4 Senadores e Parlamentares

O Senado Federal tem 81 cadeiras — três por estado. Mas quem são, de onde vêm e por quais partidos esses senadores foram eleitos? Este capítulo responde essas perguntas e mostra como navegar o histórico de mandatos, lideranças e formação dos parlamentares.

Funções deste capítulo

Função	Argumentos	O que retorna
`obter_dados_senadores_legislatura()`	`legislatura_inicio`, `legislatura_fim`	Senadores de uma legislatura
`get_afastados()`	—	Senadores atualmente afastados
`processar_xml_mandatos()`	`codigos`	Histórico de mandatos
`processar_xml_liderancas()`	`codigos`	Lideranças partidárias
`processar_xml_profissoes()`	`codigos`	Profissões declaradas
`processar_xml_apartes()`	`codigos`	Apartes em pronunciamentos
`dados_academicos()`	`codigos`	Formação acadêmica
`dados_relatorias_parlamentares()`	`codigos_parlamentares`, `anos`	Relatorias
`coletar_autorias_parlamentares()`	`cod_parlamentares`	Autorias de matérias

4.1 Lista de senadores por legislatura

O argumento numérico refere-se ao número da legislatura. A 57ª legislatura (2023–2027) é a mais recente:

library(senatebR)
library(dplyr)

senadores_raw <- obter_dados_senadores_legislatura(57, 57)
glimpse(senadores_raw)
#> Rows: 245
#> Columns: 13
#> $ IdentificacaoParlamentar.CodigoParlamentar       <chr> "5918", "6382", ...
#> $ IdentificacaoParlamentar.NomeParlamentar         <chr> "Adilson Gomes", ...
#> $ IdentificacaoParlamentar.NomeCompletoParlamentar <chr> "Adilson Gomes Silva", ...
#> $ IdentificacaoParlamentar.SexoParlamentar         <chr> "Masculino", ...
#> $ IdentificacaoParlamentar.FormaTratamento         <chr> "Senador ", ...
#> $ IdentificacaoParlamentar.SiglaPartidoParlamentar <chr> NA, NA, "PV", ...
#> $ IdentificacaoParlamentar.CodigoPublicoNaLegAtual <chr> NA, NA, NA, ...
#> $ IdentificacaoParlamentar.UrlFotoParlamentar      <chr> NA, NA, NA, ...
#> $ IdentificacaoParlamentar.UrlPaginaParlamentar    <chr> NA, NA, NA, ...
#> $ IdentificacaoParlamentar.EmailParlamentar        <chr> NA, NA, NA, ...
#> $ IdentificacaoParlamentar.UfParlamentar           <chr> NA, NA, NA, ...
#> $ IdentificacaoParlamentar.UrlPaginaParticular     <chr> NA, NA, NA, ...
#> $ Mandatos.Mandato                                 <list> [<data.frame[1 x 13]>], ...

Note

A função retorna 245 linhas porque inclui titulares e suplentes que exerceram mandato na legislatura. Filtre por !is.na(SiglaPartidoParlamentar) e !is.na(UfParlamentar) para obter apenas os registros com dados completos (~84 linhas). As colunas têm o prefixo IdentificacaoParlamentar. pois os dados vêm de um XML aninhado.

As principais colunas (após remoção do prefixo):

Coluna	Descrição
`CodigoParlamentar`	Código único na API — use em todas as outras funções
`NomeParlamentar`	Nome parlamentar
`NomeCompletoParlamentar`	Nome civil completo
`SexoParlamentar`	`"Masculino"` ou `"Feminino"`
`FormaTratamento`	`"Senador "` ou `"Senadora "`
`SiglaPartidoParlamentar`	Sigla do partido atual (`NA` para suplentes sem exercício)
`UfParlamentar`	Estado de representação (`NA` para suplentes sem exercício)
`EmailParlamentar`	E-mail institucional

