Actividad 5

P1

Instale y cargue los siguientes paquetes: data.table,rgdal,ggplot2 y treemap.

library("data.table")
library("rgdal")
library("ggplot2")
library("treemap")

P2

Cargue la base de datos de la lista y transformarla en un data.table.

bici <- 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 fields

bici<-bici@data

bici<- as.data.table(bici)

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.

bici<- bici[ESTADO_CAL=="BUENO"|ESTADO_CAL=="REGULAR" |ESTADO_CAL=="MALO", ]

P4

¿Cuántos accidentes hay por comuna?.

bici[,.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   N

P5

¿Cuántos accidentes con personas fallecidas hay por comuna?

bici[bici$Fallecidos ==1,.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 1

P6

¿Cuántos accidentes con personas graves hay por comuna?

Graves <- bici[Graves>0,.N, by = COMUNA1]

#otra opcion: bici[bici$Graves == 1 | bici$Graves ==2,.N, by = COMUNA1]

P7

¿Cómo podría mostrar el resultado de la pregunta 6 en un gráfico?. Muestre un gráfico legible.

ggplot(data = bici[Graves>0],aes(COMUNA1)) + geom_bar() + theme(axis.text.x=element_text(angle=90, vjust=0,5),axis.text.x.top =element_text(size=15), plot.title=element_text(size=10),) + ggtitle("Conteo por comuna", subtitle="Accidentes graves por comuna") + xlab("Comuna") + ylab("Número de Accidentes Graves") + labs(caption= "Fuente: Profesor")

P8

¿Cuál es la principal causa (CAUSA__CON) de accidentes?

principal <- bici[,.N, by = CAUSA__CON]

max(principal$N)

## [1] 507

R: La principal causa de accidentes es de IMPRUDENCIA DEL CONDUCTOR que son 507

P9

¿Cómo podríamos mostrar,gráficamente, las diferentes causas para la comuna de Providencia y Santiago? Muestre un gráfico legible.

ggplot(data=bici[COMUNA1=="PROVIDENCIA"|COMUNA1=="SANTIAGO",by=CAUSA__CON], aes(x=CAUSA__CON,))+ geom_bar()+theme(axis.text.x =element_text(angle=90, vjust=10),axis.text.x.top = element_text(size=10),plot.title = element_text(size=10)) + ggtitle("Causas accidentes", subtitle = "Santiago y Providencia") + xlab("Causa accidente") + ylab("Número de Accidentes") + labs(caption = "Fuente:Profesor") + facet_wrap(facets = "COMUNA1")

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=bici,aes(x=Leves, y=porc_bueno))+geom_point() + ggtitle("Cantidad de Accidentes", subtitle = "segun propocion que ocurren en un buen estado de calzada") + xlab("Accidentes Leves") + ylab("Porcion Calzada buen estado") + labs(caption = "Fuente:Profesor")

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=bici,aes(x=Graves>0, y=porc_bueno))+geom_point() + ggtitle("Cantidad de Accidentes", subtitle = "segun propocion que ocurren en un buen estado de calzada") + xlab("Accidentes Leves") + ylab("Porcion Calzada buen estado") + labs(caption = "Fuente:Profesor")

P12

Muestre gráficamente la cantidad de accidentes que hay para las distintas causas de accidentes.

ggplot(bici, aes(x=CAUSA__CON, y=Accidentes)) + geom_bar(stat= "identity") + theme(axis.text.x = element_text(angle=45, hjust=1))+ ggtitle("Cantidad de Accidentes", subtitle = "segun sus Causas") + xlab("Causa accidente") + ylab("Número de Accidentes") + labs(caption = "Fuente:Profesor")