E 4
Eugenia Gonzalez
24/8/2019
Visualizando data a partir de atributos temporales y espaciales
-Datos sobre la seguridad descargados de data.cityofnewyork.us-
library(lubridate)## Warning: package 'lubridate' was built under R version 3.6.1##
## Attaching package: 'lubridate'## The following object is masked from 'package:base':
##
## datelibrary(tidyverse)## Warning: package 'tidyverse' was built under R version 3.6.1## -- Attaching packages ------------------------------------------------------- tidyverse 1.2.1 --## v ggplot2 3.2.0 v purrr 0.3.2
## v tibble 2.1.3 v dplyr 0.8.3
## v tidyr 0.8.3 v stringr 1.4.0
## v readr 1.3.1 v forcats 0.4.0## Warning: package 'tibble' was built under R version 3.6.1## Warning: package 'tidyr' was built under R version 3.6.1## Warning: package 'readr' was built under R version 3.6.1## Warning: package 'purrr' was built under R version 3.6.1## Warning: package 'dplyr' was built under R version 3.6.1## Warning: package 'stringr' was built under R version 3.6.1## Warning: package 'forcats' was built under R version 3.6.1## -- Conflicts ---------------------------------------------------------- tidyverse_conflicts() --
## x lubridate::as.difftime() masks base::as.difftime()
## x lubridate::date() masks base::date()
## x dplyr::filter() masks stats::filter()
## x lubridate::intersect() masks base::intersect()
## x dplyr::lag() masks stats::lag()
## x lubridate::setdiff() masks base::setdiff()
## x lubridate::union() masks base::union()library(sf)## Warning: package 'sf' was built under R version 3.6.1## Linking to GEOS 3.6.1, GDAL 2.2.3, PROJ 4.9.3library(ggmap)## Warning: package 'ggmap' was built under R version 3.6.1## Google's Terms of Service: https://cloud.google.com/maps-platform/terms/.## Please cite ggmap if you use it! See citation("ggmap") for details.library(osmdata)## Warning: package 'osmdata' was built under R version 3.6.1## Data (c) OpenStreetMap contributors, ODbL 1.0. http://www.openstreetmap.org/copyrightVamos a analizar la ocurrencia de los delitos en Manhattan, contando con los datos abiertos de la Ciudad de Nueva York, a partir de sus atributos de tiempo y espacio.
NYCPD <- read.csv("NYCPD.csv", encoding = "UTF-8")NYPD_MAN <- NYCPD %>%
filter(BORO_NM == "MANHATTAN")
summary(NYPD_MAN)## CMPLNT_NUM ADDR_PCT_CD BORO_NM
## Min. :100001492 Min. : 1.0 : 0
## 1st Qu.:326521944 1st Qu.: 13.0 BRONX : 0
## Median :552272376 Median : 18.0 BROOKLYN : 0
## Mean :551785160 Mean : 18.5 MANHATTAN :55666
## 3rd Qu.:777966794 3rd Qu.: 25.0 QUEENS : 0
## Max. :999983972 Max. :115.0 STATEN ISLAND: 0
##
## CMPLNT_FR_DT CMPLNT_FR_TM CMPLNT_TO_DT CMPLNT_TO_TM
## 01/01/2019: 442 12:00:00: 1476 : 7087 : 7066
## 05/21/2019: 377 15:00:00: 1162 06/11/2019: 340 12:00:00: 842
## 04/24/2019: 375 16:00:00: 1046 05/23/2019: 330 15:00:00: 783
## 06/12/2019: 375 17:00:00: 1006 