Introducción

El análisis del dataset “chicagoCrime2020” ofrece insights cruciales para la policía de Chicago, permitiendo identificar patrones criminales, localizar zonas de alto riesgo, evaluar la eficacia de las estrategias policiales, fomentar la prevención del crimen y la colaboración comunitaria, y optimizar la asignación de recursos. Este enfoque analítico proporciona una base sólida para una respuesta policial más estratégica y efectiva en la ciudad.

Pregunta de investigación

¿Cómo puede este análisis ayudar al trabajo policial?

Estadisticas descriptivas

# Basic summary of the dataset
summary(chicagoCrime2020)
##       ...1               id           case_number       
##  Min.   :  24279   Min.   :   24889   Length:91318      
##  1st Qu.:1781055   1st Qu.:11974960   Class :character  
##  Median :3564740   Median :12010619   Mode  :character  
##  Mean   :3574290   Mean   :11973896                     
##  3rd Qu.:5376446   3rd Qu.:12046081                     
##  Max.   :7135304   Max.   :12085764                     
##                                                         
##       date                           block               iucr          
##  Min.   :2020-01-01 00:00:00.00   Length:91318       Length:91318      
##  1st Qu.:2020-02-05 18:49:15.00   Class :character   Class :character  
##  Median :2020-03-14 12:07:30.00   Mode  :character   Mode  :character  
##  Mean   :2020-03-20 17:37:40.25                                        
##  3rd Qu.:2020-05-05 15:33:45.00                                        
##  Max.   :2020-06-16 00:00:00.00                                        
##                                                                        
##  primary_type       description        location_description   arrest       
##  Length:91318       Length:91318       Length:91318         Mode :logical  
##  Class :character   Class :character   Class :character     FALSE:75086    
##  Mode  :character   Mode  :character   Mode  :character     TRUE :16232    
##                                                                            
##                                                                            
##                                                                            
##                                                                            
##   domestic            beat         district          ward       community_area 
##  Mode :logical   Min.   : 111   Min.   : 1.00   Min.   : 1.00   Min.   : 1.00  
##  FALSE:74227     1st Qu.: 612   1st Qu.: 6.00   1st Qu.:10.00   1st Qu.:23.00  
##  TRUE :17091     Median :1021   Median :10.00   Median :23.00   Median :32.00  
##                  Mean   :1136   Mean   :11.13   Mean   :22.86   Mean   :37.61  
##                  3rd Qu.:1654   3rd Qu.:16.00   3rd Qu.:34.00   3rd Qu.:56.00  
##                  Max.   :2535   Max.   :31.00   Max.   :50.00   Max.   :77.00  
##                                                 NA's   :2                      
##    fbi_code          x_coordinate      y_coordinate          year     
##  Length:91318       Min.   :1092647   Min.   :1813897   Min.   :2020  
##  Class :character   1st Qu.:1152959   1st Qu.:1857892   1st Qu.:2020  
##  Mode  :character   Median :1166541   Median :1890260   Median :2020  
##                     Mean   :1164941   Mean   :1884924   Mean   :2020  
##                     3rd Qu.:1176618   3rd Qu.:1907957   3rd Qu.:2020  
##                     Max.   :1205112   Max.   :1951507   Max.   :2020  
##                     NA's   :751       NA's   :751                     
##    updated_on                        latitude       longitude     
##  Min.   :2020-01-08 15:49:48.00   Min.   :41.64   Min.   :-87.93  
##  1st Qu.:2020-02-15 15:48:50.00   1st Qu.:41.77   1st Qu.:-87.71  
##  Median :2020-03-25 15:45:43.00   Median :41.85   Median :-87.66  
##  Mean   :2020-03-30 21:16:08.47   Mean   :41.84   Mean   :-87.67  
##  3rd Qu.:2020-05-15 15:50:24.00   3rd Qu.:41.90   3rd Qu.:-87.63  
##  Max.   :2020-06-23 15:47:15.00   Max.   :42.02   Max.   :-87.52  
##                                   NA's   :751     NA's   :751     
##    location              hash                        point_date    
##  Length:91318       Min.   :2020-01-01 00:00:00.00   Mode:logical  
##  Class :character   1st Qu.:2020-02-05 18:49:15.00   NA's:91318    
##  Mode  :character   Median :2020-03-14 12:07:30.00                 
##                     Mean   :2020-03-20 17:37:40.25                 
##                     3rd Qu.:2020-05-05 15:33:45.00                 
##                     Max.   :2020-06-16 00:00:00.00                 
##                                                                    
##    geom        
##  Mode:logical  
##  NA's:91318    
##                
##                
##                
##                
##

