Crimes violentos em Juiz de Fora: uma abordagem computacional
Guilherme Ferreira
13 de março de 2019
Introdução
Este tutorial visa demonstrar como extrair tabelas de arquivos pdf e realizar as transformações necessárias para análise dos dados sobre crimes violentos em Juiz de Fora.
Objetivos
- Aprendizagem das ferramentas para manipulação de dados no R.
- Representação gráfica dos crimes violentos em Juiz de Fora.
Recursos
- Dados do CINDS - Centro Integrado de Informações de Defesa Social, publicados em Mascarenhas(2014).
Aplicativos
Embora de padrão aberto, o formato pdf não permite o processamento automatizado, sem que haja tratamento adequado através da ferramenta denominada “pdftools”, que é um conjunto de utilitários disponível para R, linguagem de programação flexível, utilizada para análise e visualização de dados, cuja interação pode feita por meio da linha de comando ou com o uso do RStudio, considerado o melhor ambiente de desenvolvimento de código em R.
Bibliotecas
Carregamos os pacotes adicionais a serem utilizados.
library(tidyverse)
library(pdftools)
library(reshape2)
library(RColorBrewer)
library(ggthemes)Download do arquivo
Definimos as variáveis de trabalho:
url <- "http://www.geo.ufv.br/wp-content/uploads/2015/03/Marcelo-Aleixo-Mascarenhas.pdf"
pdf_file <- "violenciajf"Baixamos o arquivo:
download.file(
url, pdf_file, mode = "wb")Tarefas de pré-processamento
Convertemos o arquivo pdf em arquivo texto e maiúsculas em minúsculas:
violencia <- pdf_text(pdf_file) %>%
tolower()
str(violencia)## chr [1:90] " universidade federal de viçosa\n centro de ciências humanas, letras e artes\n departamento d"| __truncated__ ...O resultado é uma lista com 90 elementos, de acordo com o número de páginas do arquivo. Então, configuramos a página desejada para importação, definimos a sequência ‘“\n”’ como separador de linhas, convertemos o tipo de dados de lista para vetor, removemos os espaços no início e final da linha e definimos o ponto e vírgula como separador de campo.
tab5 <- violencia[[49]] %>%
str_split(pattern = "\n") %>%
unlist() %>%
str_trim() %>%
str_replace_all("\\s{2,}", ";")
tab5[1:20]## [1] "46"
## [2] "inicia-se com um panorama geral de vítimas, subdivididas por crimes a que"
## [3] "foram sujeitas por semestre e ano em que tal delito ocorreu. em seguida, avaliam-se"
## [4] "as características pessoais de cada grupo de vítimas, devidamente subdivididas por"
## [5] "tipo de crime, visando identificar padrões entre estes."
## [6] "tabela 5. quantitativo de envolvidos como vítimas de crimes violentos nos eventos de"
## [7] "defesa social (reds) registrados no município de juiz de fora de junho de 2009 à junho"
## [8] "de 2014, crime, por semestre e ano do fato."
## [9] "crime;2º/09 1º/10 2º/10 1º/11 2º/11 1º/12 2º/12 1º/13 2º/13 1º/14 total"
## [10] "roubo consumado;571;501;554;509;456;420;566;811;670;793;5851"
## [11] "homicidio tentado;64;60;63;69;91;73;111;162;116;116;925"
## [12] "homicidio consumado;22;25;29;27;20;24;47;61;59;76;390"
## [13] "estupro consumado;34;39;50;12;18;22;23;17;27;23;265"
## [14] "estupro tentado;14;19;17;1;4;5;5;5;3;6;79"
## [15] "sequestro car. priv. consumado;4;7;7;3;5;4;8;3;5;11;57"
## [16] "extorsao med. seq. consumado;11;1;0;0;0;5;1;1;19"
## [17] "sequestro e car. priv. tentado;0;0;1;0;0;0;0;0;0;0;1"
## [18] "total;720;652;721;621;594;548;765 1060 880 1026 7587"
## [19] "fonte: centro integrado de informações de defesa social (cinds)"
## [20] "tal como a relação de registro de eventos descrita no capítulo 4.2, a"Extraímos a tabela 5, situada entre as strings “^crime” e “^total”; o metacaracter “^” indica que os padrões de busca devem ser localizados no início da linha.