02/14/2019: 326 16:00:00: 703
## 06/21/2019: 375 18:00:00: 982 05/21/2019: 324 17:00:00: 641
## 04/19/2019: 362 14:00:00: 910 05/31/2019: 322 18:00:00: 631
## (Other) :53360 (Other) :49084 (Other) :46937 (Other) :45000
## CRM_ATPT_CPTD_CD HADEVELOPT HOUSING_PSA JURISDICTION_CODE
## ATTEMPTED: 1070 :53322 Min. : 544 Min. : 0.000
## COMPLETED:54596 GRANT : 185 1st Qu.: 613 1st Qu.: 0.000
## BARUCH : 161 Median : 670 Median : 0.000
## WALD : 128 Mean : 7687 Mean : 1.311
## SMITH : 124 3rd Qu.: 752 3rd Qu.: 0.000
## DOUGLASS: 123 Max. :48889 Max. :97.000
## (Other) : 1623 NA's :50529
## JURIS_DESC KY_CD LAW_CAT_CD
## N.Y. POLICE DEPT :46324 Min. :102.0 FELONY :16876
## N.Y. HOUSING POLICE: 5107 1st Qu.:116.0 MISDEMEANOR:31359
## N.Y. TRANSIT POLICE: 2984 Median :341.0 VIOLATION : 7431
## PORT AUTHORITY : 517 Mean :300.4
## OTHER : 494 3rd Qu.:351.0
## NYC PARKS : 59 Max. :678.0
## (Other) : 181
## LOC_OF_OCCUR_DESC OFNS_DESC
## : 9988 PETIT LARCENY :13459
## FRONT OF : 9657 GRAND LARCENY : 7453
## INSIDE :34716 HARRASSMENT 2 : 7328
## OPPOSITE OF: 875 ASSAULT 3 & RELATED OFFENSES : 5535
## OUTSIDE : 0 CRIMINAL MISCHIEF & RELATED OF: 4654
## REAR OF : 430 OFF. AGNST PUB ORD SENSBLTY & : 2360
## (Other) :14877
## PARKS_NM PATROL_BORO
## :55108 PATROL BORO MAN SOUTH :28061
## CENTRAL PARK : 79 PATROL BORO MAN NORTH :27552
## WASHINGTON SQUARE PARK: 46 PATROL BORO QUEENS NORTH: 50
## MARCUS GARVEY PARK : 38 PATROL BORO QUEENS SOUTH: 2
## UNION SQUARE PARK : 37 PATROL BORO BRONX : 1
## SARA D. ROOSEVELT PARK: 33 : 0
## (Other) : 325 (Other) : 0
## PD_CD PD_DESC
## Min. :101.0 LARCENY,PETIT FROM STORE-SHOPL: 6909
## 1st Qu.:259.0 HARASSMENT,SUBD 3,4,5 : 4820
## Median :339.0 ASSAULT 3 : 4701
## Mean :401.8 LARCENY,PETIT FROM BUILDING,UN: 3170
## 3rd Qu.:637.0 HARASSMENT,SUBD 1,CIVILIAN : 2508
## Max. :922.0 AGGRAVATED HARASSMENT 2 : 2160
## (Other) :31398
## PREM_TYP_DESC RPT_DT
## STREET :12137 05/28/2019: 420
## RESIDENCE - APT. HOUSE :11278 04/23/2019: 417
## RESIDENCE - PUBLIC HOUSING: 5104 06/20/2019: 399
## CHAIN STORE : 3347 05/21/2019: 397
## TRANSIT - NYC SUBWAY : 2956 06/05/2019: 393
## COMMERCIAL BUILDING : 2282 06/11/2019: 393
## (Other) :18562 (Other) :53247
## STATION_NAME SUSP_AGE_GROUP
## :52674 UNKNOWN:18302
## 125 STREET : 272 25-44 :13979
## 14 STREET : 159 :11680
## 34 ST.-PENN STATION : 130 45-64 : 5590
## 42 ST.-PORT AUTHORITY BUS TERM: 125 18-24 : 4219
## 116 STREET : 119 <18 : 1392
## (Other) : 2187 (Other): 504
## SUSP_RACE SUSP_SEX TRANSIT_DISTRICT VIC_AGE_GROUP
## BLACK :16337 :11680 Min. :1.00 UNKNOWN:20800
## :11680 F: 7407 1st Qu.:2.00 25-44 :17392
## UNKNOWN :11677 M:26566 Median :2.00 45-64 : 8558
## WHITE HISPANIC: 7021 U:10013 Mean :2.56 18-24 : 4927
## WHITE : 5102 3rd Qu.:4.00 65+ : 2195
## BLACK HISPANIC: 2570 Max. :4.00 <18 : 1788
## (Other) : 1279 NA's :52674 (Other): 