Actividad 5
Rivera, Pescara, Eterovic, Bugueño, Wolff
12/5/2020
install.packages("data.table")## Installing package into '/home/rstudio-user/R/x86_64-pc-linux-gnu-library/3.6'
## (as 'lib' is unspecified)install.packages("rgdal")## Installing package into '/home/rstudio-user/R/x86_64-pc-linux-gnu-library/3.6'
## (as 'lib' is unspecified)install.packages("ggplot2")## Installing package into '/home/rstudio-user/R/x86_64-pc-linux-gnu-library/3.6'
## (as 'lib' is unspecified)install.packages("treemap")## Installing package into '/home/rstudio-user/R/x86_64-pc-linux-gnu-library/3.6'
## (as 'lib' is unspecified)Actividad 5
P1
Instale y cargue los siguientes paquetes: data.table,rgdal,ggplot2 y treemap.
library("data.table")
library("rgdal")## Loading required package: sp## rgdal: version: 1.4-8, (SVN revision 845)
## Geospatial Data Abstraction Library extensions to R successfully loaded
## Loaded GDAL runtime: GDAL 2.2.2, released 2017/09/15
## Path to GDAL shared files: /usr/share/gdal/2.2
## GDAL binary built with GEOS: TRUE
## Loaded PROJ.4 runtime: Rel. 4.9.2, 08 September 2015, [PJ_VERSION: 492]
## Path to PROJ.4 shared files: (autodetected)
## Linking to sp version: 1.4-1library("ggplot2")
library("treemap")P2
bicidatos<- readOGR("Bici_personaGS2016_2/Bici_personaGS2016_2.shp")## OGR data source with driver: ESRI Shapefile
## Source: "/cloud/project/Bici_personaGS2016_2/Bici_personaGS2016_2.shp", layer: "Bici_personaGS2016_2"
## with 1135 features
## It has 33 fieldsbicidatos<- bicidatos@data
bicidatos<- as.data.table(bicidatos)P3
La variable ESTADO_CAL describe el estado de la calzada por la cual circulaba el/la ciclista. De esta forma, las categorías que debe considerar esta variable son 3: BUENO, REGULAR y MALO. Por lo tanto, lo que debe hacer, es considerar todas aquellas observaciones que tengan alguna de esas 3 categorías en la variable ESTADO_CAL.
bicidatos<- bicidatos[ESTADO_CAL=="BUENO" | ESTADO_CAL=="REGULAR" | ESTADO_CAL=="MALO",]P4
¿Cuántos accidentes hay por comuna?
bicidatos[,.N,by=COMUNA1]## COMUNA1 N
## 1: PROVIDENCIA 135
## 2: CERRO NAVIA 14
## 3: NUNOA 79
## 4: RENCA 34
## 5: SANTIAGO 150
## 6: MAIPU 62
## 7: LA FLORIDA 31
## 8: P. AGUIRRE CERDA 11
## 9: PUDAHUEL 35
## 10: PENALOLEN 41
## 11: LAMPA 11
## 12: COLINA 6
## 13: LAS CONDES 52
## 14: QUILICURA 48
## 15: SAN JOAQUIN 18
## 16: PIRQUE 1
## 17: PUENTE ALTO 72
## 18: MACUL 28
## 19: LA CISTERNA 16
## 20: LO BARNECHEA 9
## 21: EL BOSQUE 34
## 22: CERRILLOS 14
## 23: SAN RAMON 14
## 24: VITACURA 6
## 25: RECOLETA 24
## 26: LA REINA 29
## 27: LO PRADO 18
## 28: ESTACION CENTRAL 32
## 29: SAN MIGUEL 19
## 30: QUINTA NORMAL 27
## 31: LA GRANJA 15
## 32: HUECHURABA 6
## 33: INDEPENDENCIA 16
## 34: LA PINTANA 12
## 35: CONCHALI 11
## COMUNA1 NP5
¿Cuántos accidentes con personas fallecidas hay por comuna?
bicidatos[Fallecidos>0, .N, by = COMUNA1]## COMUNA1 N
## 1: QUILICURA 2
## 2: LA GRANJA 1
## 3: CERRO NAVIA 1
## 4: MAIPU 1
## 5: LA FLORIDA 2
## 6: MACUL 1
## 7: SANTIAGO 1
## 8: LA PINTANA 1
## 9: LA REINA 1
## 10: LA CISTERNA 1
## 11: NUNOA 1
## 12: RECOLETA 1P6
¿Cuántos accidentes con personas graves hay por comuna?
