Muestra de femicidios en Argentina
Entre el 1 de enero y el 31 de diciembre de 2017, y según el Observatorio de Violencia contra la Mujer “Ni una menos”" perteneciente a MuMaLá, se registraron un total de 298 femicidios en Argentina. Ante la ausencia de estadísticas oficiales sobre femicidios en Argentina, la Asociación Civil La Casa del Encuentro produce en 2008 el primer informe de feminicidios en Argentina.
Lavaca, una cooperativa de medios alternativos, toma los datos generados por La Casa del Encuentro para comenzar una base de datos de femicidios, con sus primeros registros fechados en 1974. Su objetivo es ser transparente y enfocado en la víctima.
También hay una base de datos oficial de la Corte Suprema de Justicia de la Nación con registros de femicidios desde 2012. Esta base de datos incluye transvesticidas y dice si la persona asesinada es la víctima final del femicidio o un pariente / amigo.
Vamos a analizar esta base de datos, primero procesando dicho archivo con todos los femicidios y luego observando algunos analisis cuantitativos.
Previamente a comenzar con la variable, descargamos el archivo csv y lo procesamos en R utilizando el paquete “readR” y llamando al link con la funcion “femicicidios <- read_csv(”https://notebooks.azure.com/berit0/libraries/Femicides/html/registro-de-femicidios-2018-04-13.csv)
Para conocer como esta compuesto nuestro dataframe y comenzar a conocer los datos en profundidad, utilizamos la libreria DPLYR
library(readr)
femicidios <- read_csv("/Users/rodolfopardo28/Desktop/femi.csv")## Parsed with column specification:
## cols(
## número = col_integer(),
## edad = col_character(),
## identidad_genero = col_character(),
## tipo_victima = col_character(),
## lugar_hecho = col_character(),
## modalidad_comisiva = col_character(),
## fecha_hecho = col_character()
## )library(dplyr)##
## Attaching package: 'dplyr'## The following objects are masked from 'package:stats':
##
## filter, lag## The following objects are masked from 'package:base':
##
## intersect, setdiff, setequal, unionglimpse(femicidios)## Observations: 1,076
## Variables: 7
## $ número <int> 1108, 1108, 1108, 1107, 1107, 1106, 1105, 1...
## $ edad <chr> "8", "11", "31", "22", "18", "21", "30", "4...
## $ identidad_genero <chr> "MUJER", "MUJER", "MUJER", "MUJER", "MUJER"...
## $ tipo_victima <chr> "VINCULADO", "VINCULADO", "PRINCIPAL", "PRI...
## $ lugar_hecho <chr> "Buenos Aires", "Buenos Aires", "Buenos Air...
## $ modalidad_comisiva <chr> "QUEMADURAS -", "QUEMADURAS -", "QUEMADURAS...
## $ fecha_hecho <chr> "2018-04-06", "2018-04-06", "2018-04-06", "...Podemos observar que tenemos las siguientes columnas con todos los datos de los femicidios en Argentina.
names(femicidios)## [1] "número" "edad" "identidad_genero"
## [4] "tipo_victima" "lugar_hecho" "modalidad_comisiva"
## [7] "fecha_hecho"Conocemos los 15 primeros de la tabla:
head(femicidios, n= 15)## # A tibble: 15 x 7
## número edad identidad_genero tipo_victima lugar_hecho modalidad_comis…
## <int> <chr> <chr> <chr> <chr> <chr>
## 1 1108 8 MUJER VINCULADO Buenos Air… QUEMADURAS -
## 2 1108 11 MUJER VINCULADO Buenos Air… QUEMADURAS -
## 3 1108 31 MUJER PRINCIPAL Buenos Air… QUEMADURAS -
## 4 1107 22 MUJER PRINCIPAL Chaco ASFIXIA - DEGOL…
## 5 1107 18 MUJER PRINCIPAL Chaco ASFIXIA - DEGOL…
## 6 1106 21 MUJER PRINCIPAL Buenos Air… ASFIXIA -
## 7 1105 30 MUJER PRINCIPAL Buenos Air… DISPARO DE BALA…
## 8 1104 47 MUJER PRINCIPAL Buenos Air… ACUCHILLAMIENTO…
## 9 1103 23 MUJER PRINCIPAL Buenos Air… ACUCHILLAMIENTO…
## 10 1102 26 MUJER PRINCIPAL Tucuman GOLPES - OTROS -
## 11 1101 47 MUJER PRINCIPAL Neuquen ACUCHILLAMIENTO…
## 12 1100 69 MUJER PRINCIPAL Neuquen GOLPES -
## 13 1098 44 MUJER PRINCIPAL Salta ACUCHILLAMIENTO…
## 14 1097 30 MUJER PRINCIPAL Buenos Air… DISPARO DE BALA…
## 15 1096 20 MUJER PRINCIPAL Buenos Air… GOLPES - OTROS -
## # ... with 1 more variable: fecha_hecho <chr>Conocemos los ultimos 15 de la tabla:
tail(femicidios, n=15)## # A tibble: 15 x 7