4.2 Simplificando os nomes das colunas

Para facilitar o uso, remova o prefixo e filtre os registros com dados completos:

senadores <- obter_dados_senadores_legislatura(57, 57) |>
  rename_with(~ gsub("IdentificacaoParlamentar\\.", "", .x)) |>
  filter(!is.na(SiglaPartidoParlamentar), !is.na(UfParlamentar))

senadores |>
  count(SiglaPartidoParlamentar, sort = TRUE)
#> # A tibble: 14 × 2
#>    SiglaPartidoParlamentar     n
#>    <chr>                   <int>
#>  1 PL                         17
#>  2 PSD                        14
#>  3 MDB                         9
#>  4 PT                          9
#>  5 PP                          7
#>  6 PSB                         7
#>  7 REPUBLICANOS                6
#>  8 UNIÃO                       4
#>  9 PODEMOS                     3
#> 10 PSDB                        3
#> 11 PDT                         2
#> 12 AVANTE                      1
#> 13 NOVO                        1
#> 14 SOLIDARIEDADE               1

4.3 Análise da composição partidária

senadores |>
  count(SiglaPartidoParlamentar, sort = TRUE) |>
  rename(Partido = SiglaPartidoParlamentar, Senadores = n)

4.4 Mandatos históricos

Códigos numéricos obrigatórios

As funções processar_xml_mandatos(), processar_xml_liderancas(), processar_xml_apartes() e processar_xml_profissoes() exigem que os códigos sejam passados como números (não strings). Use c(5672, 5982, 5386) e não c("5672", "5982", "5386").

codigos <- c(5672, 5982, 5386)

mandatos <- processar_xml_mandatos(codigos)
glimpse(mandatos)
#> Rows: 3
#> Columns: 14
#> $ CodigoSenador          <chr> "5672", "5982", "5386"
#> $ NomeSenador            <chr> "Alan Rick", "Alessandro Vieira", "Professora Dorinha..."
#> $ CodigoMandato          <chr> "596", "559", "615"
#> $ UfParlamentar          <chr> "AC", "SE", "TO"
#> $ NumeroLegislatura1     <chr> "57", "56", "57"
#> $ DataInicioLegislatura1 <chr> "2023-02-01", "2019-02-01", "2023-02-01"
#> $ DataFimLegislatura1    <chr> "2027-01-31", "2023-01-31", "2027-01-31"
#> $ DescricaoParticipacao  <chr> "Titular", "Titular", "Titular"
#> $ Suplentes              <chr> "Gemil Junior; Coronel Casagrande", ...
#> $ Exercicios             <chr> "2023-02-01", "2019-02-01", "2023-02-01"
#> $ CausaAfastamento       <chr> "", "", ""

Como obter os códigos

senadores <- obter_dados_senadores_legislatura(57, 57) |>
  rename_with(~ gsub("IdentificacaoParlamentar\\.", "", .x)) |>
  filter(!is.na(SiglaPartidoParlamentar), !is.na(UfParlamentar))

senadores |>
  filter(grepl("Pacheco", NomeParlamentar)) |>
  select(CodigoParlamentar, NomeParlamentar, SiglaPartidoParlamentar)
#> # A tibble: 1 × 3
#>   CodigoParlamentar NomeParlamentar SiglaPartidoParlamentar
#>   <chr>             <chr>           <chr>
#> 1 5732              Rodrigo Pacheco PSB

4.5 Formação acadêmica

# dados_academicos() pode retornar NAs quando o senador não preencheu os dados
academico <- dados_academicos(codigos)
glimpse(academico)
#> Rows: 3
#> Columns: 3
#> $ NomeCurso       <chr> NA, NA, NA
#> $ GrauInstrucao   <chr> NA, NA, NA
#> $ Estabelecimento <chr> NA, NA, NA

Note

dados_academicos() retorna as colunas NomeCurso, GrauInstrucao e Estabelecimento. Retorna NA quando o senador não preencheu o campo. Tente com senadores de legislaturas anteriores para obter mais dados preenchidos.

