1. Análise das características das crianças e dos adolescentes acolhidos

1. Análise das características das crianças e dos adolescentes acolhidos#

A presente análise desse capítulo tem como objetivo entender o perfil das crianças e dos adolescentes acolhidos no momento pelo Serviço de Acolhimento em Família Acolhedora (SFA). A análise será divida por variáveis individuais ou agrupadas, de acordo a como as respostas do questionário foram tratadas para a base de dados do Censo SUAS.

import pandas as pd
import matplotlib.pyplot as plt

df_dados_gerais = pd.read_csv('../data/familia_acolhedora/dados_gerais_tratado.csv')

df_dados_gerais.head()
IBGE NU_IDENTIFICADOR municipio uf data_implementacao_unidade Latitude Longitude natureza_unidade custo_manutencao servico_regulamentado ... coordenador_saf_situacao capaci_equipe_tec_saf_presencial capaci_equipe_tec_saf_ead capaci_equipe_tec_saf_nao_faz capaci_equipe_tec_saf_presencial_qtd capaci_equipe_tec_saf_ead_qtd IBGE7 nome_da_uf Regiao Município
0 110011 1,10011E+12 JARU RO 29/03/2023 -10.439 -62.466 Governamental NaN Sim, por lei ... Exerce concomitantemente a função de coordenad... Não Não Não NaN NaN 1100114 Rondonia Região Norte Jaru
1 110012 1,10012E+12 JI-PARANA RO 02/01/2022 -10.876.486.067.028.500 -619.596.290.588.379 Governamental NaN Sim, por lei ... Exerce exclusivamente a função de coordenador(... Sim Sim Não 3.0 4.0 1100122 Rondonia Região Norte Ji-Paraná
2 110020 1,1002E+12 PORTO VELHO RO 13/12/2017 -915.359.258.390.788 -643.068.141.967.022 Governamental NaN Sim, por lei ... Exerce exclusivamente a função de coordenador(... Sim Sim Não 5.0 5.0 1100205 Rondonia Região Norte Porto Velho
3 120040 1,2004E+12 RIO BRANCO AC 17/05/2013 -9.948.852.227.687.540 -6.785.414.814.949.030 Governamental NaN Sim, por lei ... Exerce exclusivamente a função de coordenador(... Não Não Sim NaN NaN 1200401 Acre Região Norte Rio Branco
4 130170 1,3017E+12 HUMAITA AM 28/12/2020 -7.519.639.784.496.380 -63.031.353.950.500.400 Governamental NaN Sim, por lei ... Exerce exclusivamente a função de coordenador(... Não Não Sim NaN NaN 1301704 Amazonas Região Norte Humaitá

5 rows × 174 columns

df_dados_gerais.columns.tolist()