6
## VIC_RACE VIC_SEX X_COORD_CD
## AMERICAN INDIAN/ALASKAN NATIVE: 315 D:12625 Min. : 979277
## ASIAN / PACIFIC ISLANDER : 3384 E: 6622 1st Qu.: 987073
## BLACK : 9799 F:19139 Median : 991136
## BLACK HISPANIC : 2046 M:17280 Mean : 992598
## UNKNOWN :21682 3rd Qu.: 998954
## WHITE :10847 Max. :1041879
## WHITE HISPANIC : 7593 NA's :1
## Y_COORD_CD Latitude Longitude
## Min. :187930 Min. :40.68 Min. :-74.02
## 1st Qu.:208911 1st Qu.:40.74 1st Qu.:-73.99
## Median :217993 Median :40.77 Median :-73.98
## Mean :220743 Mean :40.77 Mean :-73.97
## 3rd Qu.:231883 3rd Qu.:40.80 3rd Qu.:-73.95
## Max. :261034 Max. :40.88 Max. :-73.79
## NA's :1 NA's :1 NA's :1
## Lat_Lon
## (40.750430768, -73.989282176): 728
## (40.787874599, -73.928181646): 301
## (40.756266207, -73.990501248): 261
## (40.795581553, -73.932297815): 256
## (40.808374136, -73.946885823): 217
## (40.804384046, -73.937421669): 184
## (Other) :53719A los paquetes con los que venimos trabajando, le sumamos lubridate para trabajar con los atributos de tiempo.
NYPD_MAN <- NYPD_MAN %>%
mutate(CMPLNT_FR_DT = mdy(CMPLNT_FR_DT)) %>%
mutate(CMPLNT_FR_DT = ymd(CMPLNT_FR_DT))set.seed("99")
muestra_fechasMan <- NYPD_MAN %>%
sample_n(5) %>%
pull(CMPLNT_FR_DT)
muestra_fechasMan## [1] "2019-01-02" "2019-02-11" "2019-03-21" "2019-06-12" "2019-06-07"Análisis temporal
options(scipen = 20)
NYPD_MAN19 <- NYPD_MAN %>%
filter(year(CMPLNT_FR_DT) == 2019)
ggplot(NYPD_MAN19) +
geom_bar(data = NYPD_MAN19, aes(x = month(CMPLNT_FR_DT)), fill = "lightcyan4") +
labs(title = "Cantidad de delitos por mes",
subtitle = "Registro año 2019 - Manhattan",
caption = "Fuente: https://data.cityofnewyork.us",
x = "Mes",
y = "Cantidad") +
theme_minimal()
Hacemos una comparación con la cantidad de delitos ocurridos durante el primer semestre de 2018.
NYPD_MAN18 <- NYPD_MAN %>%
filter(year(CMPLNT_FR_DT)==2018, month(CMPLNT_FR_DT)==1:6)## Warning in month(CMPLNT_FR_DT) == 1:6: longitud de objeto mayor no es
## múltiplo de la longitud de uno menorggplot(NYPD_MAN18) +
geom_bar(data = NYPD_MAN18, aes(x = month(CMPLNT_FR_DT)), fill = "lightcyan4") +
labs(title = "Cantidad de delitos por mes",
subtitle = "Registro año 2018 - Manhattan",
caption = "Fuente: https://data.cityofnewyork.us",
x = "Mes",
y = "Cantidad") +
theme_minimal()
Podemos ver que de un año a otro la cantidad de delitos registrados en el dataset es mucho mayor, contando el año 2018 con un registro de 50 denuncias y el año 2019 superando las 5000. En este caso podemos intuir que quizás se dió prioridad a pasar datos del año en curso o que hay una carga directa al portal de datos abiertos, pero para nada inferir que la cantidad de delitos denunciados durante el primer semestre del 2018 fue 50. Por ello no podemos hacer comparación y adecuado análisis entre años, por lo que vamos a trabajar con los registros del año 2019.