tab_start <- stringr::str_which(tab5, "^crime")
tab_end <- stringr::str_which(tab5, "^total")
tbl5 <- tab5[(tab_start):(tab_end)]
tbl5## [1] "crime;2º/09 1º/10 2º/10 1º/11 2º/11 1º/12 2º/12 1º/13 2º/13 1º/14 total"
## [2] "roubo consumado;571;501;554;509;456;420;566;811;670;793;5851"
## [3] "homicidio tentado;64;60;63;69;91;73;111;162;116;116;925"
## [4] "homicidio consumado;22;25;29;27;20;24;47;61;59;76;390"
## [5] "estupro consumado;34;39;50;12;18;22;23;17;27;23;265"
## [6] "estupro tentado;14;19;17;1;4;5;5;5;3;6;79"
## [7] "sequestro car. priv. consumado;4;7;7;3;5;4;8;3;5;11;57"
## [8] "extorsao med. seq. consumado;11;1;0;0;0;5;1;1;19"
## [9] "sequestro e car. priv. tentado;0;0;1;0;0;0;0;0;0;0;1"
## [10] "total;720;652;721;621;594;548;765 1060 880 1026 7587"Removemos o cabeçalho, que não casa com o critério de substituição, e a última linha, que contém os totalizadores verticais.
tbl5 <- tab5[(tab_start +1):(tab_end -1)]
tbl5## [1] "roubo consumado;571;501;554;509;456;420;566;811;670;793;5851"
## [2] "homicidio tentado;64;60;63;69;91;73;111;162;116;116;925"
## [3] "homicidio consumado;22;25;29;27;20;24;47;61;59;76;390"
## [4] "estupro consumado;34;39;50;12;18;22;23;17;27;23;265"
## [5] "estupro tentado;14;19;17;1;4;5;5;5;3;6;79"
## [6] "sequestro car. priv. consumado;4;7;7;3;5;4;8;3;5;11;57"
## [7] "extorsao med. seq. consumado;11;1;0;0;0;5;1;1;19"
## [8] "sequestro e car. priv. tentado;0;0;1;0;0;0;0;0;0;0;1"Lemos o arquivo csv, excluímos a última coluna, que contém os totalizadores horizontais e adicionamos os cabeçalhos das colunas restantes.
text_con <- textConnection(tbl5)
tbl5 <- read.csv(text_con, sep = ";", header = FALSE)
tbl5 <- tbl5[-c(12)]
colnames(tbl5) <- c("Tipologia", "2º/09", "1º/10", "2º/10", "1º/11", "2º/11", "1º/12", "2º/12", "1º/13", "2º/13", "1º/14")
tbl5## Tipologia 2º/09 1º/10 2º/10 1º/11 2º/11 1º/12 2º/12
## 1 roubo consumado 571 501 554 509 456 420 566
## 2 homicidio tentado 64 60 63 69 91 73 111
## 3 homicidio consumado 22 25 29 27 20 24 47
## 4 estupro consumado 34 39 50 12 18 22 23
## 5 estupro tentado 14 19 17 1 4 5 5
## 6 sequestro car. priv. consumado 4 7 7 3 5 4 8
## 7 extorsao med. seq. consumado 11 1 0 0 0 5 1
## 8 sequestro e car. priv. tentado 0 0 1 0 0 0 0
## 1º/13 2º/13 1º/14
## 1 811 670 793
## 2 162 116 116
## 3 61 59 76
## 4 17 27 23
## 5 5 3 6
## 6 3 5 11
## 7 1 19 NA
## 8 0 0 0str(tbl5)## 'data.frame': 8 obs. of 11 variables:
## $ Tipologia: chr "roubo consumado" "homicidio tentado" "homicidio consumado" "estupro consumado" ...
## $ 2º/09 : int 571 64 22 34 14 4 11 0
## $ 1º/10 : int 501 60 25 39 19 7 1 0
## $ 2º/10 : int 554 63 29 50 17 7 0 1
## $ 1º/11 : int 509 69 27 12 1 3 0 0
## $ 2º/11 : int 456 91 20 18 4 5 0 0
## $ 1º/12 : int 420 73 24 22 5 4 5 0
## $ 2º/12 : int 566 111 47 23 5 8 1 0
## $ 1º/13 : int 811 162 61 17 5 3 1 0
## $ 2º/13 : int 670 116 59 27 3 5 19 0
## $ 1º/14 : int 793 116 76 23 6 11 NA 0Reestruturação dos dados
Temos então uma estrutura de dados do tipo data.frame, com onze variáveis, alinhadas segundo o eixo horizontal, de modo a facilitar a inserção da tabela no texto da monografia. Contudo, a nosso ver, esta moldura não representa adequadamente o conjunto das observações. Por isso, consideramos mais conveniente a seguinte esquematização:
a. Tipologia: variável categórica, em que os valores assumidos representam classes de incidentes violentos;
b. Intervalo: variável relacionada ao tempo, que indica o período de referência;
c. Vítimas: variável discreta que mede o número de incidentes violentos em determinado período.
