Análisis de los crímenes en Europa desde 1993 hasta 2007
Adrián García Sierra y Teodoro Mounier Tebas
2019-12-13
Introducción
Hemos elegido hacer nuestro análisis con datos sobre los diferentes delitos que hay en Europa. Para ello hemos descargado de Eurostat un Data Frame que recoge los delitos registrados por la policía en función de la categoría de delito, ( número de delincuentes) aquí lo teneis.
1-LOS DATOS
1.1 Datos originales
- Antes llamamos a los paquetes que nos haran falta :
library(tidyverse)
library(eurostat)
library(rio)
library(gganimate)
library(viridis)
library(summarytools)
library(kableExtra)
library(gridExtra)- Los datos originales recogen 6 tipos de delitos:
- Homicidios
- Actos que causan daño o pretenden causar daño a la persona, actos lesciosos de naturaleza sexual y actos contra la propiedad que impliquen violencia o amenaza contra una persona
- Robos
- Robos en residencias privadas
- Robo de vehículo terrestre motorizado
- Actos ilícitos que implican drogras o precursores controlados
para 39 paises Europeos, desde 1993 hasta 2007.
1.2 Descargar los datos
- Vamos a descargar los datos con el paquete de Eurostat directamente y empezar a limpiarlos con algunas funcciones del Tidyverse :
df <- get_eurostat("crim_gen",time_format = 'raw')
df <- label_eurostat(df, code = c("geo","iccs"))
df <- df %>% select(geo_code,geo,iccs_code,iccs,time,values) %>%
mutate(time = as.numeric(time)) %>%
rename(infraccion = iccs, code_pais = geo_code, pais = geo, anyo = time, numinf = values)Los datos tienen 6 variables y recogen en total 3532 valores.
1.3 Limpiar los datos
- Vamos a limpiar los datos para que el analisis resulte más fácil :
- Vamos a quitar la información que se solapa como por ejemplo los valores de Francia , ya que son los mismos que Francia Metropolitan.
- Vamos a quitar el Total.
- Vamos a asignar otros nombres a las infracciones con la funccion case_when.
df <- df %>% filter(code_pais !="FX" & iccs_code != "TOTAL") %>% filter(code_pais !="TR") #Quito Turquia tambien ^^
df <-df %>% mutate(infraccion = case_when(
infraccion == "Intentional homicide" ~ "Homicidios",
infraccion == "Acts causing harm or intending to cause harm to the person, injurious acts of a sexual nature and acts against property involving violence or threat against a person" ~ "Actos violentos",
infraccion == "Robbery" ~ "Robos",
infraccion == "Burglary of private residential premises" ~ "Robo en residencias privadas",
infraccion == "Theft of a motorized land vehicle" ~ "Robo de vehiculos",
infraccion == "Unlawful acts involving controlled drugs or precursors" ~ "Actos ilicitos con drogas", TRUE ~ as.character(infraccion)))
df <-df %>% mutate(pais = case_when(
pais == "Germany (until 1990 former territory of the FRG)" ~ "Germany",
pais == "England and Wales" ~ "RU",
TRUE ~ as.character(pais)))Ahora nos quedan 6 variables y recogen 2830 valores.
Para no volver a empenzar desde 0 hemos exportado nuestro df limpio en nuestra carpeta de datos del proyecto.
rio::export(df, "./datos/df_crim_gen.rds")1.4 ¿Cómo son los datos?
- Con la funccion str() podemos el tipo de datos de os que disponemos:
## Classes 'tbl_df', 'tbl' and 'data.frame': 2830 obs. of 6 variables:
## $ code_pais : Factor w/ 39 levels "AT","BE","BG",..: 1 2 3 4 5 6 7 8 9 10 ...
## $ pais : chr "Austria" "Belgium" "Bulgaria" "Switzerland" ...
## $ iccs_code : Factor w/ 7 levels "ICCS0101","ICCS02-04",..: 1 1 1 1 1 1 1 1 1 1 ...
## $ infraccion: chr "Homicidios" "Homicidios" "Homicidios" "Homicidios" ...
## $ anyo : num 2007 2007 2007 2007 2007 ...
## $ numinf : num 45 211 169 51 11 126 757 76 93 128 ...- Y con la funccion dfSummary tenemos un resumen de estos :
## Data Frame Summary
## df
## Dimensions: 2830 x 6
## Duplicates: 0
##
## ----------------------------------------------------------------------------------------------------------------------------------
## No Variable Stats / Values Freqs (% of Valid) Graph Valid Missing
## ---- ------------- -------------------------------- ---------------------- ------------------------------------ -------- ---------
## 1 code_pais 1. AT 74 ( 2.6%) 2830 0
## [factor] 2. BE 48 ( 1.7%) (100%) (0%)
## 3. BG 70 ( 2.5%)
## 4. CH 74 ( 2.6%)
## 5. CY 90 ( 3.2%)
## 6. CZ 81 ( 2.9%)
## 7. DE 86 ( 3.0%)
## 8. DK 83 ( 2.9%)
## 9. EE 83 ( 2.9%)
## 10. EL 87 ( 3.1%)
## [ 29 others ] 2054 (72.6%) IIIIIIIIIIIIII
##
## 2 pais 1. Cyprus 90 ( 3.2%) 2830 0
## [character] 2. Hungary 90 ( 3.2%) (100%) (0%)
## 3. Italy 90 ( 3.2%)
## 4. Lithuania 90 ( 3.2%)
## 5. Norway 90 ( 3.2%)
## 6. Netherlands 89 ( 3.1%)
## 7. Poland 89 ( 3.1%)
## 8. Scotland 89 ( 3.1%)
## 9. Northern Ireland (UK) 88 ( 3.1%)
## 10. Romania 88 ( 3.1%)
## [ 27 others ] 1937 (68.5%) IIIIIIIIIIIII
##
## 3 iccs_code 1. ICCS0101 499 (17.6%) III 2830 0
## [factor] 2. ICCS02-04 460 (16.2%) III (100%) (0%)
## 3. ICCS0401 469 (16.6%) III
## 4. ICCS05012 478 (16.9%) III
## 5. ICCS050211 467 (16.5%) III
## 6. ICCS0601 457 (16.2%) III
## 7. TOTAL 0 ( 0.0%)
##
## 4 infraccion 1. Actos ilicitos con drogas 457 (16.2%) III 2830 0
## [character] 2. Actos violentos 460 (16.2%) III (100%) (0%)
## 3. Homicidios 499 (17.6%) III
## 4. Robo de vehiculos 467 (16.5%) III
## 5. Robo en residencias priva 478 (16.9%) III
## 6. Robos 469 (16.6%) III
##
## 5 anyo Mean (sd) : 2000.7 (4.2) 15 distinct values . : : 2830 0
## [numeric] min < med < max: : : : : (100%) (0%)
## 1993 < 2001 < 2007 : : : . . : . :
## IQR (CV) : 7 (0) : : : : : : : : : :
## : : : : : : : : : :
##
## 6 numinf Mean (sd) : 31370.1 (81961.6) 2387 distinct values : 2830 0
## [numeric] min < med < max: : (100%) (0%)
## 0 < 4645.5 < 997607 :
## IQR (CV) : 21996 (2.6) :
## : .
## ----------------------------------------------------------------------------------------------------------------------------------2-PREGUNTAS INTERESANTES
2.1 ¿Cuál es la evolución de los delitos en Europa?
