USArrests

Contexto

La base de datos USArrests contiene estadísticas en arrestos por cada 100,000 residentes por agresión, asesinato y violación en cada uno de los 50 estados de E.E.U.U. en 1973.

Instalar paquetes y llamar paqueterias

#install.packages("cluster") #Para agrupar
library(cluster)
#install.packages("ggplot2") #Para graficar
library(ggplot2)
#install.packages("factoextra") #Visualizar clusters
library(factoextra)
#install.packages("data.table") #Conjunto de datos grandes
library(data.table)
#install.packages("tidyverse")
library(tidyverse)

Importar base de datos

df <- USArrests

Escalar la base

df <- df[, c("Murder", "Assault", "Rape")]
df <- na.omit(df)
datos_escalados <- scale(df)

grupos <- 3 
segmentos <- kmeans(datos_escalados, grupos)

Asignar grupos a datos

asignacion <- cbind(df,  cluster = segmentos$cluster)

Graficar cluster

fviz_cluster(segmentos, data=df)

Optimizar la cantidad de grupos

# La cantidad optima de grupos corresponde al primer punto mas alto de la grafica
set.seed(123)
optimizacion <- clusGap(datos_escalados, FUN=kmeans, nstart=1, K.max=7)
plot(optimizacion, xlab="Numero de clusters", main= "Metodo de la silueta")

#El K optimo es el coeficiente de silueta maximo
fviz_nbclust(df, kmeans, method = "wss") +
  ggtitle("Metodo del Codo")

#El K optimo es el coeficiente de silueta del punto de inflexion

Asignar cluster

promedio <- aggregate(asignacion, by=list(asignacion$cluster),FUN=mean)
promedio

##   Group.1    Murder   Assault     Rape cluster
## 1       1  3.078571  80.92857 11.80000       1
## 2       2 12.331579 259.31579 29.21579       2
## 3       3  6.588235 145.76471 20.07647       3

table(asignacion$cluster)

## 
##  1  2  3 
## 14 19 17

Nuevas librerias

#install.packages("sf") #Analisis de datos espaciales
library(sf)
#install.packages("rnaturalearth") #Proporcioa limites geograficos
library(rnaturalearth)
#install.packages("rnaturalearthdata") #Datos de geografia
library(rnaturalearthdata)
#install.packages("devtools")
library(devtools) #Instalar paquetes de fuentes externas
devtools::install_github("ropensci/rnaturalearthhires") #Mapa de Mexico particular

Obtener mapa de Estados unidos

usa <- ne_states(country = "United States of America", returnclass = "sf")

Fijar semilla para reproducibilidad

set.seed(123)  # Fijar semilla para reproducibilidad
kmeans_result <- kmeans(datos_escalados, centers = 3, nstart = 25)

df$Cluster <- as.factor(kmeans_result$cluster)  # Agregar la asignación de cluster al dataframe

aggregate(df[, 1:4], by = list(df$Cluster), mean)

## Warning in mean.default(X[[i]], ...): argument is not numeric or logical:
## returning NA
## Warning in mean.default(X[[i]], ...): argument is not numeric or logical:
## returning NA
## Warning in mean.default(X[[i]], ...): argument is not numeric or logical:
## returning NA

##   Group.1    Murder   Assault     Rape Cluster
## 1       1 12.331579 259.31579 29.21579      NA
## 2       2  6.588235 145.76471 20.07647      NA
## 3       3  3.078571  80.92857 11.80000      NA

Establecer numero y nombre de Clusters

df$Seguridad <- factor(df$Cluster, 
                       levels = c(1, 2, 3), 
                       labels = c("Muy Seguro", "Seguro", "No Seguro"))

Generacion de mapa con Cluster

# Unir el dataset con el mapa
usa$state_name <- tolower(usa$name)  # Convertir nombres de estados a minúsculas
df$state_name <- tolower(rownames(df))  # Lo mismo para la base de datos

usa_map <- left_join(usa, df, by = "state_name")

# Graficar el mapa con los clusters
ggplot(data = usa_map) +
  geom_sf(aes(fill = Seguridad)) +
  scale_fill_manual(values = c("Muy Seguro" = "green", 
                               "Seguro" = "yellow",
                               "No Seguro" = "red")) +
  ggtitle("Clusters de seguridad en EE.UU. (USArrests)") +
  theme_minimal()