# Cabeçalho ----

#Diagnóstico sobre novos Restaurantes Comunitários no Distrito Federal

#IPEDF - Instituto de Pesquisa e Estatística do Distrito Federal

#Script de geração dos resultados

#Contato - Email: politicas.sociais@ipe.df.gov.br


# Pacotes -----

library(dplyr)
library(readxl)
library(lubridate)
library(tidyr)
library(tidyverse)
library(data.table)
library(dplyr) # para o operador %>%
library(readr)
library(plyr)
library(srvyr)
library(clipr)
library(writexl)

# Definir diretório na rede ----

setwd("X:/AREA TECNICA/6. 2024/2. Pesquisas Dipos/2. Pastas por projeto/Restaurantes Comunitários/Análise/Análise descritiva")

# Carregar base ----

caminho <- file.choose()
df_restaurantes <- read.csv(caminho)

# A1 - Restaurante da aplicação ----

A1_restaurantes <- df_restaurantes %>%
  group_by(A1) %>%
  summarise(
    n = n(), 
    prop = n() / nrow(df_restaurantes),
    .groups = "drop") %>%
  mutate(A1 = as.character(A1)) %>%
  rbind(data.frame(A1 = "Total", n = sum(.$n), prop = 100))

write.table(A1_restaurantes, "clipboard", sep = "\t", row.names = FALSE)


# A2 - Turno da aplicação ----

A2_turno <- df_restaurantes %>%
  group_by(A2) %>%
  summarise(
    n = n(), 
    prop = n() / nrow(df_restaurantes),
    .groups = "drop") %>%
  mutate(A2 = as.character(A2)) %>%
  rbind(data.frame(A2 = "Total", n = sum(.$n), prop = 100))

write.table(A2_turno, "clipboard", sep = "\t", row.names = FALSE)


# B1 - Refeição/marmita ----

# Criando coluna 'refeicao' que indica o que o usuário consumiu no momento da entrevista
# 

df_restaurantes$refeicao <- ifelse(
  df_restaurantes$"B1[B101]" == "Sim" & df_restaurantes$"B1[B102]" == "Não", "Refeição",  
  ifelse(
    df_restaurantes$"B1[B102]" == "Sim" & df_restaurantes$"B1[B101]" == "Não", "Marmita",  
    ifelse(
      df_restaurantes$"B1[B101]" == "Sim" & df_restaurantes$"B1[B102]" == "Sim", "Refeição e marmita",
      ifelse(
        df_restaurantes$"B1[B197]" == "Sim", "Não sabe",
        ifelse(
          df_restaurantes$"B1[B199]" == "Sim", "Não respondeu",
          NA)
      )
    )
  )
)

B1_refeicao <- df_restaurantes %>%
  group_by(refeicao) %>%
  summarise(
    n = n(), 
    prop = n() / nrow(df_restaurantes),
    .groups = "drop") %>%
  mutate(refeicao = as.character(refeicao)) %>%
  rbind(data.frame(refeicao = "Total", n = sum(.$n), prop = 100))

write.table(B1_refeicao, "clipboard", sep = "\t", row.names = FALSE)

### Criando variável turno1 de turnos(s) que frequenta

#Indivíduos que responderam "Não sei" ou não responderam pelo menos 1 das questões B2, B3 e B4 recebem NA
#Indivíduos que não responderam em qualquer uma das questões (B2, B3 e B4) recebem NA
# Agrupamento: 
#Almoço
#Todas as refeições
#Café da manhã e almoço
#Almoço e jantar
#Café da manhã
#Jantar
#Café da manhã e jantar