Veamos los delitos más frecuentes y graficamos en barras por separado un top 5 para observar su distribución en los meses.
NYPD_MAN19 %>%
count(OFNS_DESC) %>%
top_n(5) %>%
arrange(desc(n))## Selecting by n## # A tibble: 5 x 2
## OFNS_DESC n
## <fct> <int>
## 1 PETIT LARCENY 13136
## 2 HARRASSMENT 2 7080
## 3 GRAND LARCENY 6909
## 4 ASSAULT 3 & RELATED OFFENSES 5465
## 5 CRIMINAL MISCHIEF & RELATED OF 4479Guardamos la lista.
NYPD_MANfrec <- NYPD_MAN19 %>%
count(OFNS_DESC) %>%
top_n(5) %>%
pull(OFNS_DESC)## Selecting by nNYPD_MAN19 %>% filter(year(CMPLNT_FR_DT) == 2019,
OFNS_DESC %in% NYPD_MANfrec) %>%
ggplot() +
geom_bar(aes(x = month(CMPLNT_FR_DT, label = TRUE), fill = OFNS_DESC),
position = "dodge") +
labs(title = "Delitos más frecuentes por mes",
subtitle = "Año 2019",
caption = "Fuente:https://data.cityofnewyork.us",
x = "Mes",
y = "Cantidad",
fill = "Tipo de delito") +
theme_minimal()
Se observa que la mayor cantidad de denuncias es el robo o hurto menor, con su mayor registro en el mes de mayo, seguido en los dos primeros meses del año por el robo agravado, siendo este último superado en los siguientes meses por el acoso y abuso sexual.
Ahora vemos la frecuencia por semana en un gráfico de líneas.
conteoMan <- NYPD_MAN %>%
filter(year(CMPLNT_FR_DT) == 2019,
OFNS_DESC %in% NYPD_MANfrec) %>%
count(OFNS_DESC, diasemana = wday(CMPLNT_FR_DT, label = TRUE))
ggplot(conteoMan) +
geom_line(aes(x = diasemana, y = n, group = OFNS_DESC, color = OFNS_DESC), size=1) +
geom_point(aes(x = diasemana, y = n, group = OFNS_DESC, color = OFNS_DESC)) +
scale_color_brewer(palette = "Set1") +
labs(title = "Cantidad de delitos por día",
subtitle = "Año 2019 - Delitos más frecuentes",
caption = "Fuente: https://data.cityofnewyork.us",
x = "Día/semana",
y = "Cantidad",
color = "Tipo de delito") +
theme_minimal()
En concordancia con los gráficos anteriores, el tipo de delito más recurrente en la semana es el hurto o robo menor, seguido por asalto agravado y abuso sexual de manera alternada. Asimismo, podemos ver que los domingos en el día con menor registro para cada uno de estos delitos.
Ahora buscaremos visualizar el registro semanal de manera porcentual.
conteoMan_pct <- conteoMan %>%
group_by(OFNS_DESC) %>%
mutate(pct = n / sum(n) * 100)
ggplot(conteoMan_pct) +
geom_line(aes(x = diasemana, y = pct, group = OFNS_DESC, color = OFNS_DESC), size=1) +
geom_point(aes(x = diasemana, y = pct, group = OFNS_DESC, color = OFNS_DESC)) +
scale_color_brewer(palette = "Set1") +
labs(title = "Cantidad de delitos por día porcentual",
subtitle = "Año 2019 - Delitos más frecuentes",
caption = "Fuente: https://data.cityofnewyork.us",
x = "Día/semana",
y = "Cantidad %",
color = "Tipo de delito") +
theme_minimal()
En promedio semanal vemos a simple vista que resalta el tipo de asalto/agresión menor y delitos o infracciones conexas (línea roja), siendo los fines de semanas los registros más altos, en contraposición con los otros tipos que bajan su frecuencia en esos días. Es decir, la tendencia de este tipo de delito va a la inversa de los demás tipos de delitos.