Limpieza de datos

#Quitar la primera columna
chicagoCrime2020 <- subset(chicagoCrime2020, select = -1)
#Quitar las columnas "point_date" y "geom" que no contienen información
chicagoCrime2020 <- chicagoCrime2020[, !colnames(chicagoCrime2020) %in% c("point_date", "geom")]

#Limpieza de datos - verificar datos faltantes en el dataset
sum(is.na(chicagoCrime2020))
## [1] 4216
#Quitar valores "NA" de las columnas y eliminar registros duplicados
chicagoCrime2020 <- chicagoCrime2020 %>% na.omit() %>% distinct()

#Separamos "Date" para tener dia y hora en diferentes columnas
chicagoCrime2020 <- chicagoCrime2020 %>% separate(date, into =c("day", "Time"), sep = " ")

str(chicagoCrime2020$day)
##  chr [1:90149] "2020-01-01" "2020-01-02" "2020-01-02" "2020-01-02" ...
# Columna "day" en formato de fecha
chicagoCrime2020$day <- as.Date(chicagoCrime2020$day, format = "%Y-%m-%d")

#Separamos "Block" para tener numero y bloque en diferentes columnas
chicagoCrime2020 <- chicagoCrime2020 %>% separate(block, into =c("block_num", "block"), sep = 6)
sum(is.na(chicagoCrime2020))
## [1] 0

Análisis

¿En que mes se cometen más delitos?

# Calcula el número de casos por mes
casos_mes <- chicagoCrime2020 %>%
  mutate(month = format(day, format = "%Y-%m")) %>%
  group_by(month) %>%
  summarise(total_cases = n())

#Gráfico de barras
ggplot(casos_mes, aes(x = month, y = total_cases, fill = total_cases)) +
  geom_bar(stat = "identity") +
  geom_text(aes(label = total_cases), vjust = -0.5, color = "black", size = 3.0) +
  scale_fill_gradient(low = "grey", high = "seagreen") +
  theme_minimal() +
  labs(
    title = "Número de Casos por Mes",
    x = "Mes",
    y = "Total de Casos"
  )

¿Qué día de la semana presenta mayor ocurrencia de delitos?

# Columna con el día de la semana
chicagoCrime2020 <- chicagoCrime2020 %>%
  mutate(dia_semana = format(day, "%A", locale = "es"))

# Conteo de casos por día de la semana
casos_dia <- chicagoCrime2020 %>%
  group_by(dia_semana) %>%
  summarise(total_casos = n()) %>%
  arrange(match(dia_semana, c("domingo", "lunes", "martes", "miércoles", "jueves", "viernes", "sábado")))

# Orden 'dia_semana'
casos_dia$dia_semana <- factor(casos_dia$dia_semana, levels = c("domingo", "lunes", "martes", "miércoles", "jueves", "viernes", "sábado"), ordered = TRUE)

data <- as.data.frame(t(casos_dia$total_casos))
colnames(data) <- t(casos_dia$dia_semana)

data <- rbind(rep(14000,7) , rep(11000,7) , data)

radarchart(data, axistype=1 ,
           pcol= "blue" , pfcol=rgb(0.2,0.5,0.5,0.5) , plwd=2 , 
           cglcol="grey", cglty=1, axislabcol="black", caxislabels=seq(11000,14000,650), cglwd=0.8,)

¿Qué hora del día presenta mayor ocurrencia de delitos?

str(chicagoCrime2020$Time)
##  chr [1:90149] "04:00:00" "01:33:00" "14:00:00" "23:00:00" "03:55:00" ...
chicagoCrime2020$Time <- as.POSIXct(chicagoCrime2020$Time, format = "%H:%M:%S")

# Crea una columna con los rangos de 1 hora
chicagoCrime2020 <- chicagoCrime2020 %>%
  mutate(hour_range = cut(as.POSIXlt(Time), breaks = "1 hour"))

# Resumen de las ocurrencias por rango de 1 hora
resumen_horas <- chicagoCrime2020 %>%
  group_by(hour_range) %>%
  summarise(total_ocurrencias = n())

# Crea el gráfico de barras
ggplot(resumen_horas, aes(x = hour_range, y = total_ocurrencias, fill = total_ocurrencias)) +
  geom_bar(stat = "identity") +
  geom_text(aes(label = total_ocurrencias), vjust = -0.5, color = "black", size = 3.0) +
  labs(
    title = "Ocurrencias de delitos por hora",
    x = "Horas del día",
    y = "Número de Ocurrencias"
  ) +
  theme_minimal() +
  theme(axis.text.x = element_text(angle = 45, hjust = 1)) +
  scale_x_discrete(labels = function(x) format(as.POSIXlt(x), "%H:%M")) +  
  scale_fill_gradient(low = "grey", high = "seagreen") + 
  theme(legend.position = "right")

¿Cuál es el delito más cometido en la ciudad?