df_restaurantes$turno1 <- ifelse(
  df_restaurantes$"B2" == "Sim" & 
  df_restaurantes$"B3" == "Sim" & 
  df_restaurantes$"B4" == "Sim", "Todos",  
  ifelse(
    df_restaurantes$"B2" == "Sim" & 
    df_restaurantes$"B3" == "Não" & 
    df_restaurantes$"B4" == "Não", "Café da manhã", 
    ifelse(
      df_restaurantes$"B2" == "Não" & 
      df_restaurantes$"B3" == "Sim" & 
      df_restaurantes$"B4" == "Não", "Almoço",  
      ifelse(
        df_restaurantes$"B2" == "Não" & 
        df_restaurantes$"B3" == "Não" & 
         df_restaurantes$"B4" == "Sim", "Jantar",
        ifelse(
          df_restaurantes$"B2" == "Sim" & 
          df_restaurantes$"B3" == "Sim" & 
          df_restaurantes$"B4" == "Não", "Café da manhã e almoço",
          ifelse(
            df_restaurantes$"B2" == "Não" & 
            df_restaurantes$"B3" == "Sim" &
            df_restaurantes$"B4" == "Sim", "Almoço e jantar",
            ifelse(
              df_restaurantes$"B2" == "Sim" &
              df_restaurantes$"B3" == "Não" & 
              df_restaurantes$"B4" == "Sim", "Café da manhã e jantar",
                NA)
      )
    )
  )
)))

### Criando variável turno2 de turnos(s) que frequenta
# Não tem NAs
#Agrupamento: 
  #Todas as refeições
  #Nehuma das refeições
  #Almoço
  #Café da manhã 
  #Jantar


df_restaurantes$turno2 <- ifelse(
  df_restaurantes$"B2" == "Sim" & 
  df_restaurantes$"B3" == "Sim" & 
  df_restaurantes$"B4" == "Sim", "Todas as refeições",  
  ifelse(
    df_restaurantes$"B2" == "Sim", "Café da manhã", 
    ifelse(
      df_restaurantes$"B3" == "Sim", "Almoço",  
      ifelse(
        df_restaurantes$"B4" == "Sim", "Jantar",
        ifelse(
          df_restaurantes$"B2" == "Não" & 
          df_restaurantes$"B3" == "Não" & 
          df_restaurantes$"B4" == "Não", "Nenhuma das refeições",
          NA   )
            )
          )
         )                        
                                )

table(df_restaurantes$turno2)
table(df_restaurantes$B2)
table(df_restaurantes$B3)
table(df_restaurantes$B4)


turno_frequenta2 <- df_restaurantes %>%
  group_by(turno2) %>%
  summarise(
    n = n(), 
    prop = n() / nrow(df_restaurantes),
    .groups = "drop") %>%
  mutate(turno2 = as.character(turno2)) %>%
  rbind(data.frame(turno2 = "Total", n = sum(.$n), prop = 100))


write.table(turno_frequenta2, "clipboard", sep = "\t", row.names = FALSE)



turno_frequenta <- df_restaurantes %>%
  group_by(turno) %>%
  summarise(
    n = n(), 
    prop = n() / nrow(df_restaurantes),
    .groups = "drop") %>%
  mutate(turno = as.character(turno)) %>%
  rbind(data.frame(turno = "Total", n = sum(.$n), prop = 100))

write.table(turno_frequenta, "clipboard", sep = "\t", row.names = FALSE)


# Investigando usuários que não frequentam o RC da entrevista em nenhum turno ----


#De quem respondeu não ter frequentado nenhum turno, quantos afirmaram que aquele é o restaurante de maior frequencia?
  #A maioria disse que o Rc da entrevista é o de maior frequência (80%)
  #Talvez esses números indiquem apenas que 12% dos usuários não vão com frequência semanal, mas apenas frenquentam aquele RC
nao_frequenta_motivo <- df_restaurantes %>%
  filter(turno2 == "Nenhuma das refeições") %>% 
  group_by(C1) %>%
  summarise(
    n = n(), 
    prop = n() / nrow(df_restaurantes),
    .groups = "drop") %>%
  mutate(C1 = as.character(C1)) %>%
  rbind(data.frame(C1 = "Total", n = sum(.$n), prop = 100))



# B2 - Usuário tomou café da manhã no restaurante da entrevista na última semana ----

B2_cafe <- df_restaurantes %>%
  group_by(B2) %>%
  summarise(
    n = n(), 
    prop = n() / nrow(df_restaurantes),
    .groups = "drop") %>%
  mutate(B2 = as.character(B2)) %>%
  rbind(data.frame(B2 = "Total", n = sum(.$n), prop = 100))

write.table(B2_cafe, "clipboard", sep = "\t", row.names = FALSE)