['IBGE',
 'NU_IDENTIFICADOR',
 'municipio',
 'uf',
 'data_implementacao_unidade',
 'Latitude',
 'Longitude',
 'natureza_unidade',
 'custo_manutencao',
 'servico_regulamentado',
 'ano_implementacao_servico',
 'subsidio_valor_mensal',
 'subsidio_itens_manutencao',
 'subsidio_mobiliario_transporte',
 'subsidio_isencao_imposto_taxa',
 'subsidio_outros',
 'subsidio_nao_repassa',
 'subsidio_outros_quais',
 'fam_aceita_vinculo_irmaos',
 'qtd_criancas_acolhidas',
 'qtd_criancas_acolhidas_12meses',
 'qtd_masc_0_2',
 'qtd_masc_3_5',
 'qtd_masc_6_11',
 'qtd_masc_12_13',
 'qtd_masc_14_15',
 'qtd_masc_16_17',
 'qtd_masc_acima_18',
 'qtd_masc_total',
 'qtd_fem_0_2',
 'qtd_fem_3_5',
 'qtd_fem_6_11',
 'qtd_fem_12_13',
 'qtd_fem_14_15',
 'qtd_fem_16_17',
 'qtd_fem_acima_18',
 'qtd_refugiados_imigrantes',
 'qtd_venezuelanos',
 'qtd_criancas_tempo_servico_menos_1mes',
 'qtd_criancas_tempo_servico_1_3meses',
 'qtd_criancas_tempo_servico_4_6meses',
 'qtd_criancas_tempo_servico_7_12meses',
 'qtd_criancas_tempo_servico_13_18meses',
 'qtd_criancas_tempo_servico_19_24meses',
 'qtd_criancas_tempo_servico_25_48meses',
 'qtd_criancas_tempo_servico_49_72meses',
 'qtd_criancas_tempo_mais_72meses',
 'qtd_criancas_deficiencia',
 'qtd_criancas_transt_sofri_psiquico',
 'qtd_criancas_necessidade_especial',
 'qtd_adoles_socioeducativo',
 'qtd_criancas_traj_de_rua',
 'qtd_criancas_indigenas',
 'qtd_criancas_outros_povos_trad',
 'qtd_criancas_dependencia_drogas',
 'qtd_criancas_gestantes',
 'qtd_criancas_pretas',
 'qtd_criancas_pardas',
 'qtd_criancas_brancas',
 'qtd_criancas_amarelas',
 'qtd_criancas_raca_indigenas',
 'qtd_motivo_entrega_voluntaria_adocao',
 'qtd_motivo_orfandade',
 'qtd_motivo_abandono',
 'qtd_motivo_pais_usuarios',
 'qtd_motivo_pais_com_deficiencia',
 'qtd_motivo_pais_transt_sofri_psiquicos',
 'qtd_motivo_pais_ausentes_doenca',
 'qtd_motivo_pais_prisao_ou_internacao',
 'qtd_motivo_violencia_domestica_fisica',
 'qtd_motivo_violencia_domestica_psicologica',
 'qtd_motivo_abuso_sex_intrafamiliar',
 'qtd_motivo_exploracao_sex',
 'qtd_motivo_conflito_familiar',
 'qtd_motivo_exploracao_trabalho',
 'qtd_motivo_pais_cond_especif_saude',
 'qtd_motivo_pais_s_condicoes_depend_quim',
 'qtd_motivo_ameaca_morte',
 'qtd_motivo_situacao_rua',
 'qtd_motivo_negligencia_familia',
 'qtd_motivo_fam_situacao_rua',
 'qtd_motivo_fam_moradia_insalubre',
 'qtd_motivo_fam_carencia_rec_materiais',
 'qtd_oriundos_pbf',
 'qtd_oriundos_fam_menos_1sm',
 'divulgacao_outdoors_busdoors',
 'divulgacao_materiais_grande_circ',
 'divulgacao_radio_tv_impressa',
 'divulgacao_eventos_palestras',
 'divulgacao_redes_sociais',
 'divulgacao_articulacao_liderancas',
 'divulgacao_outros',
 'divulgacao_nao_faz',
 'divulgacao_outros_quais',
 'ch_capacitacao_inicial',
 'selecao_fam_reunioes',
 'selecao_fam_analise_doc',
 'selecao_fam_entrevistas',
 'selecao_fam_visitas_domiciliares',
 'selecao_fam_outros',
 'selecao_fam_nao_faz',
 'selecao_fam_outros_quais',
 'capac_ini_conti_fam_encontros_grupos',
 'capac_ini_conti_fam_encontros_indivi',
 'capac_ini_conti_fam_paletras',
 'capac_ini_conti_fam_rodas_conversa',
 'capac_ini_conti_fam_outros',
 'capac_ini_conti_fam_nao_faz',
 'capac_ini_conti_fam_outros_quais',
 'acompanhamento_fam_aprox_supervi',
 'acompanhamento_fam_visitas_domicil',
 'acompanhamento_fam_aten_psicoss',
 'acompanhamento_fam_contato_tel',
 'acompanhamento_fam_outros',
 'acompanhamento_fam_outros_quais',
 'ativi_sistematicas_atend_psicosso_indivi',
 'ativi_sistematicas_escuta_qualific',
 'ativi_sistematicas_acompanh_escolar',
 'ativi_sistematicas_acompanh_saude',
 'ativi_sistematicas_encaminhc_docs',
 'ativi_sistematicas_encaminhc_qualif_prof',
 'ativi_sistematicas_identifi_fam_nat_exten',
 'ativi_sistematicas_viabili_encon_fam_ori',
 'ativi_sistematicas_constr_plano_acomp_fam_ori',
 'ativi_sistematicas_atend_psicosso_indiv_fam_ori',
 'ativi_sistematicas_reunioes_fam_ori',
 'ativi_sistematicas_entrevis_fam_ori',
 'ativi_sistematicas_visi_domic_fam_ori',
 'ativi_sistematicas_genograma_ecomapa',
 'ativi_sistematicas_relat_trimes_judic',
 'ativi_sistematicas_estudo_caso',
 'ativi_sistematicas_encaminhc_rede',
 'ativi_sistematicas_discuss_casos_rede',
 'ativi_sistematicas_outros',
 'ativi_sistematicas_nao_faz',
 'ativi_sistematicas_outros_quais',
 'retorno_fam_ori_fam_ado_judic_informa_decisoes',
 'retorno_fam_ori_fam_ado_judic_nao_informa_decisoes',
 'retorno_fam_ori_fam_ado_tempo_prepar_suficiente',
 'retorno_fam_ori_fam_ado_tempo_prepar_insuficiente',
 'freq_acompanh_fam_acolhedora',
 'qtd_fam_processo_habilitacao',
 'qtd_fam_aptas_ou_acolhendo',
 'num_atual_fam_suficiente',
 'imovel_sede_saf',
 'espaco_fisico_sala_atendimento',
 'espaco_fisico_espaco_reunioes',
 'espaco_fisico_sala_equip_tec',
 'espaco_fisico_sala_coord_adm',
 'espaco_fisico_area_recepcao',
 'espaco_fisico_copa',
 'equipamentos_veiculo_exclusivo',
 'equipamentos_veiculo_compartilhado',
 'equipamentos_acervo_bibliog',
 'equipamentos_mater_pedago',
 'equipamentos_tel_fixo',
 'equipamentos_cel',
 'equipamentos_impressora',
 'equipamentos_de_som',
 'equipamentos_proj_imagens',
 'equipamentos_bebedouro',
 'equipamentos_comput_internet',
 'equipamentos_qtd_comput_internet',
 'equipe_tec_exclusiva_saf',
 'coordenador_saf_situacao',
 'capaci_equipe_tec_saf_presencial',
 'capaci_equipe_tec_saf_ead',
 'capaci_equipe_tec_saf_nao_faz',
 'capaci_equipe_tec_saf_presencial_qtd',
 'capaci_equipe_tec_saf_ead_qtd',
 'IBGE7',
 'nome_da_uf',
 'Regiao',
 'Município']