Vemos la relación con el tipo de delito de crimen sexual.
conteo_Mancrimen <- NYPD_MAN %>%
filter(year(CMPLNT_FR_DT) == 2019,
OFNS_DESC == "SEX CRIMES") %>%
count(OFNS_DESC, diasemana = wday(CMPLNT_FR_DT, label = TRUE)) %>%
group_by(OFNS_DESC) %>%
mutate(pct = n / sum(n) *100)ggplot(conteoMan_pct) +
geom_line(aes(x = diasemana, y = pct, group = OFNS_DESC, color = OFNS_DESC), size=1) +
geom_point(aes(x = diasemana, y = pct, group = OFNS_DESC, color = OFNS_DESC)) +
geom_line(data = conteo_Mancrimen, aes(x = diasemana, y = pct, group = OFNS_DESC, color = OFNS_DESC), size=1) +
geom_point(data = conteo_Mancrimen, aes(x = diasemana, y = pct, group = OFNS_DESC, color = OFNS_DESC), size=1) +
scale_color_brewer(palette = "Set1") +
labs(title = "Cantidad de delitos por día porcentual",
subtitle = "Año 2019 - Delitos más frecuentes",
caption = "Fuente: https://data.cityofnewyork.us",
x = "Día/semana",
y = "Cantidad %",
color = "Tipo de delito") +
theme_minimal()
Agregando el delito del tipo crimen sexual vemos que su registro sigue un patrón similar al de los principales delitos, con un pico los días jueves.
Distribución espacial
Vamos a mostrar la distribución espacial de los delitos. Para ello traemos los mapas necesarios para su localización.
bbox_Man <- getbb("Manhattan New York")
bbox_Man ## min max
## x -74.04722 -73.90616
## y 40.68394 40.88045mapa_NYC <- get_stamenmap(bbox = bbox_Man,
maptype = "toner-lite",
zoom = 13)## Source : http://tile.stamen.com/toner-lite/13/2411/3074.png## Source : http://tile.stamen.com/toner-lite/13/2412/3074.png## Source : http://tile.stamen.com/toner-lite/13/2413/3074.png## Source : http://tile.stamen.com/toner-lite/13/2414/3074.png## Source : http://tile.stamen.com/toner-lite/13/2411/3075.png## Source : http://tile.stamen.com/toner-lite/13/2412/3075.png## Source : http://tile.stamen.com/toner-lite/13/2413/3075.png## Source : http://tile.stamen.com/toner-lite/13/2414/3075.png## Source : http://tile.stamen.com/toner-lite/13/2411/3076.png## Source : http://tile.stamen.com/toner-lite/13/2412/3076.png## Source : http://tile.stamen.com/toner-lite/13/2413/3076.png## Source : http://tile.stamen.com/toner-lite/13/2414/3076.png## Source : http://tile.stamen.com/toner-lite/13/2411/3077.png## Source : http://tile.stamen.com/toner-lite/13/2412/3077.png## Source : http://tile.stamen.com/toner-lite/13/2413/3077.png## Source : http://tile.stamen.com/toner-lite/13/2414/3077.png## Source : http://tile.stamen.com/toner-lite/13/2411/3078.png## Source : http://tile.stamen.com/toner-lite/13/2412/3078.png## Source : http://tile.stamen.com/toner-lite/13/2413/3078.png## Source : http://tile.stamen.com/toner-lite/13/2414/3078.png## Source : http://tile.stamen.com/toner-lite/13/2411/3079.png## Source : http://tile.stamen.com/toner-lite/13/2412/3079.png## Source : http://tile.stamen.com/toner-lite/13/2413/3079.png## Source : http://tile.stamen.com/toner-lite/13/2414/3079.png## Source : http://tile.stamen.com/toner-lite/13/2411/3080.png## Source : http://tile.stamen.com/toner-lite/13/2412/3080.png## Source : http://tile.stamen.com/toner-lite/13/2413/3080.png## Source : http://tile.stamen.com/toner-lite/13/2414/3080.pngNYPD_MANmap <- NYPD_MAN19 %>%
filter(!is.na(Latitude), !is.na(Longitude))
nrow(NYPD_MANmap)## [1] 53490Vemos su distribución.