# B21 - Frequência com que tomou café na última semana ----

B21_freqcafe <- df_restaurantes %>%
  group_by(B21) %>%
  summarise(
    n = n(), 
    prop = n() / nrow(df_restaurantes),
    .groups = "drop") %>%
  mutate(B21 = as.character(B21)) %>%
  rbind(data.frame(B21 = "Total", n = sum(.$n), prop = 100))

write.table(B21_freqcafe, "clipboard", sep = "\t", row.names = FALSE)


# B3 - Usuário almoçou no restaurante da entrevista na última semana ----

B3_almoco <- df_restaurantes %>%
  group_by(B3) %>%
  summarise(
    n = n(), 
    prop = n() / nrow(df_restaurantes),
    .groups = "drop") %>%
  mutate(B3 = as.character(B3)) %>%
  rbind(data.frame(B3 = "Total", n = sum(.$n), prop = 100))

write.table(B3_almoco, "clipboard", sep = "\t", row.names = FALSE)


# B31 - Frequência com que almoçou na última semana ----

B31_freqalmoco <- df_restaurantes %>%
  group_by(B31) %>%
  summarise(
    n = n(), 
    prop = n() / nrow(df_restaurantes),
    .groups = "drop") %>%
  mutate(B31 = as.character(B31)) %>%
  rbind(data.frame(B31 = "Total", n = sum(.$n), prop = 100))

write.table(B31_freqalmoco, "clipboard", sep = "\t", row.names = FALSE)


# B4 - Usuário jantou no restaurante da entrevista na última semana ----

B4_almoco <- df_restaurantes %>%
  group_by(B4) %>%
  summarise(
    n = n(), 
    prop = n() / nrow(df_restaurantes),
    .groups = "drop") %>%
  mutate(B4 = as.character(B4)) %>%
  rbind(data.frame(B4 = "Total", n = sum(.$n), prop = 100))

write.table(B4_almoco, "clipboard", sep = "\t", row.names = FALSE)


# B41 - Frequência com que jantou na última semana ----

B41_freqjantar <- df_restaurantes %>%
  group_by(B41) %>%
  summarise(
    n = n(), 
    prop = n() / nrow(df_restaurantes),
    .groups = "drop") %>%
  mutate(B41 = as.character(B41)) %>%
  rbind(data.frame(B41 = "Total", n = sum(.$n), prop = 100))

write.table(B41_freqjantar, "clipboard", sep = "\t", row.names = FALSE)

# Frequência agrupada ----

df_restaurantes$frequencia <- ifelse(
  df_restaurantes$"B21" == "7 vezes na semana" & 
    df_restaurantes$"B31" == "7 vezes na semana" & 
    df_restaurantes$"B41" == "7 vezes na semana", "Todas as refeições"  
  )                        
  

# B5 - Motivação para escolher o RC de entrevista ----

B5_motivacoes <- df_restaurantes %>%
  summarise(
    across(
      starts_with("B5"),  
      ~ sum(. == "Sim", na.rm = TRUE)  
    )
  ) %>%
  pivot_longer(
    cols = everything())

write.table(B5_motivacoes, "clipboard", sep = "\t", row.names = FALSE)


# B6 - Último lugar onde o indivíduo estava ----

B6_onde_estava <- df_restaurantes %>%
  group_by(B6) %>%
  summarise(
    n = n(), 
    prop = n() / nrow(df_restaurantes),
    .groups = "drop") %>%
  mutate(B6 = as.character(B6)) %>%
  rbind(data.frame(B6 = "Total", n = sum(.$n), prop = 100))

write.table(B6_onde_estava, "clipboard", sep = "\t", row.names = FALSE)


