1. Quais as datas (mes/ano) em que os deputados mais gastaram? Qual foi o tipo de despesa mais consumida?

Vamos agrupar os dados por mês e ano e somar o valor dos gastos em cada categoria de despesa:

require(viridisLite)
require(highcharter)

data_ceap_by_date = data_ceap %>%
  mutate(date = as.Date.character(paste(year, month, "01", sep="-")), "%Y-%m-%d") %>%
  group_by(date, tipoDespesa) %>%
  summarise(totalExpenditure = sum(valorLíquido)) %>%
  ungroup() %>%
  na.omit()

Em seguinda, já podemos visualizar o gráfico que pode nos ajudar a responde nossa primeira pergunta:

require(viridisLite)
require(highcharter)
require(lubridate)

colors = viridis(data_ceap_by_date %>% select(tipoDespesa) %>% distinct() %>% nrow())
colors = substr(colors, 0, 7)

title_text = "Use of CEAP by congressmen (by category of expenditure) over the last years"

tooltip = paste("<b>Year:</b> {point.date}.<br/>",
                "<b>Total Expenditure (R$):</b> {point.y}. <br/>",
                "<b>Type Expenditure:</b> {point.tipoDespesa}.")

highchart() %>%
  hc_add_series(data_ceap_by_date, "column", hcaes(x = date, y = totalExpenditure, group = tipoDespesa)) %>%
  hc_chart(zoomType = "xy") %>%
  hc_colors(colors) %>%
  hc_plotOptions(column = list(stacking = "normal"), series = list(marker = list(enabled = TRUE))) %>%
  hc_tooltip(headerFormat = "", pointFormat = tooltip) %>%
  hc_title(text = title_text, style = list(fontSize = "18px"), align = "left") %>%
  hc_yAxis(title = list(text = "Total Expenditure (R$)")) %>%
  hc_xAxis(type = 'datetime', labels = list(format = '{value:%Y-%m}'))

Uma das primeiras coisas que chamam atenção no gráfico é que há dois períodos de meses seguidos que registram gastos muito superior a todos os outros. Os anos de 2011 e 2012 são exemplos de um desses períodos. Nenhum desses anos representou ano de eleição para deputado federal. Então nossa hipótese primeira foi descartada. É preciso fazer uma pesquisa no contexto de uso desses gastos para entender o que pode ter motivado o crescimento e o descrimento exagerados do uso da CEAP.
Dentre as categorias com os maiores usos estão gastos com passagens aéreas (esperado), com telofonia e com combustível. Para 2009, 2011 e 2012, o primeiro mês é o que registra o menor total de gasto da Se dermos zoom nos outros anos, identificaremos o mesmo padrão. Então podemos dizer que os primeiros meses sempre são o de menor uso da CEAP.

2. Quais os tipos de despesas com os deputados que, no total, foram maiores do que o investimento com o Museu Nacional nos úlitmos anos?

Por causa do gráfico anterior, já conhecemos um pouco os nossos dados da CEAP. Vamos agora ver os dados de investimento da União no Museu Nacional.

require(highcharter)
    
tltip.title = c("Year:", "Investiment (R$): ")
tltip.vls = sprintf("{point.%s}", c("year", "investiment"))
tltip <- tooltip_table(tltip.title, tltip.vls)

COLOR_RED = "#d11141"

theme_set(theme_minimal())

hchart(investiment.mn, "spline", hcaes(x = year, y = investiment)) %>%
  hc_plotOptions(
    series  = list(
      marker = list(enabled = TRUE, 'x'),
      color = COLOR_RED)) %>%
  hc_title(text = "Investment in the National Museum over the last few years") %>%
  hc_yAxis(title = list(text = "Total investiment (R$)")) %>%
  hc_xAxis(title = list(text = "Year")) %>%
  hc_tooltip(table = TRUE, headerFormat = "", pointFormat = tltip)

Vemos que desde 2013 o investimento têm baixado, e os últimos três anos registram os menos investimentos desde 2001.

Sobre os dados da CEAP, vamos agora agrupá-los apenas por ano e obter o valor total gasto em cada categoria.

require(lubridate)
require(tidyverse)

 data_ceap_by_year =  data_ceap %>%
  group_by(year, tipoDespesa) %>%
  summarise(totalExpenditure = sum(valorLíquido)) %>%
  ungroup() %>%
  na.omit()

require(viridisLite)
require(highcharter)

max.year = max(data_ceap_by_year$year)
min.year = min(data_ceap_by_year$year)

investiment.mn.filter.year = investiment.mn %>%
  filter(year <= max.year & year >= min.year)

colors = viridis(data_ceap_by_year %>% select(tipoDespesa) %>% distinct() %>% nrow())
colors = substr(colors, 0, 7)

title_text = "Politicians' expenditures (by category) VS Investiment in National Museum"

tooltip = paste("<b>Year:</b> {point.x}.<br/>",
                "<b>Total Expenditure (R$):</b> {point.y}. <br/>",
                "<b>Type Expenditure:</b> {point.tipoDespesa}.")

highchart() %>%
  hc_add_series(data = data_ceap_by_year, 
                type = "spline", 
                dashStyle = "shortdot", 
                hcaes(x = year, y = totalExpenditure, group = tipoDespesa)) %>%
  hc_add_series(name = "Museu Nacional", 
                data = investiment.mn.filter.year, 
                type = "spline", 
                hcaes(x = year, y = investiment), 
                color = COLOR_RED,
                lineWidth = 4) %>%
  hc_chart(zoomType = "xy") %>%
  hc_colors(colors) %>%
  hc_plotOptions(spline = list(marker = list(symbol = "circle"))) %>%
  hc_tooltip(headerFormat = "", pointFormat = tooltip) %>%
  hc_title(text = title_text, style = list(fontSize = "18px"), align = "left") %>%
  hc_yAxis(title = list(text = "Total Expenditure (R$)")) %>%
  hc_xAxis(labels = list(enabled = TRUE),
           marker = list(enabled = TRUE),
           categories = 2009:2018)

As linhas pontilhadas represetam os gastos da CEAP por categoria, e alinha contínua vermelha representa o investimento no museu.
Já esperávemos que o investimento fosse menor. Mas acho que não esperávemos que fosse tão menor. A linha que representa o investimento no museu fica empurrada para o limite inferior do eixo y, tamanha é a diferença com o maior gasto total em uma categoria da CEAP (no ano de 2011, como estávamos esperando). Se tirarmos da seleção esses gastos (escritório, combustível, passagens aéreas e telefonia), ainda assim a linha irá parecer tocar o 0 no eixo y. Se formos tirando da seleção alguns gastos, iremos ver que o investimento no Museu Nacional só maior maior em 4 (de 15) tipos de despesas com deputados: cursos e paletras, passagens não aéreas, revistas e jornais e locomoção (até 2015). A disparidade é muito grande!