require(leaflet)
## Loading required package: leaflet
require(RColorBrewer)
## Loading required package: RColorBrewer
require(classInt)
## Loading required package: classInt
casos=over(comunas,homicidios[,1],fn = length)
casos=as.numeric(unlist(casos))
comunas@data$casos=casos
lbls <- as.character(comunas$COMUNA)
spl <- list('sp.text', coordinates(comunas), lbls, cex=.6)
spplot(comunas[,6], col.regions= heat.colors(20,.95,.4), sp.layout = spl)
require(leaflet)
require(RColorBrewer)
require(classInt)
pal_fun <- colorQuantile("YlOrRd", NULL, n = 5)
breaks_qt <- classIntervals(comunas@data$casos, n = 5, style = "quantile")
m=leaflet(comunas) %>%
addPolygons(
stroke = FALSE,
fillColor = ~pal_fun(casos),
fillOpacity = 0.8, smoothFactor = 0.5,
popup = casos,
group = "Comunas") %>%
addTiles()%>%
addLegend("bottomright",
colors = brewer.pal(5, "YlOrRd"),
labels = paste0(format(breaks_qt$brks[-1], digits = 1)),
title = 'Homicidios- Cali')%>%
addLayersControl(baseGroups = c("OSM"),
overlayGroups = c("Comunas","Casos")) %>%
addMarkers(lng = homicidios_tabla$x,lat = homicidios_tabla$y,clusterOptions = markerClusterOptions(),label = homicidios_tabla$fechah,group = "Casos")
m
##Intervalo Horario:
Ihorario = homicidios$fh8
homicidios$EDAD=as.numeric(homicidios$EDAD)
g4 = ggplot(homicidios_tabla, aes(x = EDAD,fill=Ihorario))+ geom_bar()+theme_bw()
ggplotly(g4)
Como podemos observar en el grafico anterior, la mayoria de homicidios suceden en una franja horaria de 6 de la tarde a 12 de la media noche y son de jovenes entre los 15 a 30 años, y en cualquier hora del dia podemos ver que los picos mas altos estan en los jovenes de 18 a 20 años.
Mes = homicidios$mes
g5 = ggplot(homicidios_tabla, aes(x = Mes,fill=Mes))+ geom_bar()+theme_bw()
ggplotly(g5)
Podemos observar que el mes con mayor numero de homicidios es enero seguido de abril.