ggmap(mapa_NYC) +
geom_bin2d(data = NYPD_MANmap, aes(x=Longitude, y=Latitude), bins = 100) +
labs(title = "Distribución espacial de delitos en Manhattan",
subtitle = "Año 2019",
caption = "Fuente: https://data.cityofnewyork.us",
fill = "Cantidad") +
scale_fill_viridis_c() +
theme_void()## Warning: Removed 50 rows containing non-finite values (stat_bin2d).
Se pueden ver mayores focos delictivos al sur del Central Park, por la zona de Midtown. Mediante un gráfico del estilo kernel density buscaremos constatar ello.
ggmap(mapa_NYC) +
geom_density2d(data = NYPD_MANmap, aes(x=Longitude, y=Latitude, color = stat(level))) +
labs(title = "Distribución espacial de delitos en Manhattan",
subtitle = "Año 2019",
caption = "Fuente: https://data.cityofnewyork.us",
color = "Cantidad") +
scale_color_viridis_c() +
theme_void()## Warning: Removed 50 rows containing non-finite values (stat_density2d).
Con un facetado veremos la distribución espacial de los delitos frecuentes.
ggmap(mapa_NYC) +
geom_point(data = filter(NYPD_MAN19, OFNS_DESC %in% NYPD_MANfrec),
aes(x = Longitude, y = Latitude, color = OFNS_DESC),
size = 0.1, alpha = 0.1) +
guides(color = guide_legend(override.aes = list(size=1, alpha = 1))) +
labs(title = "Distribución espacial de 5 delitos frecuentes en Manhattan",
subtitle = "Año 2019",
caption = "Fuente: https://data.cityofnewyork.us",
color = "Tipo de delito") +
scale_color_brewer(palette = "Set1") +
facet_wrap(~OFNS_DESC) +
theme_void()## Warning: Removed 4 rows containing missing values (geom_point).
ggmap(mapa_NYC) +
geom_density2d(data = filter(NYPD_MAN19, OFNS_DESC %in% NYPD_MANfrec), aes(x=Longitude, y=Latitude, color = stat(level))) +
labs(title = "Distribución espacial de 5 delitos frecuentes en Manhattan",
subtitle = "Año 2019",
caption = "Fuente: https://data.cityofnewyork.us",
color = "Cantidad") +
scale_color_viridis_c() +
facet_wrap(~OFNS_DESC) +
theme_void()## Warning: Removed 4 rows containing non-finite values (stat_density2d).
En concordancia con las primeras visualizaciones, podemos ver que la espacialidad de los 5 tipos de delitos más frecuentes se localiza al sur del Central Park, por la zona de Midtown, con mayor ocurrencia del robo menoy y agravado.
Ahoramos cruzaremos con la información temporal.
NYPD_MANmap1 <- NYPD_MANmap %>%
mutate(dia_semana = wday(CMPLNT_FR_DT, label = TRUE))
ggmap(mapa_NYC) +
geom_density2d(data = filter(NYPD_MANmap1, OFNS_DESC %in% NYPD_MANfrec), aes(x = Longitude, y = Latitude, color = stat(level))) +
labs(title = "Distribución espacial de 5 delitos frecuentes en Manhattan",
subtitle = "Año 2019 - Según día de la semana",
caption = "Fuente: https://data.cityofnewyork.us",
color = "Cantidad") +
scale_color_viridis_c() +
facet_wrap(~dia_semana, nrow = 2) +
theme_void()## Warning: Removed 4 rows containing non-finite values (stat_density2d).
Al realizar el análisis de la distribución espacial durante la semana, se puede ver el mismo punto caliente en lo que sería el Midtown. Esta mancha se expande más hacia el sur de Manhattan el día sabado.