, 1L, NA, NA), ativa_em_2020 = c(1L, 1L, NA, 1L, NA, 1L, NA, NA, NA, NA, 1L, 1L, 1L, 1L, 1L, 1L, NA, NA, NA, NA, 1, NA, NA, NA, 1L, 1L, NA, 1L, 1L, NA, 1L, NA, 1L, 1L, 1L, NA, 1L, NA, 1L, NA, NA, NA, NA, NA, NA, NA, NA, 1L, NA, NA)), row.names = c(NA, 50L), class = "data.frame")