1.1. Variáveis relacionadas à quantidade de crianças acolhidas total e por gênero#

df_qtd_acolhidas = df_dados_gerais.groupby(['uf', 'Regiao'])['qtd_criancas_acolhidas'].sum().reset_index()

df_qtd_acolhidas.sort_values(by='qtd_criancas_acolhidas', ascending=False).reset_index().drop(columns='index')
uf Regiao qtd_criancas_acolhidas
0 PR Região Sul 591
1 MG Região Sudeste 324
2 SC Região Sul 280
3 SP Região Sudeste 269
4 RS Região Sul 143
5 RJ Região Sudeste 129
6 MS Região Centro Oeste 67
7 BA Região Nordeste 46
8 AM Região Norte 43
9 CE Região Nordeste 34
10 PE Região Nordeste 31
11 PB Região Nordeste 30
12 DF Região Centro Oeste 28
13 PA Região Norte 26
14 ES Região Sudeste 20
15 MA Região Nordeste 17
16 MT Região Centro Oeste 17
17 RN Região Nordeste 11
18 RO Região Norte 10
19 AC Região Norte 9
20 PI Região Nordeste 9
21 GO Região Centro Oeste 8
22 TO Região Norte 5
23 AP Região Norte 1 
# Define cores para cada região
cores_regiao = {
    'Região Norte': 'blue', 'Região Nordeste': 'green', 'Região Centro Oeste': 'orange',
    'Região Sudeste': 'red', 'Região Sul': 'purple'
}