4.6 Lideranças, apartes e profissões

# Use valores numéricos (sem aspas)
codigos <- c(5672, 5982, 5386)

liderancas <- processar_xml_liderancas(codigos)
glimpse(liderancas)
#> Rows: 20
#> Columns: 16
#> $ CodigoParlamentar        <chr> "5672", "5672", "5982", ...
#> $ NomeParlamentar          <chr> "Alan Rick", "Alan Rick", "Alessandro Vieira", ...
#> $ UnidadeLideranca         <chr> "Liderança de Partido no Senado Federal", ...
#> $ SiglaPartido             <chr> "REPUBLICANOS", "UNIÃO", ...
#> $ NomePartido              <chr> "REPUBLICANOS", "União Brasil", ...
#> $ SiglaCasaLideranca       <chr> "SF", "SF", ...
#> $ DescricaoTipoLideranca   <chr> "Líder do Senado Federal", "Vice-líder...", ...
#> $ DataDesignacao           <chr> "2026-03-17", "2023-02-28", ...
#> $ DataFim                  <chr> NA, "2025-01-31", ...

apartes <- processar_xml_apartes(codigos)
glimpse(apartes)
#> Rows: 16
#> Columns: 21
#> $ CodigoParlamentar    <chr> "5672", "5672", ...
#> $ NomeParlamentar      <chr> "Alan Rick", ...
#> $ CodigoPronunciamento <chr> "501476", ...
#> $ TipoUsoPalavra       <chr> "Discurso", ...
#> $ DataPronunciamento   <chr> "2023-10-17", ...
#> $ TextoResumo          <chr> "Elogios à atuação do Presidente do Senado...", ...
#> $ UrlTexto             <chr> "https://www25.senado.leg.br/...", ...

profissoes <- processar_xml_profissoes(codigos)
#> # A tibble: 1 × 4
#>   CodigoParlamentar NomeParlamentar        NomeProfissao IndicadorAtividadePrincipal
#>   <chr>             <chr>                  <chr>         <chr>
#> 1 5386              Professora Dorinha ... Professor(a)  Sim

4.7 Exercício

Exercício 3.1

O Senado brasileiro tem representação feminina abaixo da média regional. Mas será que isso está mudando?

Usando os dados das legislaturas 56 (2019–2023) e 57 (2023–2027), investigue: a proporção de senadoras aumentou entre legislaturas? O que muda quando você compara por partido — há partidos que nunca elegeram uma senadora?

leg56 <- obter_dados_senadores_legislatura(56, 56) |>
  rename_with(~ gsub("IdentificacaoParlamentar\\.", "", .x)) |>
  filter(!is.na(SiglaPartidoParlamentar), !is.na(UfParlamentar))

leg57 <- obter_dados_senadores_legislatura(57, 57) |>
  rename_with(~ gsub("IdentificacaoParlamentar\\.", "", .x)) |>
  filter(!is.na(SiglaPartidoParlamentar), !is.na(UfParlamentar))

Uma resposta possível

library(senatebR)
library(dplyr)
library(ggplot2)

leg56 <- obter_dados_senadores_legislatura(56, 56) |>
  rename_with(~ gsub("IdentificacaoParlamentar\\.", "", .x)) |>
  filter(!is.na(SiglaPartidoParlamentar), !is.na(UfParlamentar))

leg57 <- obter_dados_senadores_legislatura(57, 57) |>
  rename_with(~ gsub("IdentificacaoParlamentar\\.", "", .x)) |>
  filter(!is.na(SiglaPartidoParlamentar), !is.na(UfParlamentar))

# Proporção por legislatura
bind_rows(
  leg56 |> mutate(legislatura = "56ª (2019–2023)"),
  leg57 |> mutate(legislatura = "57ª (2023–2027)")
) |>
  group_by(legislatura) |>
  summarise(
    total     = n(),
    feminino  = sum(SexoParlamentar == "Feminino"),
    proporcao = feminino / total
  )
#> # A tibble: 2 × 4
#>   legislatura       total feminino proporcao
#>   56ª (2019–2023)      84       13     0.155
#>   57ª (2023–2027)      84       15     0.179

# Proporção feminina por partido na 57ª
leg57 |>
  group_by(SiglaPartidoParlamentar) |>
  summarise(
    total    = n(),
    feminino = sum(SexoParlamentar == "Feminino"),
    prop_f   = feminino / total
  ) |>
  arrange(desc(prop_f))

A proporção cresceu levemente (15,5% → 17,9%), mas continua baixa. Alguns partidos têm zero senadoras na 57ª legislatura — o que levanta questões sobre recrutamento partidário que os dados de discursos e comissões (caps. 4 e 7) podem ajudar a investigar.