- Dejamos el código para el primer mapa :
df1a <- df %>% filter(iccs_code == "ICCS0101") %>%
group_by(anyo, numinf) %>%
arrange(numinf) %>%
ungroup() %>%
group_by(iccs_code) %>%
mutate(cat_inf = cut_to_classes(numinf, n = 6)) %>%
ungroup()
geometrias <- get_eurostat_geospatial(resolution = "20", nuts_level = "0")
mapdata <- full_join(df1a, geometrias, by = c("code_pais" = "id"))
mapdata_1a <- mapdata %>% filter(iccs_code == "ICCS0101", anyo %in% c(1994,2000,2007))
p <- ggplot(mapdata_1a) +
geom_sf(aes(fill = cat_inf, geometry = geometry), color = "black", size = .1) +
facet_wrap( ~ anyo) +
scale_fill_brewer(palette = "RdYlBu", direction = -1) +
labs(title = "Número de homicidios en Europa en 1994, 2000 y 2007",
subtitle = "(Para Europa)",
fill = "Intencional homicide",
caption = "Datos Eurostat") +
theme_linedraw() +
coord_sf(xlim = c(-10,29), ylim = c(35,70))
p <- p + theme(plot.title = element_text(face = "bold"))+
theme(axis.title.y = element_text(size=8))+
theme(axis.title.x = element_text(size=8))
p
2.2 ¿Cuales son los 5 países europeos donde hay más infracciones en funccion de cada tipo de estas? (homicidios, Robos, Actos violentos, etc)
- Arreglamos un poco el df pasando a df2:
df2 <- df %>% select(anyo, pais, infraccion, numinf) %>%
group_by(anyo, pais, infraccion) %>%
summarise(sum(NN = numinf)) %>%
ungroup() %>%
rename(numinf_total = 4)- Como antes, para el Primer Grafico dejamos el Código asi podeis ver cómo lo hemos hecho :
df2a <- df2 %>% filter(infraccion == "Robos" & anyo == 2007) %>%
group_by(pais) %>%
summarise(sum(NN = numinf_total)) %>%
ungroup() %>%
rename(numinf_robos = 2) %>%
arrange(desc(numinf_robos)) %>%
slice(c(1:5))
df2a <- df2a %>%
mutate(numinf_robos = forcats::as_factor(numinf_robos)) %>%
mutate(numinf_robos = forcats::fct_infreq(numinf_robos))
p <- ggplot(df2a) +
geom_col(mapping = aes(x = pais, y = fct_infreq(numinf_robos), fill = pais)) +
scale_fill_brewer(palette = "Spectral", direction = -1) +
labs(title = "5 Países con más robos en 2007",
fill = "Paises",
caption = "Datos Eurostat") +
ylab(label = "Número de robos") +
theme_classic()
p <- p + theme(plot.title = element_text(face = "bold"))+
theme(axis.title.y = element_text(size=8))+
theme(axis.title.x = element_text(size=8))
p
2.3 ¿Cuál es la proporción de cada infraccion en las infracciones totales para Francia, Alemania, Espana, Italia?
a) Para Francia :
- Así hemos arreglado el df :
df3a <- df %>% select(anyo, pais, infraccion, numinf) %>%
filter(pais == "France" & anyo == 2007) %>%
mutate(Prop_infraccion = (numinf/sum(numinf))*100) %>%
arrange(Prop_infraccion) %>%
ungroup()
df3b <- df3a %>% mutate(Prop_infraccion = forcats::as_factor(Prop_infraccion))
df3b <- df3b %>% mutate(Prop_infraccion = forcats::fct_infreq(Prop_infraccion))
b) Para España :
c) Para Francia, España, Alemania,RU al mismo tiempo:
2.4 Mostrar la evolución del número de actos ílicitos en Europa y comparar
a) En toda Europa desde el año 1993 hasta el 2007 en un único gráfico:
Para ello hemos reescalado las infracciones para poder enseñarlas en el mismo gráfico y sobre todo poder comparar las evoluciones en terminos relativos.
df4a <- df %>% select(anyo, pais, infraccion, numinf) %>%
group_by(anyo, infraccion) %>%
summarise(sum(NN = numinf)) %>%
ungroup() %>%
rename(numinf_total = 3)
#Reescalamos con la funccion rescaled_inf :
df4a <-df4a %>% group_by(infraccion) %>%
mutate(rescaled_inf = 100*numinf_total/numinf_total[1])- La gráfica :
b) Vamos a comparar las evoluciones de cada tipo de delito entre Francia y España:
3-OTRAS PREGUNTAS INTERESANTES
3.1 ¿Están Francia y España por debajo o por encima de la media europea en números de infraccion?
Hemos conseguido contestar a esta pregunta con la funccion case_when().
* El código es :
df_1 <-df %>%
select(anyo,code_pais,pais,infraccion,numinf) %>%
group_by(pais) %>%
mutate(mean_pais = mean(numinf)) %>%
ungroup()%>%
mutate(mean_europ = mean(numinf)) %>%
mutate(GOOD_or_BAD = case_when(
mean_pais > mean_europ ~ "Bad",
mean_pais < mean_europ ~ "Good"))- Despues hemos descargado las geometrias del Eurostat :
geometrias <- get_eurostat_geospatial(resolution = "20", nuts_level = "0")
mapdata <- full_join(df_1, geometrias, by = c("code_pais" = "id"))- Y sale un gráfico así :
3.2 Muestra la evolución del número de infracciones por cada tipo para Francia y España
Como ya hemos contestado un poco a esta pregunta en los apartados anteriores ahora lo vamos a hacer pero de manera dinámica con el paquete gganimate.