# Cria o gráfico de barras para a quantidade de crianças/adolescentes acolhidos por UF
plt.figure(figsize=(12, 8))
for regiao, cor in cores_regiao.items():
    subset = df_qtd_acolhidas[df_qtd_acolhidas['Regiao'] == regiao]
    plt.bar(subset['uf'], subset['qtd_criancas_acolhidas'], label=regiao, color=cor)

# Configurações do gráfico
plt.title('Quantidade de crianças/adolescentes acolhidos pelo SFA por UF')
plt.xlabel('UF')
plt.ylabel('Quantidade de crianças/adolescentes')
plt.xticks(rotation=45)
plt.legend(title='Região')
plt.tight_layout()
plt.show()
_images/0781ee8ee5378f7e61c7b0b378721a425c74a0c05f7ae032a3cdcd0207c70854.png 
df_dados_gerais['qtd_fem_total'] = df_dados_gerais[['qtd_fem_0_2',
 'qtd_fem_3_5',
 'qtd_fem_6_11',
 'qtd_fem_12_13',
 'qtd_fem_14_15',
 'qtd_fem_16_17',
 'qtd_fem_acima_18']].sum(axis=1)

# Agrupamento por UF
df_qtd_por_genero = df_dados_gerais.groupby(['uf'])[['qtd_fem_total', 'qtd_masc_total']].sum().reset_index()

df_qtd_por_genero['total'] = df_qtd_por_genero['qtd_fem_total'] + df_qtd_por_genero['qtd_masc_total']
df_ordenado_genero = df_qtd_por_genero.sort_values(by='total', ascending=False)

plt.figure(figsize=(12, 8))
y = range(len(df_ordenado_genero['uf']))

plt.barh(
    y, df_ordenado_genero['qtd_fem_total'],
    color='purple', label='Feminino'
)
plt.barh(
    y, df_ordenado_genero['qtd_masc_total'],
    left=df_ordenado_genero['qtd_fem_total'],
    color='green', label='Masculino'
)

plt.title('Quantidade de crianças/adolescentes por gênero')
plt.xlabel('Quantidade')
plt.ylabel('UF')
plt.yticks(y, df_ordenado_genero['uf'])
plt.legend(title='Gênero')
plt.tight_layout()
plt.show()
_images/3f598baf9b1d1361d57622639b955f52feb42c7378a630bb0a6db8d1e6968f98.png 
# Agrupamento por UF e cálculo das porcentagens
df_ordenado_genero['pct_fem'] = (df_ordenado_genero['qtd_fem_total'] / df_ordenado_genero['total']) * 100
df_ordenado_genero['pct_masc'] = (df_ordenado_genero['qtd_masc_total'] / df_ordenado_genero['total']) * 100

# Arredondar porcentagens para 2 casas decimais
df_ordenado_genero['pct_fem'] = df_ordenado_genero['pct_fem'].round(2)
df_ordenado_genero['pct_masc'] = df_ordenado_genero['pct_masc'].round(2)

df_ordenado_genero.reset_index().drop(columns='index')
uf qtd_fem_total qtd_masc_total total pct_fem pct_masc
0 PR 301 290 591 50.93 49.07
1 MG 177 147 324 54.63 45.37
2 SC 141 139 280 50.36 49.64
3 SP 140 129 269 52.04 47.96
4 RS 78 65 143 54.55 45.45
5 RJ 62 67 129 48.06 51.94
6 MS 38 29 67 56.72 43.28
7 BA 22 24 46 47.83 52.17
8 AM 25 18 43 58.14 41.86
9 CE 13 21 34 38.24 61.76
10 PE 17 14 31 54.84 45.16
11 PB 11 19 30 36.67 63.33
12 DF 19 9 28 67.86 32.14
13 PA 15 11 26 57.69 42.31
14 ES 9 11 20 45.00 55.00
15 MA 8 9 17 47.06 52.94
16 MT 6 11 17 35.29 64.71
17 RN 5 6 11 45.45 54.55
18 RO 4 6 10 40.00 60.00
19 AC 9 0 9 100.00 0.00
20 PI 4 5 9 44.44 55.56
21 GO 8 0 8 100.00 0.00
22 TO 3 2 5 60.00 40.00
23 AP 0 1 1 0.00 100.00

