delitos2019.2020 <- read.csv("C:/Users/kamfc/Escritorio/Diplomatura en Ciudades/Ciencia de Datos (miercoles)/2022/INTRO-Datos/Data/delitos2019-2020.csv", stringsAsFactors = TRUE)Una vez cargado el dataset y ver que tiene más de 180.000 observaciones/registros y 12 variables, ahora empezamos a explorarlo:
Los nombres de las columnas son:
names (delitos2019.2020)## [1] "fecha" "franja_horaria" "anio" "mes"
## [5] "periodo" "tipo" "subtipo" "uso_armas"
## [9] "comuna" "victimas" "lat" "lon"Ya se identifica que los delitos estan clasificados por tipo, ubicación, fecha, victimas, entre otras.
head (delitos2019.2020)## fecha franja_horaria anio mes periodo tipo subtipo
## 1 01/01/20 10 2020 enero 2020-01 Hurto (sin violencia)
## 2 01/01/20 22 2020 enero 2020-01 Homicidio Femicidio
## 3 01/01/20 19 2020 enero 2020-01 Robo (con violencia)
## 4 01/01/20 17 2020 enero 2020-01 Robo (con violencia)
## 5 01/01/20 2 2020 enero 2020-01 Hurto (sin violencia)
## 6 01/01/20 5 2020 enero 2020-01 Robo (con violencia)
## uso_armas comuna victimas lat lon
## 1 10 NA -34.62664 -58.52761
## 2 11 1 -34.61127 -58.52539
## 3 10 NA -34.62543 -58.52501
## 4 10 NA -34.62543 -58.52501
## 5 11 NA -34.60679 -58.52073
## 6 9 NA -34.65520 -58.51430A partir de la información anterior, empezamos a ver como se carácterizan los delitos, según tipo sabemos que pueden ser por hurto, homicidio, robos, etc. incluso se entiende en que consiste el subtipo, Femicidio, por ejemplo.
Para entrar más en detalle hacemos un análisis estadístico:
summary(delitos2019.2020)## fecha franja_horaria anio mes
## 11-03-19: 468 Min. : 0.00 Min. :2019 enero :20372
## 20-03-19: 453 1st Qu.: 9.00 1st Qu.:2019 febrero :19538
## 13-09-19: 450 Median :14.00 Median :2019 marzo :17280
## 08-03-19: 444 Mean :13.06 Mean :2019 noviembre:16638
## 21-06-19: 440 3rd Qu.:18.00 3rd Qu.:2020 diciembre:16506
## 02-11-19: 433 Max. :23.00 Max. :2020 octubre :16000
## (Other) :186521 NA's :500 (Other) :82875
## periodo tipo subtipo
## 2019-03: 11247 Homicidio : 399 :169290
## 2019-01: 10507 Hurto (sin violencia):75015 Hurto Automotor: 7304
## 2019-05: 10435 Lesiones :16506 Siniestro Vial : 6581
## 2019-10: 10260 Robo (con violencia) :97289 Con uso de moto: 3734
## 2019-04: 10256 Robo Automotor : 2082
## 2019-02: 10141 Doloso : 205
## (Other):126363 (Other) : 13
## uso_armas comuna victimas lat
## : 59444 Min. : 1.00 Min. : 1.00 Min. :-34.70
## Arma cortante: 2258 1st Qu.: 3.00 1st Qu.: 1.00 1st Qu.:-34.63
## Arma de fuego: 5023 Median : 7.00 Median : 1.00 Median :-34.61
## SD :122484 Mean : 7.25 Mean : 1.17 Mean :-34.61
## 3rd Qu.:12.00 3rd Qu.: 1.00 3rd Qu.:-34.59
## Max. :15.00 Max. :16.00 Max. :-34.53
## NA's :1103 NA's :178704 NA's :1239
## lon
## Min. :-58.53
## 1st Qu.:-58.47
## Median :-58.43
## Mean :-58.43
## 3rd Qu.:-58.40
## Max. :-58.34
## NA's :1239Con esta información vemos que los delitos de robos (con violencia) son los más frecuentes y los delitos clasificados como homicidio son los menos. Pareciera que en la Comuna 15 es donde más ocurren los casos, pero a la vez observamos que hay 1103 registros que no tienen información.
Otro dato interesante es que en cuanto al uso de armas aplicadas a los delitos, se ve que el uso de arma de fuego es el doble que el uso de armas cortantes.
Además vemos que en el mes de enero es cuando más ocurren los delitos.
-FIN.