INTRODUCCION

library(readxl)
BD_Comparendos_OK_1_ <- read_excel("C:\\Users\\jalwy\\Documents\\TAD_6\\R\\BD_Comparendos_SENA.xlsx")
View(BD_Comparendos_OK_1_)

EJERCICIOS

  • Se cuenta por genero cuantos comparendos se han realizado.
conteo_genero <- table(BD_Comparendos_OK_1_$SEXO) 
print(conteo_genero)
## 
##   Empresa  Femenino Masculino 
##       467       972       681
  • Contar por tipo de vehiculo cuantos comparendos se han realizado.
tabla_comparendos <- table(BD_Comparendos_OK_1_$SEXO, BD_Comparendos_OK_1_$`VEHICULOS`)
print(tabla_comparendos)
##            
##             Coche Moto
##   Empresa     448   19
##   Femenino    902   70
##   Masculino   586   95
  • Contar por nombre de mes cuantos comparendos se han realizado.
conteo_nombres_mes <- table(BD_Comparendos_OK_1_$'MES')
print(conteo_nombres_mes)
## 
## ABRIL  MAYO 
##   712  1408
  • Se suma el total valor a pagar de los dos meses.
total_valor_a_pagar <- sum(BD_Comparendos_OK_1_$VALORAPAGAR)
cat("Total de VALOR_A_PAGAR:", total_valor_a_pagar)
## Total de VALOR_A_PAGAR: 739614300
  • Se suma el total valor a pagar por meses, usamos la función “aggregate”. 2.1 Nota:(“función aggregate”)

La función aggregate en R se utiliza para aplicar una función de agregación a los datos de un dataframe, generalmente agrupando por una o más variables.

2.1) Nota:(“función aggregate”)

La función aggregate en R se utiliza para aplicar una función de agregación a los datos de un dataframe, generalmente agrupando por una o más variables.

suma_por_mes <- aggregate(VALORAPAGAR ~ `MES`, BD_Comparendos_OK_1_, sum)
print(suma_por_mes)
##     MES VALORAPAGAR
## 1 ABRIL   250566200
## 2  MAYO   489048100

2.2) Nota:(“función which.max”)

La función which.max(conteo_codigos) encontrará del recuento el número máximo y la función names(conteo_codigos) traerá el nombre de la infracción.

conteo_codigos <- table(BD_Comparendos_OK_1_$`COD. INFRACCION`)
codigo_mas_comun <- names(conteo_codigos)[which.max(conteo_codigos)]
print(conteo_codigos)
## 
##   64   67   76   77 
## 1626  105    4  385
cat("El código de infracción más común es:", codigo_mas_comun)
## El código de infracción más común es: 64

3 Gráficos:

  • Se crea una grafica de pastel con ‘conteo_sexo’ y visualizamos la respectiva distribución.
colores <- c("yellow", "lightgreen","blue", "pink")
porcentajes <- round(100 * conteo_genero / sum(conteo_genero), 1)
etiquetas <- paste(names(porcentajes), "\n", porcentajes, "%")
pie(conteo_genero, main = "Distribución de Comparendos por Género",
col = colores, labels = etiquetas)

  • Se crea un grafico de barras, que muestra con qué frecuencia se cometió cada código de infracción y personalizamos con colores el grafico.
colores <- c("red", "lightblue","black", "purple")
barplot(conteo_codigos, main = "Frecuencia de Códigos de Infracción",
xlab = "Código de Infracción", ylab = "Frecuencia", col = colores)

  • Se visualiza la distribución de comparendos en un gráfico de barras personalizado por género y tipo de vehículos.
barplot(as.matrix(tabla_comparendos), beside = TRUE,
legend.text = rownames(tabla_comparendos),
col = c("brown","gray","green", "red"),
main = "Comparendos por Género y Tipo de Vehículo",
xlab = "Tipo de Vehículo", ylab = "Cantidad",
ylim = c(0, max(tabla_comparendos) + 10))