Roadmap do pacote pdadr • pdadr

Fase 0 - Concluído (esqueleto e primeiras funções)

Inspecionar fontes: zips de domicilios (24.845 registros, 128 colunas) e moradores (69.542 registros, 134 colunas), CSV ;-separado em UTF-8 com BOM
Inspecionar o dicionário oficial (dicionario_de_variaveis...xlsx): planilhas principais + 11 anexos de códigos
DESCRIPTION, NAMESPACE, .Rproj, .gitignore, .Rbuildignore
Tabela de metadados pdadmeta (data/): 19.494 linhas, 128 variáveis de domicílios + 134 de moradores, com expansão dos 11 anexos (data-raw/pdadmeta.R)
dicionario(base, coluna): consulta à tabela de metadados, com regex na busca de variáveis
get_pdad(base, rotular, dir_cache, forcar): download com cache local (R_user_dir), leitura e rotulagem opcionais
rotular(dados, base): inferência da base pelas colunas-chave (peso_dom/peso_mor) e conversão em factor somente quando os valores observados estão integralmente no dicionário
fontes(): URLs oficiais (microdados, dicionário, questionário)
Testes (testthat, 39 asserções) com fixtures de 5 registros das bases reais, sem depender de rede
GitHub Actions: R-CMD-check (5 plataformas) e pkgdown
_pkgdown.yml (pt-BR), vignette introdutória, README

git init, primeiro commit, criar repositório distintivelab/pdadr e publicar (main)
Branch gh-pages criado pelo workflow pkgdown.yaml; site em https://distintivelab.github.io/pdadr/
Badge de status do check no README; remover comentário de install_github quando o repositório estiver público
Logo do pacote (man/figures/logo.svg + logo.png)

Auditoria sistemática pdadmeta vs microdados reais (data-raw/auditoria_metadados.R + relatório em data-raw/auditoria_metadados.csv): 176 variáveis ok; 47 de quantidade com códigos reservados; 28 sem códigos; 4 texto livre; 3 com código reservado omitido; 4 divergências genuínas (D15, E15_B, G06_1, G06_2)
Corrigido bug do parser do anexo_7: primeiro código (76110001) de E19_1/E20_1 era descartado
Documentar na vignette os códigos reservados (77777 = Recusa, 88888 = Não sabe, 99999 = Não se aplica; 185 variáveis) e as particularidades (vírgula decimal, colunas de quantidade, lacunas do dicionário oficial)
Teste de não-regressão: dimensões das bases (24.845×128 e 69.542×134) e somas dos pesos de expansão (1.806.637,76 domicílios; 4.255.723,77 moradores)

Helpers de filtragem territorial: localidades() e setores() sobre as tabelas empacotadas pdad_localidades (48 localidades: 36 RAs do DF + 12 municípios de GO) e pdad_setores (58 setores → localidade), geradas por data-raw/localidades.R
Harmonização com códigos do IBGE (compatível com shapefiles do Censo 2022 e com o geobr): cod_ibge_municipio (DF = 5300108, único município; GO = código do município) e cod_ibge_subdistrito (RAs do DF como subdistritos do Censo 2022, 11 dígitos; 33/36 RAs cobertas — Arapoanga e Água Quente foram criadas após o Censo 2022 e Área Rural não é subdistrito do IBGE)
Funções de estimativa com pesos: estimar() (média/total/proporção ponderados, com desagregação via por), limpar_reservados() (77777/88888/99999 → NA) e documentação do deflator infla_ipcadf (rendas _r já deflacionadas)
Suporte opcional a survey via design_pdad() (desenho apenas ponderado: o IPE/DF não divulga UPAs/estratos, erros-padrão não são válidos para inferência); survey em Suggests
Cruzamento domicílio-moradores por A01nficha com juntar_bases() (“moradores” = left join, “completo” = full join, sufixos _mor/_dom)
Vignette: seções “Pesos e análise” e “Territórios e harmonização com o IBGE e o geobr” (mapas por município e por RA via dissolução de setores censitários); 137 asserções de teste e R CMD check 0 erros / 0 warnings / 0 notes

Interface confirmada para o consumo pelo beep (distintivelab): pdadmeta (códigos como character) e a saída de get_pdad() (tibbles) já no formato esperado; cod_ibge_municipio (7 dígitos) e cod_ibge_subdistrito (11 dígitos: município 7d + sequencial 4d) aderem ao esquema geoloc_id do beep, que já trata subdistrito (no DF, região administrativa) como nível territorial
Release v0.1.0 publicado no GitHub
R CMD check --as-cran limpo (única NOTE: primeira submissão)
codemeta.json (codemetar::write_codemeta()) e rascunho de cran-comments.md
NEWS.md e inst/CITATION (pacote + fonte dos dados IPE/DF)
Submissão ao CRAN (opcional): preparada, pendente de decisão

Quando o IPE/DF divulgar nova edição: atualizar URLs em R/pdadr-package.R (os nomes de arquivo carregam sufixo aleatório definido pelo site), regenerar pdadmeta via data-raw/pdadmeta.R e versionar os metadados por edição (ex.: argumento edicao ou dados pdadmeta_<ano>)
Considerar painel de download direto no site do IPE/DF para descoberta automática de novas divulgações

Metadados empacotados (.rda) e não baixados em tempo de uso: consultas dicionario() funcionam offline e o consumidor (beep) pode depender de pdadmeta diretamente; regeneração é manual via data-raw/
valor mantido como character na tabela de metadados: preserva códigos com zeros à esquerda e evita coerção silenciosa; a comparação em rotular() usa as.character()
rotular() não converte colunas cujos valores observados não estão 100% cobertos pelo dicionário (proteção contra perda de dados por NA forçado); lacunas conhecidas ficam documentadas
Cache único por máquina (tools::R_user_dir) em vez de cache por projeto: os zips têm ~6 MB e servem qualquer análise
Sem dependência de httr: os downloads são diretos de arquivos estáticos (utils::download.file)
Harmonização territorial como dados empacotados (pdad_localidades/pdad_setores, com códigos IBGE verificados e registrados em data-raw/localidades.R): geobr/sf ficam em Suggests e o uso offline não depende de rede
RAs do DF correspondem a subdistritos do Censo 2022 (11 dígitos), não a municípios: o DF é um único município IBGE (5300108); a vignette documenta a dissolução de setores censitários (geobr::read_census_tract() + stats::aggregate) para obter polígonos por RA
estimar() devolve apenas estimativas pontuais (sem erro-padrão); design_pdad() cobre o acesso ao ecossistema survey com a limitação de variância documentada