1.2. Variáveis relacionadas à quantidade de crianças/adolescentes acolhidos por gênero e por faixa etária#

As seguintes variáveis estão relacionadas à quantidade de crianças/adolescentes de acordo com o gênero e faixa etária:

  • ‘qtd_masc_0_2’

  • ‘qtd_masc_3_5’

  • ‘qtd_masc_6_11’

  • ‘qtd_masc_12_13’

  • ‘qtd_masc_14_15’

  • ‘qtd_masc_16_17’

  • ‘qtd_masc_acima_18’

  • ‘qtd_fem_0_2’

  • ‘qtd_fem_3_5’

  • ‘qtd_fem_6_11’

  • ‘qtd_fem_12_13’

  • ‘qtd_fem_14_15’

  • ‘qtd_fem_16_17’

  • ‘qtd_fem_acima_18’

# Soma os valores por faixa etária de meninos
faixas_etarias_masc = [
    'qtd_masc_0_2', 'qtd_masc_3_5', 'qtd_masc_6_11',
    'qtd_masc_12_13', 'qtd_masc_14_15', 'qtd_masc_16_17', 'qtd_masc_acima_18'
]
totais_por_faixa_masc = df_dados_gerais[faixas_etarias_masc].sum()

# Dicionário para mapear nomes das colunas em rótulos mais compreensíveis
mapeamento_labels_masc = {
    'qtd_masc_0_2': '0-2',
    'qtd_masc_3_5': '3-5',
    'qtd_masc_6_11': '6-11',
    'qtd_masc_12_13': '12-13',
    'qtd_masc_14_15': '14-15',
    'qtd_masc_16_17': '16-17',
    'qtd_masc_acima_18': '18+'
}

# Aplicar o mapeamento para os rótulos do eixo x
rótulos_legiveis_masc = [mapeamento_labels_masc[col] for col in totais_por_faixa_masc.index]

# Criação do gráfico de barras
plt.figure(figsize=(10, 6))
plt.bar(rótulos_legiveis_masc, totais_por_faixa_masc.values, color='green')
plt.title('Quantidade de crianças/adolescentes por faixa etária (masculino)')
plt.xlabel('Faixa Etária (em anos)')
plt.ylabel('Quantidade')
plt.tight_layout()
plt.show()
_images/06a5868011b9591bfb28790c811562d6b2672d11a70ec7d80fa704d9557851fb.png 
# Soma os valores por faixa etária de meninas
faixas_etarias_fem = [
    'qtd_fem_0_2', 'qtd_fem_3_5', 'qtd_fem_6_11',
    'qtd_fem_12_13', 'qtd_fem_14_15', 'qtd_fem_16_17', 'qtd_fem_acima_18'
]
totais_por_faixa_fem = df_dados_gerais[faixas_etarias_fem].sum()

# Dicionário para mapear nomes das colunas em rótulos mais compreensíveis
mapeamento_labels_fem = {
    'qtd_fem_0_2': '0-2',
    'qtd_fem_3_5': '3-5',
    'qtd_fem_6_11': '6-11',
    'qtd_fem_12_13': '12-13',
    'qtd_fem_14_15': '14-15',
    'qtd_fem_16_17': '16-17',
    'qtd_fem_acima_18': '18+'
}

# Aplicar o mapeamento para os rótulos do eixo x
rótulos_legiveis_fem = [mapeamento_labels_fem[col] for col in totais_por_faixa_fem.index]