# Senadores e Parlamentares O Senado Federal tem 81 cadeiras — três por estado. Mas quem são, de onde vêm e por quais partidos esses senadores foram eleitos? Este capítulo responde essas perguntas e mostra como navegar o histórico de mandatos, lideranças e formação dos parlamentares. ::: {.callout-tip collapse="true"} ## Funções deste capítulo | Função | Argumentos | O que retorna | |---|---|---| | `obter_dados_senadores_legislatura()` | `legislatura_inicio`, `legislatura_fim` | Senadores de uma legislatura | | `get_afastados()` | — | Senadores atualmente afastados | | `processar_xml_mandatos()` | `codigos` | Histórico de mandatos | | `processar_xml_liderancas()` | `codigos` | Lideranças partidárias | | `processar_xml_profissoes()` | `codigos` | Profissões declaradas | | `processar_xml_apartes()` | `codigos` | Apartes em pronunciamentos | | `dados_academicos()` | `codigos` | Formação acadêmica | | `dados_relatorias_parlamentares()` | `codigos_parlamentares`, `anos` | Relatorias | | `coletar_autorias_parlamentares()` | `cod_parlamentares` | Autorias de matérias | ::: ## Lista de senadores por legislatura {#sec-simplificando} O argumento numérico refere-se ao número da legislatura. A 57ª legislatura (2023–2027) é a mais recente: ```r library(senatebR) library(dplyr) senadores_raw <- obter_dados_senadores_legislatura(57, 57) glimpse(senadores_raw) #> Rows: 245 #> Columns: 13 #> $ IdentificacaoParlamentar.CodigoParlamentar <chr> "5918", "6382", ... #> $ IdentificacaoParlamentar.NomeParlamentar <chr> "Adilson Gomes", ... #> $ IdentificacaoParlamentar.NomeCompletoParlamentar <chr> "Adilson Gomes Silva", ... #> $ IdentificacaoParlamentar.SexoParlamentar <chr> "Masculino", ... #> $ IdentificacaoParlamentar.FormaTratamento <chr> "Senador ", ... #> $ IdentificacaoParlamentar.SiglaPartidoParlamentar <chr> NA, NA, "PV", ... #> $ IdentificacaoParlamentar.CodigoPublicoNaLegAtual <chr> NA, NA, NA, ... #> $ IdentificacaoParlamentar.UrlFotoParlamentar <chr> NA, NA, NA, ... #> $ IdentificacaoParlamentar.UrlPaginaParlamentar <chr> NA, NA, NA, ... #> $ IdentificacaoParlamentar.EmailParlamentar <chr> NA, NA, NA, ... #> $ IdentificacaoParlamentar.UfParlamentar <chr> NA, NA, NA, ... #> $ IdentificacaoParlamentar.UrlPaginaParticular <chr> NA, NA, NA, ... #> $ Mandatos.Mandato <list> [<data.frame[1 x 13]>], ... ``` ::: {.callout-note} A função retorna **245 linhas** porque inclui titulares *e* suplentes que exerceram mandato na legislatura. Filtre por `!is.na(SiglaPartidoParlamentar)` e `!is.na(UfParlamentar)` para obter apenas os registros com dados completos (~84 linhas). As colunas têm o prefixo `IdentificacaoParlamentar.` pois os dados vêm de um XML aninhado. ::: As principais colunas (após remoção do prefixo): | Coluna | Descrição | |---|---| | `CodigoParlamentar` | Código único na API — use em todas as outras funções | | `NomeParlamentar` | Nome parlamentar | | `NomeCompletoParlamentar` | Nome civil completo | | `SexoParlamentar` | `"Masculino"` ou `"Feminino"` | | `FormaTratamento` | `"Senador "` ou `"Senadora "` | | `SiglaPartidoParlamentar` | Sigla do partido atual (`NA` para suplentes sem exercício) | | `UfParlamentar` | Estado de representação (`NA` para suplentes sem exercício) | | `EmailParlamentar` | E-mail