entrega 4
library(tidyverse)## -- Attaching packages --------------------------------------------------------------------------------------------------------------- tidyverse 1.2.1 --## v ggplot2 3.2.0 v purrr 0.3.2
## v tibble 2.1.1 v dplyr 0.8.1
## v tidyr 0.8.3 v stringr 1.4.0
## v readr 1.3.1 v forcats 0.4.0## -- Conflicts ------------------------------------------------------------------------------------------------------------------ tidyverse_conflicts() --
## x dplyr::filter() masks stats::filter()
## x dplyr::lag() masks stats::lag()library(lubridate)## Warning: package 'lubridate' was built under R version 3.6.1##
## Attaching package: 'lubridate'## The following object is masked from 'package:base':
##
## datebici19_cdn <- read.csv("bici19.csv", encoding = "UTF-8" )summary(bici19_cdn)## bici_id_usuario bici_Fecha_hora_retiro bici_tiempo_uso
## Min. : 33 2019-01-07 20:13:12: 4 Min. : 0.00
## 1st Qu.:177438 2019-01-11 14:58:09: 4 1st Qu.: 8.00
## Median :375196 2019-01-14 12:50:25: 4 Median : 14.00
## Mean :359739 2019-01-16 15:54:47: 4 Mean : 16.51
## 3rd Qu.:547898 2019-01-17 14:16:34: 4 3rd Qu.: 21.00
## Max. :693680 2019-01-25 08:21:43: 4 Max. :118.00
## (Other) :204083 NA's :131
## bici_nombre_estacion_origen bici_estacion_origen
## Vera Peñaloza : 3092 Min. : 1.0
## Facultad de Medicina : 3046 1st Qu.: 54.0
## Independencia : 2902 Median : 98.0
## Lima : 2781 Mean :100.5
## Godoy Cruz y Libertador: 2600 3rd Qu.:149.0
## Don Bosco : 2526 Max. :600.0
## (Other) :187160
## bici_nombre_estacion_destino bici_estacion_destino
## Vera Peñaloza : 3091 Min. : 1.0
## Facultad de Medicina: 3040 1st Qu.: 55.0
## Independencia : 2698 Median : 99.0
## Lima : 2663 Mean :101.2
## Saavedra : 2600 3rd Qu.:149.0
## Don Bosco : 2523 Max. :600.0
## (Other) :187492 NA's :131
## bici_sexo bici_edad
## FEMENINO : 54268 Min. :16.00
## MASCULINO :149804 1st Qu.:25.00
## NO INFORMADO: 35 Median :30.00
## Mean :33.26
## 3rd Qu.:39.00
## Max. :87.00
## bicisCABA <- bici19_cdn %>% mutate (bici_Fecha_hora_retiro = ymd_hms(bici_Fecha_hora_retiro))set.seed("99")
muestra_de_fechas <- bicisCABA %>%
sample_n(5) %>%
pull(bici_Fecha_hora_retiro)muestra_de_fechas## [1] "2019-01-01 01:46:58 UTC" "2019-01-18 09:30:57 UTC"
## [3] "2019-01-13 15:45:12 UTC" "2019-01-31 17:06:52 UTC"
## [5] "2019-01-16 14:07:01 UTC"options(scipen = 20)
ggplot(bicisCABA) +
geom_bar(aes(x = hour(bici_Fecha_hora_retiro)))
La muestra registra que durante la mañana el pico de uso es 8 am, desciende al mediodía y comienza a subir hasta el nuevo pico 6 pm.
bicisCABA %>%
ggplot() +
geom_bar(aes(x = day(bici_Fecha_hora_retiro)))
Los resultados no permiten comparar entre días pico de todo el año, ya que el dataset tiene registros de unos pocos menes en el 2019.