# Criação do gráfico de barras
plt.figure(figsize=(10, 6))
plt.bar(rótulos_legiveis_fem, totais_por_faixa_fem.values, color='purple')
plt.title('Quantidade de crianças/adolescentes por faixa etária (feminino)')
plt.xlabel('Faixa Etária (em anos)')
plt.ylabel('Quantidade')
plt.tight_layout()
plt.show()
_images/64b12ee4633f5270aa9135ae1901de58db9ed70aa3076a4adb81180f3e5fef40.png 
# Soma das faixas etárias masculinas e femininas
faixas_etarias = [
    '0-2', '3-5', '6-11', '12-13', '14-15', '16-17', '18+'
]

# Somar os valores por faixa etária
totais_masc = [
    df_dados_gerais['qtd_masc_0_2'].sum(),
    df_dados_gerais['qtd_masc_3_5'].sum(),
    df_dados_gerais['qtd_masc_6_11'].sum(),
    df_dados_gerais['qtd_masc_12_13'].sum(),
    df_dados_gerais['qtd_masc_14_15'].sum(),
    df_dados_gerais['qtd_masc_16_17'].sum(),
    df_dados_gerais['qtd_masc_acima_18'].sum()
]

totais_fem = [
    df_dados_gerais['qtd_fem_0_2'].sum(),
    df_dados_gerais['qtd_fem_3_5'].sum(),
    df_dados_gerais['qtd_fem_6_11'].sum(),
    df_dados_gerais['qtd_fem_12_13'].sum(),
    df_dados_gerais['qtd_fem_14_15'].sum(),
    df_dados_gerais['qtd_fem_16_17'].sum(),
    df_dados_gerais['qtd_fem_acima_18'].sum()
]

# Criar gráfico de barras empilhadas
fig, ax = plt.subplots(figsize=(10, 6))

# Plotar barras masculinas e femininas
ax.bar(faixas_etarias, totais_masc, label='Masculino', color='green')
ax.bar(faixas_etarias, totais_fem, bottom=totais_masc, label='Feminino', color='purple')

# Configurar o gráfico
plt.title('Quantidade de Crianças/Adolescentes por Faixa Etária e Sexo')
plt.xlabel('Faixa Etária')
plt.ylabel('Quantidade')
plt.legend(title='Sexo', loc='upper right')
plt.tight_layout()

# Mostrar o gráfico
plt.show()
_images/fafcdb1f8c256eca45f0f8b19bb3dfe75a675721ff04c856ab4a7b83cfcd330a.png

1.3. Variáveis relacionadas à quantidade de crianças/adolescentes acolhidos de acordo com determinadas características#

Para compreender algumas características das crianças e dos adolescentes atualmente acolhidos, foi feito um filtro para compreender o quantitativo total que tenham as seguintes características:

  • ‘qtd_refugiados_imigrantes’: crianças/adolescentes que vieram de outros países

  • ‘qtd_venezuelanos’: crianças/adolescentes com nacionalidade venezuelana

  • ‘qtd_criancas_deficiencia’: crianças/adolescentes com deficiência

  • ‘qtd_criancas_transt_sofri_psiquico’: crianças/adolescentes com transtorno mental/fofrimento psíquico

  • ‘qtd_criancas_necessidade_especial’: crianças/adolescentes com necessidade de cuidados especializados devido a condições de saúde (p.ex: traqueostomizados, com necessidade de suporte ventilatório ou de outros aparelhos para suporte à vida, tratamento ou nutrição parenteral, alimentação enteral, terapias injetáveis, realização de curativos complexos, dentre outros procedimentos)

  • ‘qtd_adoles_socioeducativo’: adolescentes em cumprimento de Medidas Socioeducativas em meio aberto ou egressos do sistema socioeducativo

  • ‘qtd_criancas_traj_de_rua’: crianças/adolescentes com trajetória de rua

  • ‘qtd_criancas_dependencia_drogas’: crianças/adolescentes com dependência de álcool ou outras drogas

  • ‘qtd_criancas_outros_povos_trad’: crianças/adolescentes de outros povos e comunidades tradicionais (quilombolas, ciganos, ribeirinhos, extrativistas etc.)