# B7 - Meio de transporte utilizado para chegar ----

B7_meio_transp <- df_restaurantes %>%
  group_by(B7) %>%
  summarise(
    n = n(), 
    prop = n() / nrow(df_restaurantes),
    .groups = "drop") %>%
  mutate(B7 = as.character(B7)) %>%
  rbind(data.frame(B7 = "Total", n = sum(.$n), prop = 100))

write.table(B7_meio_transp, "clipboard", sep = "\t", row.names = FALSE)


# B8 - Tempo gasto para chegar ao RC de entrevista ----

B8_tempo_desloc <- df_restaurantes %>%
  group_by(B8) %>%
  summarise(
    n = n(), 
    prop = n() / nrow(df_restaurantes),
    .groups = "drop") %>%
  mutate(B8 = as.character(B8)) %>%
  rbind(data.frame(B8 = "Total", n = sum(.$n), prop = 100))

write.table(B8_tempo_desloc, "clipboard", sep = "\t", row.names = FALSE)


# B9 - Avaliação da localização do restaurante comunitário ----

B9_localizacao_rest <- df_restaurantes %>%
  group_by(B9) %>%
  summarise(
    n = n(), 
    prop = n() / nrow(df_restaurantes),
    .groups = "drop") %>%
  mutate(B9 = as.character(B9)) %>%
  rbind(data.frame(B9 = "Total", n = sum(.$n), prop = 100))

write.table(B9_localizacao_rest, "clipboard", sep = "\t", row.names = FALSE)


# B10 - Encontrou dificuldades de acesso ao Rc de entrevista ----

B10_acessibilidade <- df_restaurantes %>%
  group_by(B10) %>%
  summarise(
    n = n(), 
    prop = n() / nrow(df_restaurantes),
    .groups = "drop") %>%
  mutate(B10 = as.character(B10)) %>%
  rbind(data.frame(B10 = "Total", n = sum(.$n), prop = 100))

write.table(B10_acessibilidade, "clipboard", sep = "\t", row.names = FALSE)


# B101 - Dificuldades para acessar o Rc de entrevista ----


B101_dificuldades <- df_restaurantes %>%
  summarise(across(
    c('B101[B10101]', 'B101[B10102]', 'B101[B10103]', 'B101[B10104]', 
      'B101[B101105]', 'B101[B10106]', 'B101[B10107]', 'B101[B10197]', 'B101[B10199]', 'B101[oth_binary]'),
    ~ sum(. == "Sim", na.rm = TRUE)
  )) %>%
  pivot_longer(
    cols = everything()          
  )

write.table(B101_dificuldades, "clipboard", sep = "\t", row.names = FALSE)


#C1 - O RC de entrevista é o RC de maior frequência ----

C1_RC_maior_freq <- df_restaurantes %>%
  group_by(C1) %>%
  summarise(
    n = n(), 
    prop = n() / nrow(df_restaurantes),
    .groups = "drop") %>%
  mutate(C1 = as.character(C1)) %>%
  rbind(data.frame(C1 = "Total", n = sum(.$n), prop = 100))

write.table(C1_RC_maior_freq, "clipboard", sep = "\t", row.names = FALSE)


#C2 - RC de maior frequência ----

C2_RC_maior_freq <- df_restaurantes %>%
  group_by(C2) %>%
  summarise(
    n = n(), 
    prop = n() / nrow(df_restaurantes),
    .groups = "drop") %>%
  mutate(C2 = as.character(C2)) %>%
  rbind(data.frame(C2 = "Total", n = sum(.$n), prop = 100))

write.table(C2_RC_maior_freq, "clipboard", sep = "\t", row.names = FALSE)


#C3 - Motivos para frequentar o RC de maior frquência ----

C3_motivacoes <- df_restaurantes %>%
  summarise(
    across(
      starts_with("C3"),
      ~ sum(. == "Sim", na.rm = TRUE)  
    )
  ) %>%
  pivot_longer(
    cols = everything())

write.table(C3_motivacoes, "clipboard", sep = "\t", row.names = FALSE)