bicidatos[Graves>0, .N, by = COMUNA1]## COMUNA1 N
## 1: CERRO NAVIA 2
## 2: NUNOA 16
## 3: RENCA 8
## 4: COLINA 2
## 5: PROVIDENCIA 26
## 6: LAMPA 2
## 7: LA CISTERNA 5
## 8: P. AGUIRRE CERDA 2
## 9: VITACURA 2
## 10: LO BARNECHEA 2
## 11: MAIPU 11
## 12: LA REINA 7
## 13: SAN JOAQUIN 6
## 14: EL BOSQUE 9
## 15: CERRILLOS 1
## 16: ESTACION CENTRAL 5
## 17: SANTIAGO 19
## 18: RECOLETA 5
## 19: LA GRANJA 3
## 20: QUINTA NORMAL 10
## 21: LO PRADO 4
## 22: MACUL 5
## 23: PUDAHUEL 13
## 24: PUENTE ALTO 7
## 25: LA PINTANA 3
## 26: HUECHURABA 1
## 27: LA FLORIDA 3
## 28: INDEPENDENCIA 4
## 29: PENALOLEN 6
## 30: CONCHALI 2
## 31: SAN MIGUEL 3
## 32: LAS CONDES 9
## 33: QUILICURA 4
## 34: SAN RAMON 1
## COMUNA1 NP7
¿Cómo podría mostrar el resultado de la pregunta 6 en un gráfico?. Muestre un gráfico legible.
ggplot(data = bicidatos[Graves>0], aes(x= COMUNA1)) + geom_bar() + theme(axis.text.x = element_text(angle = 90, vjust = 0.6), axis.title.x.top = element_text(size = 0.05), plot.title = element_text(size = 8.5) )
P8
¿Cuál es la principal causa (CAUSA__CON) de accidentes?
bicidatos[,.N, by= CAUSA__CON]## CAUSA__CON N
## 1: PERDIDA CONTROL VEHICULO 19
## 2: CAUSAS NO DETERMINADAS 246
## 3: IMPRUDENCIA DEL CONDUCTOR 507
## 4: OTRAS CAUSAS 195
## 5: DESOBEDIENCIA A SENALIZACION 121
## 6: ALCOHOL EN CONDUCTOR 21
## 7: DROGAS Y/O FATIGA EN CONDUCTOR 3
## 8: IMPRUDENCIA DEL PEATON 13
## 9: FALLAS MECANICAS 2
## 10: VELOCIDAD IMPRUDENTE 2
## 11: DEFICIENCIAS VIALES 1Principal causa de Accidentes es la imprudencia del conductor
P9
¿Cómo podríamos mostrar,gráficamente, las diferentes causas para la comuna de Providencia y Santiago? Muestre un gráfico legible.
ggplot(data = bicidatos[COMUNA1 == "PROVIDENCIA" | COMUNA1 == "SANTIAGO"], aes(x= CAUSA__CON)) + geom_bar() + facet_wrap("COMUNA1")+ theme(axis.text.x = element_text(angle = 90) )
P10
¿Podría establecer que existe alguna relación entre la cantidad de accidentes leves por comuna y la proporción de accidentes que ocurren en un buen estado de calzada (porc_bueno)? Argumente gráficamente, de la mejor manera posible.
ggplot(data = bicidatos, aes(x= Leves, y = porc_bueno)) + geom_point() 
P11
¿Podría establecer que existe alguna relación entre la cantidad de accidentes graves por comuna y la proporción de accidentes que ocurren en un buen estado de calzada (porc_bueno)? Argumente gráficamente, de la mejor manera posible.
ggplot(data = bicidatos, aes(x= Graves, y = porc_bueno)) + geom_point()
P12
Muestre gráficamente la cantidad de accidentes que hay para las distintas causas de accidentes.
ggplot(data = bicidatos, aes(x= CAUSA__CON)) + geom_bar()+ theme(axis.text.x = element_text(angle = 90) ) + labs(x="Causa", y = "Accidentes")