a) Para los Homicidios :
- El código es :
df_2a <- df %>% filter(pais %in% c("Spain","France") & infraccion == "Homicidios")
p<-ggplot(df_2a, aes(anyo, numinf, group =pais, colour = pais)) +
geom_line() +
geom_point() +
scale_colour_manual(values = c(France = "blue", Spain = "red")) +
labs(title ="Evolución de los homicidios en Francia y España",
subtitle = "(Desde 1993 hasta 2007)",
caption = "Datos de Eurostat",
y = "Número de homicidios") +
scale_x_continuous(breaks = seq(1993, 2007, 2), limits = c(1993, 2007)) +
transition_reveal(anyo)+
theme_linedraw()
p <-p + theme(plot.title = element_text(face = "bold")) +
theme(axis.title.y = element_text(size=12)) +
theme(axis.title.x = element_text(size=12))
p
b) Para los delitos relacionados con drogas :
c) Para el resto de infracciones :
3.3 ¿Una Tabla?
Para la tabla hemos realizado una tabla que recoge para cada país el porcentaje de cada tipo de infraccion sobre las infracciones totales del país.
- Entonces el código es este :
df_3 <- df %>% select(2,4,6) %>%
group_by(pais) %>%
mutate(numinf_total = sum(NN = numinf)) %>%
group_by(pais,infraccion) %>%
mutate(numinf_by_inf_and_country = sum(NN = numinf)) %>%
mutate(percent = (numinf_by_inf_and_country/numinf_total)*100) %>%
select(1,2,6) %>%
slice(1:218) %>%
mutate(row_num = 1:n()) %>%
pivot_wider(names_from = infraccion, values_from = percent) %>%
filter(row_num == "1") %>% select(-2) %>% mutate(Total = "100%")
#Para hacer la Tabla :
knitr::kable(df_3,format = "html") %>%
kableExtra::kable_styling(bootstrap_options = c("striped", "hover"),fixed_thead = list(enabled = T, background = "lightgrey"))| pais | Actos ilicitos con drogas | Actos violentos | Homicidios | Robo de vehiculos | Robo en residencias privadas | Robos | Total |
|---|---|---|---|---|---|---|---|
| Austria | 4.1408903 | 49.084041 | 0.1298585 | 12.650911 | 28.525119 | 5.4691801 | 100% |
| Belgium | 4.8101086 | 43.273095 | 0.0975377 | 14.550799 | 26.991683 | 10.2767762 | 100% |
| Bulgaria | 2.3132794 | 13.362142 | 0.5215756 | 2.948007 | 73.032978 | 7.8220177 | 100% |
| Croatia | 29.5185755 | 42.131377 | 0.8129488 | 8.150941 | 13.008093 | 6.3780645 | 100% |
| Cyprus | 10.0023282 | 6.207353 | 0.2632663 | 34.822788 | 47.559862 | 1.1444025 | 100% |
| Czechia | 2.6535607 | 33.012907 | 0.2052390 | 38.850147 | 18.302592 | 6.9755544 | 100% |
| Denmark | 1.5520067 | 18.094992 | 0.0760375 | 40.509286 | 34.376261 | 5.3914171 | 100% |
| Estonia | 3.2033462 | 14.633031 | 1.1691045 | 16.086877 | 50.197709 | 14.7099322 | 100% |
| Finland | 10.4016105 | 45.379758 | 0.1840150 | 29.332181 | 12.631397 | 2.0710390 | 100% |
| France | 0.7229428 | 27.123103 | 0.1106335 | 38.896781 | 23.741546 | 9.4049941 | 100% |
| Germany | 10.3484691 | 30.865878 | 0.1696239 | 25.830197 | 25.023695 | 7.7621368 | 100% |
| Greece | 11.2088522 | 14.643157 | 0.2212833 | 12.095246 | 58.761444 | 3.0700174 | 100% |
| Hungary | 4.4185446 | 39.067228 | 0.3233566 | 20.581861 | 31.494514 | 4.1144956 | 100% |
| Iceland | 4.2412015 | NA | 0.1031159 | NA | 94.221027 | 1.4346559 | 100% |