# Calcula el número de casos por categoría
casos_tipo <- chicagoCrime2020 %>% group_by(primary_type) %>% summarise(total_cases = n())

# Gráfico de barras
ggplot(casos_tipo, aes(x = total_cases, y = reorder(primary_type, total_cases), fill = total_cases)) +
  geom_bar(stat = "identity") +
  geom_text(aes(label = total_cases), vjust = 0.5, color = "black", size = 3.0) +
  scale_fill_gradient(low = "grey", high = "seagreen") +
  theme_minimal() +
  labs(
    title = "Número de casos por tipo de crimen",
    x = "Total de Casos",
    y = "Tipo"
  ) +
  theme(axis.text.x = element_text(angle = 90, hjust = 1))

# Tendencia de delitos por mes "BATTERY"
datos_linea <- chicagoCrime2020[, c("day", "primary_type")]
datos_battery <- datos_linea[datos_linea$primary_type == "BATTERY", ]

datos_battery <- datos_battery %>% mutate(day = as.Date(day), month = month(day))
resumen_mes2 <- datos_battery %>% group_by(month) %>% summarise(total_battery = n())

ggplot(resumen_mes2, aes(x = month, y = total_battery)) +
  geom_line(arrow = arrow(),color = "seagreen", lwd = 1, linetype = 1) +
  geom_point(size=2, shape=21, fill="white", colour="darkolivegreen") +
  geom_text(aes(label = total_battery), vjust = -0.5, hjust = 0.5, size = 3) +
  labs(
    title = "Tendencia de BATTERY por mes",
    x = "Mes",
    y = "Número de incedentes"
  ) +
  theme_minimal() +
  scale_y_continuous(limits = c(0, max(resumen_mes2$total_battery) + 10))

# Tendencia de robos por mes "THEFT"
datos_thefts <- datos_linea[datos_linea$primary_type == "THEFT", ]

datos_thefts <- datos_thefts %>% mutate(day = as.Date(day), month = month(day))
resumen_mes <- datos_thefts %>% group_by(month) %>% summarise(total_thefts = n())

ggplot(resumen_mes, aes(x = month, y = total_thefts)) +
  geom_line(arrow = arrow(),color = "seagreen", lwd = 1, linetype = 1) +
  geom_point(size=2, shape=21, fill="white", colour="darkolivegreen") +
  geom_text(aes(label = total_thefts), vjust = -0.5, hjust = 0.5, size = 3) +
  labs(
    title = "Tendencia de Robo por mes",
    x = "Mes",
    y = "Número de Robos"
  ) +
  theme_minimal() +
  scale_y_continuous(limits = c(0, max(resumen_mes$total_thefts) + 10))

# Tendencia de delitos por mes "CRIMINAL DAMAGE"
datos_damage <- datos_linea[datos_linea$primary_type == "CRIMINAL DAMAGE", ]

datos_damage <- datos_damage %>% mutate(day = as.Date(day), month = month(day))
resumen_mes3 <- datos_damage %>% group_by(month) %>% summarise(total_damage = n())

ggplot(resumen_mes3, aes(x = month, y = total_damage)) +
  geom_line(arrow = arrow(),color = "seagreen", lwd = 1, linetype = 1) +
  geom_point(size=2, shape=21, fill="white", colour="darkolivegreen") +
  geom_text(aes(label = total_damage), vjust = -0.5, hjust = 0.5, size = 3) +
  labs(
    title = "Tendencia de CRIMINAL DAMAGE por mes",
    x = "Mes",
    y = "Número de incidentes"
  ) +
  theme_minimal() +
  scale_y_continuous(limits = c(0, max(resumen_mes3$total_damage) + 10))

¿Arrestos por delitos cometidos en la ciudad?

# Calcula el número de casos por categoría
arrestos <- chicagoCrime2020 %>% group_by(arrest) %>% summarise(total_cases = n())

# Ordena el dataset por el número de casos en orden descendente
arrestos <- arrestos[order(-arrestos$total_cases), ]

# Gráfico de barras
ggplot(arrestos, aes(x = reorder(arrest, desc(total_cases)), y = total_cases, fill = total_cases)) +
  geom_bar(stat = "identity") +
  geom_text(aes(label = total_cases), vjust = -0.5, color = "black", size = 3.0) +
  scale_fill_gradient(low = "grey", high = "seagreen") +
  theme_minimal() +
  labs(
    title = "Número de casos con arresto",
    x = "Arresto efectivo",
    y = "Total de Casos"
  ) +
  theme(axis.text.x = element_text(angle = 45, hjust = 1))

¿En qué lugares de Chicago se se presentan los delitos?

