#Importamos las librerías necesarias import pandas as pd import numpy as np import matplotlib.pyplot as plt import plotly.express as px import seaborn as sns %matplotlib inline

#Cargue del archivo csv y muestra de las primeras 5 filas #/datasets/violencia/Estadistica/Bases/Violencia.csv df = pd.read_csv("/work/Violencia.csv") df.head(10)

df.dtypes

df.columns

df.describe()

df.shape

print(df.isnull().sum())

df.dtypes.value_counts()

#Agrupamos los casos de violencia por años df.groupby('año').size()

#Creamos una tabla que contenga la frecuencia relativa de los casos de violencia por años tabla = df.groupby("año", as_index=False).size() total = sum(tabla["size"]) #convertimos el año a string para poder ordenar el histrograma tabla['año']= tabla['año'].apply(str) tabla["Frecuencia Relativa"] = round(100*tabla["size"]/total,2) tabla

#Histograma casos por año barras = px.bar(tabla, x="año", y='size', color='size', title="CASOS DE VIOLENCIA POR AÑOS", text='size', width=700, height=500, labels={'Relativa':'Numero de Casos'}) barras.update_xaxes(showgrid=False, ticks="outside") barras.update_layout(xaxis={'categoryorder':'total descending'})

#Creamos un dataframe por género df.groupby('sexo_').size()

figura = px.pie(df, names="sexo_", title='Casos de Violencia por Genero', width=600, height=500, hole=0.3 , color='sexo_', color_discrete_sequence=px.colors.sequential.GnBu_r,) figura.update_traces(textposition='inside', textinfo='percent+label') figura.show()

#Creamos una tabla que contenga la frecuencia relativa de los casos de violencia tiposdeViolencia = df.groupby("def_naturaleza", as_index=False, dropna=False).size() tiposdeViolencia.loc[tiposdeViolencia['def_naturaleza'] == 'Sin informacion', 'def_naturaleza'] = 'Sin Informacion'

tab_2 = tiposdeViolencia.groupby("def_naturaleza", as_index=False, dropna=True).sum() total = sum(tab_2["size"]) tab_2["Porcentaje"] = round(100*tab_2["size"]/total,2) tab_2

#Diagrama de pastel que muestra los tipos de violencia figura = px.pie(df, names="def_naturaleza", title='Tipos de Violencia', width=900, height=700, hole=0.1 , color='def_naturaleza', color_discrete_sequence=px.colors.sequential.Blugrn_r) figura.update_traces(textposition='inside', textinfo='percent+label') figura.show()

#Creamos una tabla que contenga la frecuencia relativa de los casos de violencia Tabla1 = df.groupby("Ciclo de vida", as_index=False).size() Tabla1.loc[Tabla1['Ciclo de vida'] == 'ERROR: #N/A', 'Ciclo de vida'] = 'Infancia' total1 = sum(Tabla1["size"]) Tabla1["Frec Relativa"] = round(100*Tabla1["size"]/total1 ,2) Tabla1

barras1 = px.bar(Tabla1, x='Ciclo de vida', y="Frec Relativa", color='Frec Relativa' , title="Casos por grupo etereo", text_auto=True, width=700, height=600) barras1.update_layout(xaxis={'categoryorder':'total descending'}) barras1.update_xaxes(showgrid=True, ticks="outside") barras1.show()

TipoViolencia = df[df["Ciclo de vida"]=='Primera infancia'] TipoViolencia.head()

SinNA = df[df["Grupo edad"]!='ERROR: #N/A']

tabla=SinNA.groupby(["Grupo edad",'sexo_'], as_index=False).size() tabla.head()

import plotly.express as px fig = px.bar(tabla, x="Grupo edad", y="size", color='sexo_', barmode='group', title='Casos de violencia por edad y genero', labels={'size':'Casos Reportados'}, text_auto=True, height=400) fig.show()

datosMujeres = df[df["sexo_"]=="Femenino"] datosMujeres.shape

tabla2 = datosMujeres.groupby("def_naturaleza", as_index=False).size() total2 = sum(tabla2["size"]) tabla2["Relativa"] = round (100*tabla2["size"]/total2,2) tabla2

barras2 = px.bar(tabla2, x="def_naturaleza", y="Relativa", color='Relativa', title="Tipos de Violencia en las mujeres", labels={'Relativa':'% de Casos Reportados'}, text_auto=True, width=900, height=700) barras2.update_layout(xaxis={'categoryorder':'total descending'}) barras2.update_xaxes(showgrid=False, ticks="outside") barras2.show()

tabla6 = datosMujeres.groupby("Ciclo de vida", as_index=False).size() total6 = sum(tabla6["size"]) tabla6["Relativa"] = round (100*tabla6["size"]/total6, 2) tabla6

barras2 = px.bar(tabla6, x="Ciclo de vida", y="Relativa", color='Relativa', title="Ciclo de vida de las mujeres", labels={'Relativa':'% de Casos Reportados'}, text_auto=True,width=900, height=400) barras2.update_layout(xaxis={'categoryorder':'total descending'}) barras2.update_xaxes(showgrid=True, ticks="outside") barras2.show()