#C4 - Frequência do RC de maior frequência ----

C4_freq <- df_restaurantes %>%
  group_by(C4) %>%
  summarise(
    n = n(), 
    prop = n() / nrow(df_restaurantes),
    .groups = "drop") %>%
  mutate(C4 = as.character(C4)) %>%
  rbind(data.frame(C4 = "Total", n = sum(.$n), prop = 100))

write.table(C4_freq, "clipboard", sep = "\t", row.names = FALSE)


#D1 - RC que mais frequenta fic ana Ra que mora/fica ----

D1_mora_rest_freq <- df_restaurantes %>%
  group_by(D1) %>%
  summarise(
    n = n(), 
    prop = n() / nrow(df_restaurantes),
    .groups = "drop") %>%
  mutate(D1 = as.character(D1)) %>%
  rbind(data.frame(D1 = "Total", n = sum(.$n), prop = 100))

write.table(D1_mora_rest_freq, "clipboard", sep = "\t", row.names = FALSE)


#D2 - Motivos para não frequentar o Rc de domicílio/onde fica ----

D2_motivacoes <- df_restaurantes %>%
  summarise(
    across(
      starts_with("D2"),  
      ~ sum(. == "Sim", na.rm = TRUE)  
    )
  ) %>%
  pivot_longer(
    cols = everything())

write.table(D2_motivacoes, "clipboard", sep = "\t", row.names = FALSE)


#E1 - Gostaria que abrisse novo RC ----

E1_novo_rest <- df_restaurantes %>%
  group_by(E1) %>%
  summarise(
    n = n(), 
    prop = n() / nrow(df_restaurantes),
    .groups = "drop") %>%
  mutate(E1 = as.character(E1)) %>%
  rbind(data.frame(E1 = "Total", n = sum(.$n), prop = 100))

write.table(E1_novo_rest, "clipboard", sep = "\t", row.names = FALSE)


#E11 - MOtivos para não frequentar o Rc de domicílio/onde fica ----

E11_ra_motivacoes <- df_restaurantes %>%
  summarise(
    across(
      starts_with("E11"),  
      ~ sum(. == "Sim", na.rm = TRUE)  
    )
  ) %>%
  pivot_longer(
    cols = everything())

write.table(E11_ra_motivacoes, "clipboard", sep = "\t", row.names = FALSE)


#E12 - MOtivos para abrir novo restaurante  ----

E12_ra_motivacoes <- df_restaurantes %>%
  summarise(
    across(
      starts_with("E12"),  
      ~ sum(. == "Sim", na.rm = TRUE)  
    )
  ) %>%
  pivot_longer(
    cols = everything())

write.table(E12_ra_motivacoes, "clipboard", sep = "\t", row.names = FALSE)


#E2 - Frequentaria novo restaurante  ----

E2_novo_rest <- df_restaurantes %>%
  group_by(E2) %>%
  summarise(
    n = n(), 
    prop = n() / nrow(df_restaurantes),
    .groups = "drop") %>%
  mutate(E2 = as.character(E2)) %>%
  rbind(data.frame(E2 = "Total", n = sum(.$n), prop = 100))

write.table(E2_novo_rest, "clipboard", sep = "\t", row.names = FALSE)


#F1 - Ficou um dia inteiro sem comer  ----

F1_ficou_sem_comer <- df_restaurantes %>%
  group_by(F1) %>%
  summarise(
    n = n(), 
    prop = n() / nrow(df_restaurantes),
    .groups = "drop") %>%
  mutate(F1 = as.character(F1)) %>%
  rbind(data.frame(F1 = "Total", n = sum(.$n), prop = 100))

write.table(F1_ficou_sem_comer, "clipboard", sep = "\t", row.names = FALSE)


#F2 - De onde vem a comida  ----

F2_origem_comida <- df_restaurantes %>%
  summarise(
    across(
      starts_with("F2"),  
      ~ sum(. == "Sim", na.rm = TRUE)  
    )
  ) %>%
  pivot_longer(
    cols = everything())

write.table(F2_origem_comida, "clipboard", sep = "\t", row.names = FALSE)