# Calcula el número de casos por lugar del incidente
casos_lugar <- chicagoCrime2020 %>% group_by(location_description) %>% summarise(total_cases = n())

# Ordena el dataset por el número de casos en orden descendente
casos_lugar <- casos_lugar[order(-casos_lugar$total_cases), ]

# Filtra los 15 lugares con más casos
lugar_top15 <- casos_lugar %>% slice_head(n = 15)

# Gráfico de barras
ggplot(lugar_top15, aes(x = total_cases, y = reorder(location_description, total_cases), fill = total_cases)) +
  geom_bar(stat = "identity") +
  geom_text(aes(label = total_cases), vjust = 0.5, color = "black", size = 2.5) +
  scale_fill_gradient(low = "grey", high = "seagreen") +
  theme_minimal() +
  labs(
    title = "Número de casos por lugar de incidencia",
    x = "Total de Casos",
    y = "Lugar"
  ) +
  theme(axis.text.x = element_text(angle = 90, hjust = 1))

¿En qué áreas de Chicago se necesita más la presencia policial?

# Calcula el número de casos por bloque
casos_bloque <- chicagoCrime2020 %>% group_by(block) %>% summarise(total_cases = n())

# Ordena el dataset por el número de casos en orden descendente
casos_bloque <- casos_bloque[order(-casos_bloque$total_cases), ]

# Filtra los 15 bloques con más casos
bloque_top15 <- casos_bloque %>% slice_head(n = 15)

# Gráfico de barras
ggplot(bloque_top15, aes(x = total_cases, y = reorder(block, total_cases), fill = total_cases)) +
  geom_bar(stat = "identity") +
  geom_text(aes(label = total_cases), vjust = 0.5, color = "black", size = 3.0) +
  scale_fill_gradient(low = "grey", high = "seagreen") +
  theme_minimal() +
  labs(
    title = "Número de casos por bloque",
    x = "Total de Casos",
    y = "Bloque"
  ) +
  theme(axis.text.x = element_text(angle = 0, hjust = 1))

¿En qué distritos de Chicago se necesita más la presencia policial?

datos_heatmap <- chicagoCrime2020[, c("district", "primary_type")]
frecuencia_combinaciones <- table(datos_heatmap)
df_heatmap <- as.data.frame(frecuencia_combinaciones)

ggplot(df_heatmap, aes(x = district, y = primary_type, fill = Freq)) +
  geom_tile() +
  scale_fill_gradient(low = "azure2", high = "blue") +
  labs(
    title = "Heatmap de Frecuencia de Combinaciones",
    x = "Distrito",
    y = "Tipo de delito",
    fill = "Cantidad de casos"
  ) +
  theme_minimal()

Distribución de arrestos por tipo de delito

# Treemap
chicagoCrime2020 <- chicagoCrime2020 %>%
  group_by(location_description) %>%
  mutate(total_cases = n()) %>%
  ungroup()

treemap(chicagoCrime2020,
        index = c("primary_type", "arrest"),
        vSize = "total_cases",
        title = "Distribucion de arrestos por delito",
        border.col = "black",
        palette = "PRGn",
        type = "index")

Wordcloud de la descripción del delito

# Calcula el número de casos por descripción
casos_descrip <- chicagoCrime2020 %>% group_by(description) %>% summarise(total_cases = n())

# Basic plot
wordcloud2(data = casos_descrip)

Conclusiones

1. Focalización en Áreas de Alta Incidencia de Crimen: El dataset incluye información detallada sobre la ubicación de los crímenes. Esta información permite identificar áreas con altas tasas de delitos específicos. La policía puede utilizar este análisis para concentrar recursos en estas ‘zonas peligrosas’, aumentando la vigilancia y la presencia policial donde más se necesita, y posiblemente adoptando estrategias de intervención comunitaria en áreas particularmente afectadas.

2. Análisis de Tipos de Delitos y Tendencias Temporales: El análisis proporciona información sobre el tipo de delito y la hora y fecha en que ocurrieron. Analizar estas variables puede revelar tendencias significativas, como incrementos en ciertos tipos de delitos en momentos específicos. Este conocimiento puede guiar a la policía en la planificación de sus operaciones y estrategias preventivas, además de ayudar en la asignación de recursos de acuerdo con las tendencias temporales de los crímenes.

3. Evaluación de la Efectividad Policial y Estrategias de Mejora: La información sobre arrestos y la naturaleza de los crímenes puede ser usada para evaluar la efectividad de las estrategias policiales actuales. Por ejemplo, comparar las tasas de arrestos entre diferentes tipos de delitos y zonas puede indicar áreas de mejora en la investigación y respuesta policial. Estos datos también pueden ser fundamentales para el desarrollo de programas de capacitación y mejoras en la colaboración interdepartamental y con la comunidad.