INDECOL (Indicadores Delictivos de Colombia) es un proyecto que analiza las cifras de criminalidad del país a partir de datos abiertos. Este informe documenta el proceso realizado en R: limpieza, análisis y hallazgos.
Objetivo: identificar qué delitos se presentan con mayor frecuencia en Colombia, dónde ocurren y cómo han cambiado en el tiempo, para ofrecer una visión clara de la criminalidad en el país.
Los datos provienen del SIEDCO (Sistema de Información Estadístico, Delincuencial, Contravencional y Operativo) de la Policía Nacional de Colombia, consultado en su portal público. Se descargaron 34 bases de datos de delitos, que fueron limpiadas y unificadas en una sola base para este análisis.
# Importar la base de datos hechos
hechos <- read_parquet('hechos.parquet')
Fuente: Policía Nacional de Colombia, SIEDCO.
Portal de descarga: Portal público SIEDCO
Fecha de descarga: 3/11/2026.
Periodo cubierto: ENERO 2020 - OCTUBRE 2026.
# readxl para la lectura de archivos
library(readxl)
# dplyr para la manipulacion de datos.
library(dplyr)
# tidyr para la transformacion de datos.
library(tidyr)
# knitr para crear informe dinamicos y mejorar la presentacion.
library(knitr)
# ggplot para la creacion de graficos.
library(ggplot2)
# scale para controlar y personalizar la forma en que se muestran valores en gráficos.
library(scales)
library(sf)
library(geodata)
library(stringi)
la base de datos contiene 4.429.202 registros de delitos y 21 variables.
campos <- data.frame(
CAMPOS = names(hechos),
TIPO_DATO = vapply(hechos, function(x) class(x)[1], character(1)))
kable(campos, col.names = c('VARIABLE','TIPO DE DATO'), row.names = F)
| VARIABLE | TIPO DE DATO |
|---|---|
| tematica | character |
| delito | character |
| año | integer |
| mes | character |
| departamento | character |
| codigo_dane | character |
| municipio | character |
| edad | character |
| genero | character |
| zona | character |
| dia | character |
| descripcion_conducta | character |
| cantidad | numeric |
| region | character |
| clase_sitio | character |
| clase_bien | character |
| unidad | character |
| armas_medios | character |
| tipo_bien | character |
| vehiculo | character |
| es_duplicado | integer |
delitos_row_can <- hechos %>%
group_by(delito, unidad) %>%
summarise(CANTIDAD_ROW = n(),
CANTIDAD = sum(cantidad, na.rm = TRUE),
.groups = "drop") %>%
arrange(desc(CANTIDAD_ROW)) %>%
mutate(
CANTIDAD_ROW = format(CANTIDAD_ROW, big.mark = ".", decimal.mark = ","),
CANTIDAD = ifelse(
unidad == "GRAMOS",
format(round(CANTIDAD, 2), big.mark = ".", decimal.mark = ",", nsmall = 2, trim = TRUE),
format(round(CANTIDAD), big.mark = ".", decimal.mark = ",", trim = TRUE))) %>%
select(delito, CANTIDAD_ROW, CANTIDAD, unidad)
DT::datatable(
delitos_row_can,
colnames = c("DELITOS", "CANTIDAD DE REGISTROS", "CANTIDAD", "UNIDAD"),
rownames = FALSE,
options = list(
pageLength = 10,
lengthMenu = c(5, 10, 15, 20, 25, 30, 34),
scrollX = TRUE,
columnDefs = list(
list(className = "dt-right", targets = c(1, 2)),
list(className = "dt-center", targets = 3)),
language = list(
search = "Buscar:",
lengthMenu = "Mostrar _MENU_ registros",
info = "Mostrando _START_ a _END_ de _TOTAL_ delitos",
paginate = list(
previous = "Anterior",
`next` = "Siguiente"),
zeroRecords = "No se encontraron resultados")))
categoria_row <- hechos %>%
group_by(tematica) %>%
summarise(CANTIDAD_ROW = n(), .groups = 'drop') %>%
arrange(desc(CANTIDAD_ROW)) %>%
mutate(CANTIDAD_ROW = format(CANTIDAD_ROW, big.mark = ".", decimal.mark = ','))
kable(categoria_row, col.names = c('CATEGORIA', 'CANTIDAD DE REGISTROS'), row.names = F)
| CATEGORIA | CANTIDAD DE REGISTROS |
|---|---|
| MODALIDADES DE HURTOS | 1.465.650 |
| DELITOS CONTRA LA VIDA E INTEGRIDAD | 1.306.860 |
| CONTROL DE ARMAS, SUSTANCIAS Y CAPTURAS | 644.036 |
| DELITOS CONTRA BIENES Y RECURSOS | 332.367 |
| VEHICULOS Y TRANSITO | 280.756 |
| DELITOS INFORMATICOS Y PROPIEDAD INTELECTUAL | 268.183 |
| GESTION Y FUNCION PUBLICA | 102.656 |
| PROTECCION AMBIENTAL Y ANIMAL | 25.687 |
| LIBERTAD, MOVILIDAD HUMANA Y SECUESTROS | 3.007 |
library(dplyr)
library(sf)
# 1. Límites departamentales de Colombia (GADM)
colombia <- geodata::gadm(
country = "COL",
level = 1,
path = tempdir()) %>%
sf::st_as_sf() %>%
mutate(
DEP = stringi::stri_trans_general(NAME_1, "Latin-ASCII") %>%
toupper() %>%
trimws(),
DEP = ifelse(grepl("BOGOT", DEP), "BOGOTA D.C.", DEP))
# 2. Total de delitos por departamento
delitos_departamento <- hechos %>%
group_by(departamento) %>%
summarise(TOTAL = n(), .groups = "drop") %>%
mutate(
DEP = stringi::stri_trans_general(departamento, "Latin-ASCII") %>%
toupper() %>%
trimws(),
DEP = case_when(
DEP == "GUAJIRA" ~ "LA GUAJIRA",
grepl("BOGOT", DEP) ~ "BOGOTA D.C.",
TRUE ~ DEP))
# 3. Unir mapa con datos
mapa_delitos <- colombia %>%
left_join(delitos_departamento, by = "DEP")
# 4. Pasar a WGS84 y simplificar polígonos (evita el error de memoria de Pandoc)
mapa_delitos <- mapa_delitos %>%
sf::st_transform(4326) %>%
sf::st_simplify(dTolerance = 0.01, preserveTopology = TRUE)
library(leaflet)
# Paleta cálida que resalta sobre el satélite
pal <- colorBin(
palette = c("#fff5d6", "#f2c46d", "#e08a3c", "#b8432f", "#6e1a1a"),
domain = mapa_delitos$TOTAL,
bins = 5,
na.color = "transparent")
leaflet(mapa_delitos, height = 650, width = "100%") %>%
addProviderTiles(providers$Esri.WorldImagery) %>%
fitBounds(-79, -4.5, -66.8, 12.6) %>%
addPolygons(
fillColor = ~pal(TOTAL),
fillOpacity = 0.55,
color = "white",
weight = 1.2,
highlightOptions = highlightOptions(
weight = 3, color = "yellow", fillOpacity = 0.75, bringToFront = TRUE),
label = ~paste0(
NAME_1, ": ",
ifelse(is.na(TOTAL), "sin datos",
format(TOTAL, big.mark = ".", decimal.mark = ",")))) %>%
addLegend(
pal = pal,
values = ~TOTAL,
title = "TOTAL DE REGISTROS",
position = "bottomright",
na.label = "Sin datos",
labFormat = labelFormat(big.mark = ".", digits = 0))