#F3 - Importância do RC na alimentação  ----

F3_insan <- df_restaurantes %>%
  group_by(F3) %>%
  summarise(
    n = n(), 
    prop = n() / nrow(df_restaurantes),
    .groups = "drop") %>%
  mutate(F3 = as.character(F3)) %>%
  rbind(data.frame(F3 = "Total", n = sum(.$n), prop = 100))

write.table(F3_insan, "clipboard", sep = "\t", row.names = FALSE)


#G1 - Idade  ----

summary(df_restaurantes$G1)

G1_idade <- df_restaurantes %>%
  mutate(faixa_etaria = cut(
    G1,
    breaks = c(18, 39, 60, Inf), # Intervalos de 21 anos
    right = FALSE,              # Exclui o limite superior do intervalo
    labels = c("18-38", "39-59", "60+")
  )) %>%
  group_by(faixa_etaria) %>%       # Agrupa pelas faixas etárias
  summarise(contagem = n(), .groups = "drop") # Conta o número de observações em cada faixa

write.table(G1_idade, "clipboard", sep = "\t", row.names = FALSE)


#G2 - Raça/cor  ----

G2_racacor <- df_restaurantes %>%
  group_by(G2) %>%
  summarise(
    n = n(), 
    prop = n() / nrow(df_restaurantes),
    .groups = "drop") %>%
  mutate(G2 = as.character(G2)) %>%
  rbind(data.frame(G2 = "Total", n = sum(.$n), prop = 100))

write.table(G2_racacor, "clipboard", sep = "\t", row.names = FALSE)


#G3 - Sexo  ----

G3_sexo <- df_restaurantes %>%
  group_by(G3) %>%
  summarise(
    n = n(), 
    prop = n() / nrow(df_restaurantes),
    .groups = "drop") %>%
  mutate(G3 = as.character(G3)) %>%
  rbind(data.frame(G3 = "Total", n = sum(.$n), prop = 100))

write.table(G3_sexo, "clipboard", sep = "\t", row.names = FALSE)


#G4 - Gênero  ----

G4_genero <- df_restaurantes %>%
  group_by(G4) %>%
  summarise(
    n = n(), 
    prop = n() / nrow(df_restaurantes),
    .groups = "drop") %>%
  mutate(G4 = as.character(G4)) %>%
  rbind(data.frame(G4 = "Total", n = sum(.$n), prop = 100))

write.table(G4_genero, "clipboard", sep = "\t", row.names = FALSE)


#G5 - RA de residência/mais fica  ----

G5_ra_reside <- df_restaurantes %>%
  group_by(G5) %>%
  summarise(
    n = n(), 
    prop = n() / nrow(df_restaurantes),
    .groups = "drop") %>%
  mutate(G5 = as.character(G5)) %>%
  rbind(data.frame(G5 = "Total", n = sum(.$n), prop = 100))

write.table(G5_ra_reside, "clipboard", sep = "\t", row.names = FALSE)


#G6 - Grau de escolaridade mais elevado  ----

G6_escolaridade <- df_restaurantes %>%
  group_by(G6) %>%
  summarise(
    n = n(), 
    prop = n() / nrow(df_restaurantes),
    .groups = "drop") %>%
  mutate(G6 = as.character(G6)) %>%
  rbind(data.frame(G6 = "Total", n = sum(.$n), prop = 100))

write.table(G6_escolaridade, "clipboard", sep = "\t", row.names = FALSE)


#G7 - Principal vínculo empregatício  ----

G7_vinc_empreg <- df_restaurantes %>%
  group_by(G7) %>%
  summarise(
    n = n(), 
    prop = n() / nrow(df_restaurantes),
    .groups = "drop") %>%
  mutate(G7 = as.character(G7)) %>%
  rbind(data.frame(G7 = "Total", n = sum(.$n), prop = 100))

write.table(G7_vinc_empreg, "clipboard", sep = "\t", row.names = FALSE)


#G8 - Renda  ----

G8_renda <- df_restaurantes %>%
  group_by(G8) %>%
  summarise(
    n = n(), 
    prop = n() / nrow(df_restaurantes),
    .groups = "drop") %>%
  mutate(G8 = as.character(G8)) %>%
  rbind(data.frame(G8 = "Total", n = sum(.$n), prop = 100))

write.table(G8_renda, "clipboard", sep = "\t", row.names = FALSE)