Assim dispomos de uma nova configuração dos dados.
tbl5 <- melt(tbl5, id.vars = c("Tipologia"), variable.name = "Intervalo", value.name = "Vítimas")
str(tbl5)## 'data.frame': 80 obs. of 3 variables:
## $ Tipologia: chr "roubo consumado" "homicidio tentado" "homicidio consumado" "estupro consumado" ...
## $ Intervalo: Factor w/ 10 levels "2º/09","1º/10",..: 1 1 1 1 1 1 1 1 2 2 ...
## $ Vítimas : int 571 64 22 34 14 4 11 0 501 60 ...Modificamos os nomes utilizados para identificar as classes da variável categórica:
tbl5$Tipologia <- recode(tbl5$Tipologia,
'estupro consumado' = "estupro",
'estupro tentado' = "tentativa de estupro",
'extorsao med. seq. consumado' = "extorsão",
'homicidio consumado' = "homicídio",
'homicidio tentado' = "tentativa de homicídio",
'roubo consumado' = "roubo",
'sequestro car. priv. consumado' = "sequestro",
'sequestro e car. priv. tentado' = "tentativa de sequestro")
Uma pequena amostra dá idéia da transformação precedente:
head(tbl5, n=8)## Tipologia Intervalo Vítimas
## 1 roubo 2º/09 571
## 2 tentativa de homicídio 2º/09 64
## 3 homicídio 2º/09 22
## 4 estupro 2º/09 34
## 5 tentativa de estupro 2º/09 14
## 6 sequestro 2º/09 4
## 7 extorsão 2º/09 11
## 8 tentativa de sequestro 2º/09 0Dados agregados
Podemos gerar subconjuntos para cada um dos vetores do data.frame:
oporc <- aggregate(Vítimas ~ Tipologia, data = tbl5, FUN = sum, na.rm = TRUE)
opors <- aggregate(Vítimas ~ Intervalo, data = tbl5, FUN = sum, na.rm = TRUE)
De tal maneira que chegamos ao ponto de responder algumas perguntas.
“Quantas são as vítimas por categoria, durante todo o período?”"
oporc## Tipologia Vítimas
## 1 estupro 265
## 2 extorsão 38
## 3 homicídio 390
## 4 roubo 5851
## 5 sequestro 57
## 6 tentativa de estupro 79
## 7 tentativa de homicídio 925
## 8 tentativa de sequestro 1
“Quantas são as vítimas por semestre, somadas todas as categorias”
opors## Intervalo Vítimas
## 1 2º/09 720
## 2 1º/10 652
## 3 2º/10 721
## 4 1º/11 621
## 5 2º/11 594
## 6 1º/12 553
## 7 2º/12 761
## 8 1º/13 1060
## 9 2º/13 899
## 10 1º/14 1025Visualização dos dados
Linhas de tendência
gl <- ggplot(tbl5, aes(x=Intervalo, y=Vítimas, colour=Tipologia, group=Tipologia)) +
geom_line(linetype="solid", size=1.5) +
geom_point() +
ggtitle("Índice de Criminalidade Violenta: Juiz de Fora (2009/2014)") +
theme_dark() +
theme(plot.title = element_text(size = 12, face = "bold")) +
theme(legend.position = "right") +
scale_colour_brewer("Tipologia", palette="Set2") +
xlab("") +
ylab("") +
labs(caption = "Fonte: Mascarenhas(2014)")
gl 
Gráfico de barras por semestre
gops <- ggplot(opors, aes(Intervalo, Vítimas, fill = Intervalo)) +
geom_bar(stat = "identity") +
theme(axis.text.x = element_text(angle = 45, hjust = 1)) +
guides(fill = F)
gops
Gráfico de barras por categoria
gopc <- ggplot(oporc, aes(x = reorder(Tipologia, +Vítimas), y = Vítimas)) +
geom_bar(stat = "identity", fill = "black")
gopc + coord_flip() +
theme(axis.text.y = element_text(size=rel (1.2))) +
xlab("")
Gráfico de barras empilhadas
Para comparar a proporção de cada classe em relação ao total de ocorrências, por semestre, utilizamos o gráfico de barras empilhadas.
gopse <- ggplot(tbl5, aes(x=Intervalo, y=Vítimas, fill=Tipologia)) +
geom_bar(stat = "identity", position = "fill") +
theme(axis.text.x = element_text(angle = 25, hjust = 1),
legend.position = "right") +
xlab("") +
ylab("")
gopse
Referências:
Kabacoff, R. (2011). R in action: Data analysis and graphics with R.
Mascarenhas, M. A. (2014) Vitimologia nos crimes violentos em Juiz de Fora: Uma abordagem geográfica. Monografia (Bacharelado em Geografia), UFV. Disponível em: http://www.geo.ufv.br/wp-content/uploads/2015/03/Marcelo-Aleixo-Mascarenhas.pdf. Acessado pela última vez em: 18/03/2019.
Zumel, N. and Mount, J. (2014). Practical Data Science with R.