  • ‘qtd_criancas_gestantes’: crianças/adolescentes gestantes

caracteristicas_filtro = ['qtd_refugiados_imigrantes', 'qtd_criancas_outros_povos_trad', 'qtd_venezuelanos', 'qtd_criancas_deficiencia', 
                          'qtd_criancas_transt_sofri_psiquico', 'qtd_criancas_necessidade_especial', 'qtd_adoles_socioeducativo', 
                          'qtd_criancas_traj_de_rua', 'qtd_criancas_dependencia_drogas', 'qtd_criancas_gestantes']

totais_caracteristicas = df_dados_gerais[caracteristicas_filtro].sum()

# Criação do gráfico de barras horizontais
plt.figure(figsize=(10, 6))
plt.barh(totais_caracteristicas.index, totais_caracteristicas.values, color='orange')
plt.title('Quantidade de crianças/adolescentes acolhidos')
plt.xlabel('Quantidade')
plt.ylabel('Característica')
plt.tight_layout()
plt.show()
_images/c58ad5d3e4fff46b97c5f03c844d7a1f79af94de927d962f327693de66f91cc9.png

1.4. Variáveis relacionadas à quantidade de crianças/adolescentes acolhidos de acordo com o tempo no SFA#

Crianças e adolescentes atualmente acolhidos pelo SFA de acordo com o tempo que estão no serviço:

  • ‘qtd_criancas_tempo_servico_menos_1mes’

  • ‘qtd_criancas_tempo_servico_1_3meses’

  • ‘qtd_criancas_tempo_servico_4_6meses’

  • ‘qtd_criancas_tempo_servico_7_12meses’

  • ‘qtd_criancas_tempo_servico_13_18meses’

  • ‘qtd_criancas_tempo_servico_19_24meses’

  • ‘qtd_criancas_tempo_servico_25_48meses’

  • ‘qtd_criancas_tempo_servico_49_72meses’

  • ‘qtd_criancas_tempo_mais_72meses’

tempo_servico = ['qtd_criancas_tempo_servico_menos_1mes',
 'qtd_criancas_tempo_servico_1_3meses',
 'qtd_criancas_tempo_servico_4_6meses',
 'qtd_criancas_tempo_servico_7_12meses',
 'qtd_criancas_tempo_servico_13_18meses',
 'qtd_criancas_tempo_servico_19_24meses',
 'qtd_criancas_tempo_servico_25_48meses',
 'qtd_criancas_tempo_servico_49_72meses',
 'qtd_criancas_tempo_mais_72meses']

df_tempo_servico = df_dados_gerais[tempo_servico].sum()

# Criação do gráfico de barras horizontais
plt.figure(figsize=(10, 6))
plt.barh(df_tempo_servico.index, df_tempo_servico.values, color='blue')
plt.title('Quantidade de crianças/adolescentes acolhidos de acordo com o tempo no SFA')
plt.xlabel('Quantidade')
plt.ylabel('Tempo que estão no serviço')
plt.tight_layout()
plt.show()
_images/c071bc3a475fb5fa93efd0c94dcc45b7080ec0aa9d01ce42a3087e6a15b10134.png

1.5. Variáveis relacionadas à quantidade de crianças/adolescentes acolhidos de acordo com a raça#

As seguintes variáveis estão relacionadas à raça das crianças e dos adolescentes acolhidos pelo SFA:

  • ‘qtd_criancas_pretas’

  • ‘qtd_criancas_pardas’

  • ‘qtd_criancas_brancas’

  • ‘qtd_criancas_amarelas’

  • ‘qtd_criancas_raca_indigenas’

raca = ['qtd_criancas_pretas',
    'qtd_criancas_pardas',
    'qtd_criancas_brancas',
    'qtd_criancas_amarelas',
    'qtd_criancas_raca_indigenas']

totais_raca = df_dados_gerais[raca].sum()

# Criação do gráfico de barras
plt.figure(figsize=(10, 6))
plt.bar(totais_raca.index, totais_raca.values, color='pink')
plt.title('Quantidade de crianças/adolescentes por raça')
plt.xlabel('Raça')
plt.ylabel('Quantidade')
plt.xticks(rotation=45)
plt.tight_layout()
plt.show()
_images/c73d80dc1710dbcaaa011723b714838eb59dc52d6a59593767def636cbea72cb.png