## número edad identidad_genero tipo_victima lugar_hecho modalidad_comis…
## <int> <chr> <chr> <chr> <chr> <chr>
## 1 17 19 MUJER VINCULADO Ciudad de … Sin datos
## 2 15 21 MUJER PRINCIPAL Buenos Air… Sin datos
## 3 14 Sin … MUJER PRINCIPAL Buenos Air… Sin datos
## 4 13 18 MUJER PRINCIPAL Buenos Air… GOLPES -
## 5 12 19 MUJER PRINCIPAL Buenos Air… ACUCHILLAMIENTO…
## 6 11 38 MUJER PRINCIPAL Buenos Air… ESTRANGULAMIENT…
## 7 10 26 MUJER PRINCIPAL Buenos Air… Sin datos
## 8 9 7 MUJER VINCULADO Buenos Air… ACUCHILLAMIENTO…
## 9 8 45 MUJER PRINCIPAL Mendoza DISPARO DE BALA…
## 10 7 16 MUJER PRINCIPAL Buenos Air… ASFIXIA -
## 11 6 39 MUJER PRINCIPAL Buenos Air… Sin datos
## 12 5 49 MUJER PRINCIPAL Buenos Air… DISPARO DE BALA…
## 13 4 26 MUJER PRINCIPAL Santiago d… DISPARO DE BALA…
## 14 3 23 MUJER PRINCIPAL Catamarca APUÑALAMIENTO -…
## 15 2 32 MUJER PRINCIPAL Buenos Air… ACUCHILLAMIENTO…
## # ... with 1 more variable: fecha_hecho <chr>Ahora, para ver el total de femicidios en Argentina presentes en la tabla:
dim(femicidios)## [1] 1076 7Un total de 1076 femicidios categorizados por numero, edad, identidad de genero, tipo de victima, lugar del hecho, modalidad, fecha del hecho.
MENDOZA
Ahora queremos saber cuales fueron los femicidios perpetuados en Mendoza y cuantos fueron
subset(femicidios, lugar_hecho == "Mendoza")## # A tibble: 48 x 7
## número edad identidad_genero tipo_victima lugar_hecho modalidad_comis…
## <int> <chr> <chr> <chr> <chr> <chr>
## 1 1094 59 MUJER PRINCIPAL Mendoza DISPARO DE BALA…
## 2 1092 43 MUJER PRINCIPAL Mendoza DISPARO DE BALA…
## 3 1089 32 MUJER PRINCIPAL Mendoza GOLPES -
## 4 1087 7 HOMBRE VINCULADO Mendoza GOLPES - ESTRAN…
## 5 1087 51 MUJER VINCULADO Mendoza GOLPES -
## 6 1087 25 MUJER PRINCIPAL Mendoza GOLPES -
## 7 903 34 MUJER PRINCIPAL Mendoza ESTRANGULAMIENT…
## 8 898 1 MUJER PRINCIPAL Mendoza ATROPELLAMIENTO…
## 9 890 40 MUJER PRINCIPAL Mendoza DESCUARTIZAMIEN…
## 10 889 52 MUJER PRINCIPAL Mendoza AHORCAMIENTO -
## # ... with 38 more rows, and 1 more variable: fecha_hecho <chr>dim(subset(femicidios, lugar_hecho == "Mendoza"))## [1] 48 7Mendoza, tiene 48 femicidios cargados en la base con 7 datos cada uno. Luego, podemos ir comparando con valores booleanos si tiene mas o menos beneficios que otras provincias de Argentina.
Mendoza, ¿tiene mas femicidios que Buenos Aires?
dim(subset(femicidios, lugar_hecho == "Mendoza")) > dim(subset(femicidios, lugar_hecho == "Buenos Aires"))## [1] FALSE FALSEEs falso.
Para terminar el estudio, vemos en un histograma que edades tenian las mujeres que fueron asesinadas para intentar entender si a una edad determinada, se producen mas femicidios. Para poder graficar, primero tenemos que pasar el dato de edad que esta en formato character a integer.
femicidios$edad <- as.integer(as.character(femicidios$edad))## Warning: NAs introduced by coercion
Entre los 20 y 40 anos de edad se producen la gran mayoria de los femicidios en Argentina.