| Ireland | 3.3131156 | 17.074680 | 0.1219067 | 32.507252 | 44.226405 | 2.7566397 | 100% |
| Italy | 5.3276338 | 16.806000 | 0.1219987 | 40.155057 | 27.276840 | 10.3124695 | 100% |
| Latvia | 6.8459986 | 20.174485 | 1.9050779 | 23.618307 | 31.679772 | 15.7763598 | 100% |
| Liechtenstein | 57.9767775 | 16.987434 | 0.0318117 | 1.670113 | 22.634007 | 0.6998568 | 100% |
| Lithuania | 1.3356886 | 22.480755 | 1.6854910 | 21.690364 | 34.842473 | 17.9652286 | 100% |
| Luxembourg | 18.5048875 | 21.483515 | 0.0769213 | 11.928712 | 42.493669 | 5.5122956 | 100% |
| Malta | 3.5130719 | 8.277165 | 0.2246732 | 41.753472 | 35.355392 | 10.8762255 | 100% |
| Montenegro | 7.7861587 | 45.987000 | 0.4101637 | 2.182905 | NA | 43.6337725 | 100% |
| Netherlands | 4.0475033 | 36.153266 | 0.0705004 | 15.151472 | 38.188296 | 6.3889621 | 100% |
| North Macedonia | 10.4062267 | 24.345168 | 1.4962505 | 16.167324 | 32.963713 | 14.6213171 | 100% |
| Northern Ireland (UK) | 0.6833994 | 55.941477 | 0.0990863 | 18.744435 | 20.352201 | 4.1794022 | 100% |
| Norway | 22.8944866 | 28.305697 | 0.0580880 | 28.114278 | 18.675133 | 1.9523177 | 100% |
| Poland | 0.9514115 | 31.033885 | 0.3565053 | 23.839150 | 28.886794 | 14.9322543 | 100% |
| Portugal | 4.1201614 | 21.968659 | 0.1414159 | 28.480730 | 25.663949 | 19.6250841 | 100% |
| Romania | 3.3437008 | 23.379852 | 1.7942400 | 5.546310 | 55.178737 | 10.7571596 | 100% |
| RU | 1.4355064 | 43.248512 | 0.0539820 | 24.388840 | 25.086532 | 5.7866271 | 100% |
| Scotland | 9.0836018 | 27.153522 | 0.1211306 | 27.348229 | 31.548662 | 4.7448542 | 100% |
| Serbia | 4.3418617 | 42.328235 | 0.2538511 | 5.882788 | 10.981496 | 36.2117689 | 100% |
| Slovakia | 2.3237595 | 51.151398 | 0.4827373 | 27.337276 | 13.990279 | 4.7145505 | 100% |
| Slovenia | 13.2688521 | 36.132420 | 0.3711793 | 17.387328 | 26.342970 | 6.4972511 | 100% |
| Spain | 3.1026066 | 26.658567 | 0.1168904 | 30.504520 | 18.592730 | 21.0246859 | 100% |
| Sweden | 2.7896268 | 44.434158 | 0.0530046 | 38.677594 | 9.695354 | 4.3502635 | 100% |
| Switzerland | 8.6229240 | 10.234387 | 0.0812109 | NA | 76.403247 | 4.6582311 | 100% |
- con el paquete DT::datatable saldría esto :
DT::datatable(df_3)4- CONCLUSIÓN
4.1 Bibliografia
Para la realizacion del trabajo hemos utilizado todos los tutoriales de clase. Ademas hemos utilizado tutoriales de internet :
Para importar los datos : IMPORT
- Tutorial for the eurostat R package. Encontrado en internet et realizado por Leo Lahti, Janne Huovari, Markus Kainu, Przemyslaw Biecek.
Para limpiar los datos : TIDY
- El Cheatsheet del Tidyr. Que esta en la plataforma tidyverse.org.
Para transformar los datos : TRANSFORM
- R para Ciencia de Datos. Un libro de Garrett Grolemund y Hadley Wickham que estaba en la guia docente.
Para hacer las graficas : VISUALISE
The R Graph Gallery. Visto en clase.
Otra Galeria. No visto en clase.
Para comunicar los resultados : COMMUNICATE
- R Markdown: The Definitive Guide. Un libro de Yihui Xie, J. J. Allaire, Garrett Grolemund.