Analizando la distribución de datos:
bicisCABA %>%
count(bici_nombre_estacion_origen) %>%
top_n(5) %>%
arrange(desc(n))## Selecting by n## # A tibble: 5 x 2
## bici_nombre_estacion_origen n
## <fct> <int>
## 1 Vera Peñaloza 3092
## 2 Facultad de Medicina 3046
## 3 Independencia 2902
## 4 Lima 2781
## 5 Godoy Cruz y Libertador 2600estacionesfrecuentes <- bicisCABA %>%
count(bici_nombre_estacion_origen) %>%
top_n(5) %>%
pull(bici_nombre_estacion_origen)## Selecting by nbicisCABA %>%
filter(year(bici_Fecha_hora_retiro) == 2019,
bici_nombre_estacion_origen %in% estacionesfrecuentes) %>%
ggplot() +
geom_bar(aes(x = month(bici_Fecha_hora_retiro, label = TRUE), fill = bici_nombre_estacion_origen))
bicisCABA %>%
filter(year(bici_Fecha_hora_retiro) == 2019,
bici_nombre_estacion_origen %in% estacionesfrecuentes) %>%
ggplot() +
geom_bar(aes(x = month(bici_Fecha_hora_retiro, label = TRUE), fill =bici_nombre_estacion_origen),
position = "dodge")
acá hay algo mal porque me raba el knit( el error que me aparece es Error in useMethod(“filter_”)
conteo_ <- estacionesfrecuentes %>% filter(year(bici_Fecha_hora_retiro) == 2019, bici_nombre_estacion_origen %in% estacionesfrecuentes) %>% count(bici_nombre_estacion_origen, mes = month(bici_Fecha_hora_retiro, label = TRUE))
ggplot(conteo_) + geom_line(aes(x = mes, y = n, group = bici_nombre_estacion_origen, color = bici_nombre_estacion_origen))
por_hora <- estacionesfrecuentes %>% filter(year(bici_Fecha_hora_retiro) == 2019, bici_nombre_estacion_origen %in% estacionesfrecuentes) %>% count(bici_nombre_estacion_origen, diasemana = wday(bici_nombre_estacion_origen, label = TRUE )) ggplot(conteo_) + geom_line(aes(x = diasemana, y = n, group = bici_nombre_estacion_origen, color = tipo_delito))
library(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.estaciones <- read.csv("estaciones_bici_geo.csv", encoding = "UTF-8" )summary(estaciones)## X Y NOMBRE
## Min. :-58.46 Min. :-34.64 15 DE NOVIEMBRE : 1
## 1st Qu.:-58.42 1st Qu.:-34.62 25 DE MAYO : 1
## Median :-58.40 Median :-34.60 9 DE JULIO : 1
## Mean :-58.40 Mean :-34.61 ACEVEDO : 1
## 3rd Qu.:-58.38 3rd Qu.:-34.59 ACUÑA DE FIGUEROA: 1
## Max. :-58.36 Max. :-34.57 ADUANA : 1
## (Other) :193
## DOMICILIO
## PLAZA FUERZA AEREA: AV. DR. J. RAMOS MEJIA Y AV DEL LIBERTADOR: 2
## 15 DE NOVIEMBRE DE 1889 2687 ENTRE CATAMARCA Y JUJUY : 1
## 25 DE MAYO Y LAVALLE : 1
## 33 ORIENTALES 1439, ENTRE AV. PAVON Y AV. GARAY : 1
## 9 DE JULIO Y MORENO : 1
## ACEVEDO Y PADILLA : 1
## (Other) :192
## IMAGEN AUTOMAT
## ESTACION_AUTOMATICA.PNG:199 AUTOMATICA:199
##
##
##
##
##
##
## OBSERV NRO_EST
## ABRIL 2015 (PASO DE SER MANUAL A AUTOMATICA): 26 Min. : 1.0
## mar-17 : 17 1st Qu.: 51.5
## abr-17 : 16 Median :101.0
## may-17 : 16 Mean :100.9
## ago-17 : 11 3rd Qu.:150.5
## jul-17 : 11 Max. :200.0
## (Other) :102
## HORARIO
## ESTACION AUTOMATICA: DISPONIBILIDAD LAS 24 HORAS:199
##
##
##
##
##
##
## DIRE_NORM
## DEL LIBERTADOR AV Y RAMOS MEJIA DR AV: 2
## 1 ZAPIOLA : 1
## 101 BALCARCE : 1
## 101 VIAMONTE : 1
## 1016 PERU : 1
## 1027 SAAVDREA : 1
## (Other) :192bicisCABA <- bicisCABA %>%
left_join(estaciones[c("X", "Y", "NOMBRE", "NRO_EST")],
by = c("bici_estacion_origen" = "NRO_EST"))estaciones <- bicisCABA %>% filter(X.y <0, Y.y <0)
bbox <- c(min(estaciones$X.y, na.rm = TRUE),
min(estaciones$X.y, na.rm = TRUE),
max(estaciones$Y.y, na.rm = TRUE),
max(estaciones$Y.y, na.rm = TRUE))## Warning in min(estaciones$X.y, na.rm = TRUE): ningún argumento finito para
## min; retornando Inf
## Warning in min(estaciones$X.y, na.rm = TRUE): ningún argumento finito para
## min; retornando Inf## Warning in max(estaciones$Y.y, na.rm = TRUE): ningun argumento finito para
## max; retornando -Inf
## Warning in max(estaciones$Y.y, na.rm = TRUE): ningun argumento finito para
## max; retornando -Inf(borro chunk)
CABA <- get_stamenmap(bbox = bbox, maptype = “toner-lite”)
ggmap(CABA)
ggmap(CABA) + geom_point(data = estaciones, aes(x = X.y, y = Y.y))
ggmap(CABA) + geom_point(data = estaciones, aes(x = X.y, y = Y.y), color = “orange”, size = 0.1, alpha = 0.1)