institucional | ## Simplificando os nomes das colunas Para facilitar o uso, remova o prefixo e filtre os registros com dados completos: ```r senadores <- obter_dados_senadores_legislatura(57, 57) |> rename_with(~ gsub("IdentificacaoParlamentar\\.", "", .x)) |> filter(!is.na(SiglaPartidoParlamentar), !is.na(UfParlamentar)) senadores |> count(SiglaPartidoParlamentar, sort = TRUE) #> # A tibble: 14 × 2 #> SiglaPartidoParlamentar n #> <chr> <int> #> 1 PL 17 #> 2 PSD 14 #> 3 MDB 9 #> 4 PT 9 #> 5 PP 7 #> 6 PSB 7 #> 7 REPUBLICANOS 6 #> 8 UNIÃO 4 #> 9 PODEMOS 3 #> 10 PSDB 3 #> 11 PDT 2 #> 12 AVANTE 1 #> 13 NOVO 1 #> 14 SOLIDARIEDADE 1 ``` ## Análise da composição partidária ```r senadores |> count(SiglaPartidoParlamentar, sort = TRUE) |> rename(Partido = SiglaPartidoParlamentar, Senadores = n) ``` ## Mandatos históricos ::: {.callout-important} ## Códigos numéricos obrigatórios As funções `processar_xml_mandatos()`, `processar_xml_liderancas()`, `processar_xml_apartes()` e `processar_xml_profissoes()` exigem que os códigos sejam passados como **números** (não strings). Use `c(5672, 5982, 5386)` e não `c("5672", "5982", "5386")`. ::: ```r codigos <- c(5672, 5982, 5386) mandatos <- processar_xml_mandatos(codigos) glimpse(mandatos) #> Rows: 3 #> Columns: 14 #> $ CodigoSenador <chr> "5672", "5982", "5386" #> $ NomeSenador <chr> "Alan Rick", "Alessandro Vieira", "Professora Dorinha..." #> $ CodigoMandato <chr> "596", "559", "615" #> $ UfParlamentar <chr> "AC", "SE", "TO" #> $ NumeroLegislatura1 <chr> "57", "56", "57" #> $ DataInicioLegislatura1 <chr> "2023-02-01", "2019-02-01", "2023-02-01" #> $ DataFimLegislatura1 <chr> "2027-01-31", "2023-01-31", "2027-01-31" #> $ DescricaoParticipacao <chr> "Titular", "Titular", "Titular" #> $ Suplentes <chr> "Gemil Junior; Coronel Casagrande", ... #> $ Exercicios <chr> "2023-02-01", "2019-02-01", "2023-02-01" #> $ CausaAfastamento <chr> "", "", "" ``` ::: {.callout-tip} ## Como obter os códigos ```r senadores <- obter_dados_senadores_legislatura(57, 57) |> rename_with(~ gsub("IdentificacaoParlamentar\\.", "", .x)) |> filter(!is.na(SiglaPartidoParlamentar), !is.na(UfParlamentar)) senadores |> filter(grepl("Pacheco", NomeParlamentar)) |> select(CodigoParlamentar, NomeParlamentar, SiglaPartidoParlamentar) #> # A tibble: 1 × 3 #> CodigoParlamentar NomeParlamentar SiglaPartidoParlamentar #> <chr> <chr> <chr> #> 1 5732 Rodrigo Pacheco PSB ``` ::: ## Formação acadêmica ```r # dados_academicos() pode retornar NAs quando o senador não preencheu os dados academico <- dados_academicos(codigos) glimpse(academico) #> Rows: 3 #> Columns: 3 #> $ NomeCurso <chr> NA, NA, NA #> $ GrauInstrucao <chr> NA, NA, NA #> $ Estabelecimento <chr> NA, NA, NA ``` ::: {.callout-note} `dados_academicos()` retorna as colunas `NomeCurso`, `GrauInstrucao` e `Estabelecimento`. Retorna `NA` quando o senador não preencheu o campo. Tente com senadores de legislaturas anteriores para obter mais dados preenchidos. ::: ## Lideranças, apartes e profissões ```r # Use valores numéricos (sem aspas) codigos <- c(5672, 5982, 5386) liderancas <- processar_xml_liderancas(codigos) glimpse(liderancas) #> Rows: 20 #> Columns: 16 #> $ CodigoParlamentar <chr> "5672", "5672", "5982", ... #> $ NomeParlamentar <chr> "Alan Rick", "Alan Rick", "Alessandro Vieira", ... #> $ UnidadeLideranca <chr> "Liderança de Partido no Senado Federal", ... #> $ SiglaPartido <chr> "REPUBLICANOS", "UNIÃO", ... #> $ NomePartido <chr> "REPUBLICANOS", "União Brasil", ... #> $ SiglaCasaLideranca <chr> "SF", "SF", ... #> $ DescricaoTipoLideranca <chr> "Líder do Senado Federal", "Vice-líder...", ... #> $ DataDesignacao <chr> "2026-03-17", "2023-02-28", ... #> $ DataFim <chr> NA, "2025-01-31", ... apartes <- processar_xml_apartes(codigos) glimpse(apartes) #> Rows: 16 #> Columns: 21 #> $ CodigoParlamentar <chr> "5672", "5672", ... #> $ NomeParlamentar <chr> "Alan Rick", ... #> $ CodigoPronunciamento <chr> "501476", ... #> $ TipoUsoPalavra <chr> "Discurso", ... #> $ DataPronunciamento <chr> "2023-10-17", ... #> $ TextoResumo <chr> "Elogios à atuação do Presidente do Senado...", ... #> $ UrlTexto <chr> "https://www25.senado.leg.br/...", ... profissoes <- processar_xml_profissoes(codigos) #> # A tibble: 1 × 4 #> CodigoParlamentar NomeParlamentar NomeProfissao IndicadorAtividadePrincipal #> <chr> <chr> <chr> <chr> #> 1 5386 Professora Dorinha ... Professor(a) Sim ``` ## Exercício ::: {.callout-note icon=false} ## Exercício 3.1 O Senado brasileiro tem representação feminina abaixo da média regional. Mas será que isso está mudando? Usando os dados das legislaturas 56 (2019–2023) e 57 (2023–2027), investigue: **a proporção de senadoras aumentou entre legislaturas?** O que muda quando você compara por partido — há partidos que nunca elegeram uma senadora? ```r leg56 <- obter_dados_senadores_legislatura(56, 56) |> rename_with(~ gsub("IdentificacaoParlamentar\\.", "", .x)) |> filter(!is.na(SiglaPartidoParlamentar), !is.na(UfParlamentar)) leg57 <- obter_dados_senadores_legislatura(57, 57) |> rename_with(~ gsub("IdentificacaoParlamentar\\.", "", .x)) |> filter(!is.na(SiglaPartidoParlamentar), !is.na(UfParlamentar)) ``` ::: ::: {.callout-tip collapse="true"} ## Uma resposta possível ```r library(senatebR) library(dplyr) library(ggplot2) leg56 <- obter_dados_senadores_legislatura(56, 56) |> rename_with(~ gsub("IdentificacaoParlamentar\\.", "", .x)) |> filter(!is.na(SiglaPartidoParlamentar), !is.na(UfParlamentar)) leg57 <- obter_dados_senadores_legislatura(57, 57) |> rename_with(~ gsub("IdentificacaoParlamentar\\.", "", .x)) |> filter(!is.na(SiglaPartidoParlamentar), !is.na(UfParlamentar)) # Proporção por legislatura bind_rows( leg56 |> mutate(legislatura = "56ª (2019–2023)"), leg57 |> mutate(legislatura = "57ª (2023–2027)") ) |> group_by(legislatura) |> summarise( total = n(), feminino = sum(SexoParlamentar == "Feminino"), proporcao = feminino / total ) #> # A tibble: 2 × 4 #> legislatura total feminino proporcao #> 56ª (2019–2023) 84 13 0.155 #> 57ª (2023–2027) 84 15 0.179 # Proporção feminina por partido na 57ª leg57 |> group_by(SiglaPartidoParlamentar) |> summarise( total = n(), feminino = sum(SexoParlamentar == "Feminino"), prop_f = feminino / total ) |> arrange(desc(prop_f)) ``` A proporção cresceu levemente (15,5% → 17,9%), mas continua baixa. Alguns partidos têm zero senadoras na 57ª legislatura — o que levanta questões sobre recrutamento partidário que os dados de discursos e comissões (caps. 4 e 7) podem ajudar a investigar. :::