Jovenes = datosMujeres[datosMujeres["Ciclo de vida"]=="Jovenes"]

#Diagrama de pastel que muestra los tipos de violencia en las mujeres jovenes figura = px.pie(Jovenes, names="def_naturaleza", title='Tipos de Violencia en las mujeres Jóvenes', width=700, height=500, hole=0.1 , color='def_naturaleza', color_discrete_sequence=px.colors.sequential.Purp) figura.update_traces(textposition='inside', textinfo='percent+label') figura.show()

figura = px.pie(Jovenes, names="parentezco_vict", title='Tipos de agresor en las mujeres Jovenes', width=700, height=600, hole=0.1 , color='parentezco_vict', color_discrete_sequence=px.colors.sequential.Purp_r) figura.update_traces(textposition='inside', textinfo='percent+label') figura.show()

datosHombres = df[df["sexo_"]=="Masculino"] SinNAhom = datosHombres[datosHombres["Grupo edad"]!='ERROR: #N/A'] SinNAhom.shape

tabla3 = datosHombres.groupby("def_naturaleza", as_index=False).size() total3 = sum(tabla3["size"]) tabla3["Relativa"] = round (100*tabla3["size"]/total3, 2) tabla3

barras3 = px.bar(tabla3, x="def_naturaleza", y="Relativa", color='Relativa', title="Tipos de Violencia en los hombres", labels={'Relativa':'% de Casos Reportados'}, text_auto=True, width=900, height=700) barras3.update_layout(xaxis={'categoryorder':'total descending'}) barras3.update_xaxes(showgrid=False, ticks="outside") barras3.show()

tablahom = SinNAhom.groupby("Ciclo de vida", as_index=False).size() total = sum(tablahom["size"]) tablahom["Relativa"] = round (100*tablahom["size"]/total, 2) tablahom

grupo1 = SinNAhom[SinNAhom["Ciclo de vida"].isin(["Primera infancia", "Infancia", "Adolescencia"])]

tablahom1=grupo1.groupby(["Grupo edad",'def_naturaleza'], as_index=False).size() tablahom1.head()

fig = px.bar(tablahom1, x="Grupo edad", y="size", color='def_naturaleza', barmode='group', title='Casos de violencia por edad y tipo', labels={'size':'Casos Reportados'}, text_auto=True, height=600,width=1100) fig.update_layout(xaxis={'categoryorder':'total descending'}) fig.show()

Negligencia = SinNA.loc[:, 'def_naturaleza'] == 'Negligencia y abandono' df_Negligencia = SinNA.loc[Negligencia] df_Negligencia.head()

tabla4 = df_Negligencia.groupby("Ciclo de vida", as_index=False).size() total4 = sum(tabla4["size"]) tabla4["Relativa"] = round( 100*tabla4["size"]/total4, 2) tabla4

barras4 = px.bar(tabla4, x="Ciclo de vida", y="Relativa", color='Relativa', title="Negligencia y abandono por edades", labels={'Relativa':'% Casos Reportados'}, text_auto=True,width=800, height=400) barras4.update_layout(xaxis={'categoryorder':'total descending'}) barras4.update_xaxes(showgrid=True, ticks="outside") barras4.show()

tabla5 = df_Negligencia.groupby('sexo_', as_index=False).size() total5 = sum(tabla5["size"]) tabla5["Relativa"] = round (100*tabla5["size"]/total5,2) tabla5

figura = px.pie(df_Negligencia, names="sexo_", title='Abandono y Negligencia por Genero', width=700, height=500, hole=0.3 , color='sexo_', color_discrete_sequence=px.colors.sequential.Blugrn ) figura.update_traces(textposition='inside', textinfo='percent+label') figura.show()

df_Negligencia.iloc[:, [0,6,7,21]] # Seleccion de columnas por sexo y parentezco de la victima

figura2 = px.pie(df_Negligencia, names="parentezco_vict",title='Victimario', width=700, height=600) figura2.update_traces(textposition='inside', textinfo='percent+label') figura2.show()

SinNANegligencia = df_Negligencia[df["Tipo de Seguridad Social"]!='ERROR: #N/A'] SinNANegligencia.head()

figura3 = px.pie(SinNANegligencia, names="Tipo de Seguridad Social", title='Regimen de Salud', width=700, height=500) figura3.update_traces(textposition='inside', textinfo='percent+label') figura3.show()