Este é o repositório oficial de código-fonte e dados para a monografia de conclusão de curso:
Inovação e Ambiente Institucional: A Dinâmica Espacial de Difusão do Pix no Brasil
O trabalho completo, de autoria de Áthila da Silva Galindo Santos, está disponível permanentemente no Repositório Digital da UFPE e pode ser acessado através do link: https://repositorio.ufpe.br/handle/123456789/66276
A pesquisa investiga a dinâmica espaço-temporal da difusão do Pix no Brasil entre 2020 e 2024. Utilizando a Análise Exploratória de Dados Espaciais (AEDE), o trabalho analisa se a disseminação desta tecnologia foi condicionada pela estrutura de desigualdade regional preexistente ou se conseguiu superá-la ao longo do tempo.
- Analisar a dinâmica espaço-temporal da difusão do Pix no Brasil (2020-2024).
- Verificar a existência de dependência espacial e a formação de clusters de alta (Alto-Alto) e baixa (Baixo-Baixo) adesão.
- Investigar a tendência da autocorrelação espacial ao longo do tempo, avaliando se o padrão caminha para uma maior concentração ou dispersão geográfica.
A análise foi conduzida inteiramente em Python, com foco nas seguintes técnicas e bibliotecas:
- Análise Exploratória de Dados Espaciais (AEDE): Para identificar padrões, outliers e clusters espaciais.
- Índice I de Moran (Global e Local): Para medir a autocorrelação espacial e a significância estatística dos clusters (LISA).
- Principais Bibliotecas:
pandas,geopandas,pysal(comesdaelibpysal),matplotlib,seabornesidrapy.
A análise confirmou, através do I de Moran Global, a existência de forte autocorrelação espacial na difusão do Pix, com a subsequente identificação de clusters locais (LISA) de alta e baixa adesão. A evolução temporal do indicador revelou uma clara tendência de dispersão geográfica, indicando que o uso da tecnologia tornou-se menos concentrado ao longo do tempo. Essa dinâmica, contudo, mostrou-se assimétrica: foi mais acelerada para as métricas de taxa de penetração (pessoas) e número de transações, enquanto o volume financeiro se dispersou de forma mais lenta, mantendo padrões de concentração mais alinhados à desigualdade econômica preexistente do país.
Os mapas gerados pelo pipeline demonstram a evolução dos clusters espaciais. Os resultados são apresentados para três métricas principais em log per capita: Taxa de Penetração (Pessoas), Número de Transações e Volume Financeiro.
Inicialmente, clusters de alta performance (Alto-Alto, em roxo) concentraram-se no Centro-Sul. Em 2024, observa-se uma maior dispersão e o surgimento de novos polos dinâmicos no Norte e Nordeste, indicando uma difusão mais homogênea da tecnologia.
| Ano de 2020 | Ano de 2024 |
|---|---|
 |
 |
Os mapas do último ano da análise revelam padrões distintos. Enquanto a Taxa de Penetração se mostra mais dispersa, o Volume Financeiro ainda apresenta uma forte concentração de clusters Alto-Alto nas regiões mais ricas do país, sugerindo que, embora o acesso tenha se expandido, os valores transacionados continuam a refletir a desigualdade econômica regional.
| Volume Financeiro per capita (2024) | N. de Transações per capita (2024) | Taxa de Penetração (2024) |
|---|---|---|
 |
 |
|
(Nota: Todas as imagens serão geradas na pasta results/images ao executar o pipeline).
O projeto foi modularizado para garantir clareza, manutenção e reprodutibilidade.
/analise-espacial-pix-brasil/
|
|-- data/ # Dados brutos e processados
| |-- raw/
| |-- processed/
|
|-- results/ # Gráficos, mapas e tabelas gerados pelo pipeline
| |-- images/
| |-- tables/
|
|-- src/ # Código-fonte modularizado
| |-- extracao_dados.py
| |-- prepara_dados.py
| |-- analise_espacial.py
| |-- visualizacao.py
|
|-- .gitignore
|-- LICENSE
|-- main.py # Script principal que orquestra todo o pipeline
|-- README.md
|-- requirements.txt # Dependências do Python para um ambiente reprodutível
|-- run.bat # Script automatizado para Windows
- Git
- Python 3.8+ e
venv
Para garantir a total reprodutibilidade dos resultados, o projeto inclui scripts que automatizam a criação do ambiente e a execução de todo o pipeline.
-
Clone o repositório:
git clone https://github.com/Athila-Santos/analise-espacial-pix-brasil.git cd analise-espacial-pix-brasil -
Execute o script apropriado para o seu sistema operacional:
- No Windows (usando PowerShell ou Command Prompt):
.\run.bat
Este script irá automaticamente:
- Criar um ambiente virtual (
.venv). - Instalar todas as dependências da versão correta a partir do
requirements.txt. - Executar o
main.py, que roda todas as etapas da análise em sequência.
- No Windows (usando PowerShell ou Command Prompt):
Se preferir, siga os passos manualmente:
-
Clone o repositório (como no passo 1 acima).
-
Crie e ative o ambiente virtual:
python -m venv .venv # No Windows .\.venv\Scripts\activate
-
Instale as dependências:
pip install -r requirements.txt
-
Execute o pipeline completo:
python main.py
- Estatísticas do Pix: API de Dados Abertos do Banco Central do Brasil.
- Dados Demográficos: SIDRA/IBGE (Censos de 2010 e 2022).
- Malhas Territoriais: IBGE (Regiões Geográficas Imediatas).
Se você utilizar este código ou os dados em sua pesquisa, por favor, cite a monografia original:
SANTOS, Áthila da Silva Galindo. Inovação e ambiente institucional: a dinâmica espacial de difusão do PIX no Brasil. Trabalho de Conclusão de Curso (Graduação em Ciências Econômicas) - Universidade Federal de Pernambuco, Recife, 2025. Disponível em: https://repositorio.ufpe.br/handle/123456789/66276.
Este projeto é distribuído sob a Licença MIT. Veja o arquivo LICENSE para mais detalhes.