#G9 - Principal vínculo empregatício  ----

G9_cad_unico <- df_restaurantes %>%
  group_by(G9) %>%
  summarise(
    n = n(), 
    prop = n() / nrow(df_restaurantes),
    .groups = "drop") %>%
  mutate(G9 = as.character(G9)) %>%
  rbind(data.frame(G9 = "Total", n = sum(.$n), prop = 100))

write.table(G9_cad_unico, "clipboard", sep = "\t", row.names = FALSE)


#G10 - Recebe benefício do governo  ----

G10_beneficio <- df_restaurantes %>%
  group_by(G10) %>%
  summarise(
    n = n(), 
    prop = n() / nrow(df_restaurantes),
    .groups = "drop") %>%
  mutate(G10 = as.character(G10)) %>%
  rbind(data.frame(G10 = "Total", n = sum(.$n), prop = 100))

write.table(G10_beneficio, "clipboard", sep = "\t", row.names = FALSE)


#G11 - Benefício que recebe  ----

G11_beneficios <- df_restaurantes %>%
  summarise(
    across(
      starts_with("G11"),  
      ~ sum(. == "Sim", na.rm = TRUE)  
    )
  ) %>%
  pivot_longer(
    cols = everything())

write.table(G11_beneficios, "clipboard", sep = "\t", row.names = FALSE)


# Unindo tabelas em arquivo .xlsx por bloco -----

# Lista de dataframes, com nomes para as abas
bloco_a <- list(A1 = A1_restaurantes, 
                   A2 = A2_turno
                )

bloco_b <- list(B1 = B1_refeicao, 
                B2 = B2_cafe,
                B21 = B21_freqcafe,
                B3 = B3_almoco,
                B31 = B31_freqalmoco,
                B4 = B4_almoco,
                B41 = B41_freqjantar,
                B5 = B5_motivacoes,
                B6 = B6_onde_estava,
                B7 = B7_meio_transp,
                B8 = B8_tempo_desloc,
                B9 = B9_localizacao_rest,
                B10 = B10_acessibilidade,
                B101 = B101_dificuldades
                )

bloco_c <- list(C1 = C1_RC_maior_freq, 
                C2 = C2_RC_maior_freq,
                C3 = C3_motivacoes,
                C4 = C4_freq
                )

bloco_d <- list(D1 = D1_mora_rest_freq, 
                D2 = D2_motivacoes
                )

bloco_e <- list(E1 = E1_novo_rest, 
                E11 = E11_ra_motivacoes,
                E12 = E12_ra_motivacoes,
                E2 = E2_novo_rest
                )

bloco_f <- list(F1 = F1_ficou_sem_comer, 
                F2 = F2_origem_comida,
                F3 = F3_insan,
                E2 = E2_novo_rest
                )

bloco_g <- list(#G1 = G1_idade, 
                G2 = G2_racacor,
                G3 = G3_racacor,
                G4 = G4_genero,
                G5 = G5_ra_reside,
                G6 = G6_escolaridade,
                G7 = G7_vinc_empreg,
                G8 = G8_renda,
                G9 = G9_cad_unico,
                G10 = G10_beneficio,
                G11 = G11_beneficios
)


write_xlsx(bloco_a, "Analise descritiva - Bloco A.xlsx")
write_xlsx(bloco_b, "Analise descritiva - Bloco B.xlsx")
write_xlsx(bloco_c, "Analise descritiva - Bloco C.xlsx")
write_xlsx(bloco_d, "Analise descritiva - Bloco D.xlsx")
write_xlsx(bloco_e, "Analise descritiva - Bloco E.xlsx")
write_xlsx(bloco_f, "Analise descritiva - Bloco F.xlsx")
write_xlsx(bloco_g, "Analise descritiva - Bloco G.xlsx")
write_xlsx(turno_frequenta2, "Turno que frequenta - Bloco B.xlsx")