Accidentalidad en Barranquilla

Nombre: Mariana Arboleda

Vamos a continuar explorando nuestros datos, ahora directamente en Python, sin utilizar interfaces gráficas

Siempre importamos los paquetes que vamos a utilizar. En este caso utilizamos Pandas para el manejo de los datos y Plotly para graficar (existen muchas más librerías, pero esta es mi favorita)

config_chart = { 'scrollZoom': True, 'displaylogo': False, 'responsive': True, 'editable': True, 'toImageButtonOptions': { 'format': 'png', # one of png, svg, jpeg, webp 'filename': 'custom_image', 'height': None, 'width': None, 'scale': 6 # Multiply title/legend/axis/canvas sizes by this factor } }

import pandas as pd import plotly.express as px

Luego leemos los datos y exploramos sus características básicas

accidentes = pd.read_csv('Accidentalidad_en_Barranquilla.csv')

Revisamos las primeras n filas para tener una idea de cómo se ven los datos. Deepnote es bastante robusto y nos permite visualizar n grandes.

accidentes

Miramos el tamaño de nuestra base de datos para conocer cuántas filas y columnas tiene

accidentes.shape

El resultado anterior significa que nuestros datos tienen 42178 filas y 11 columnas y lo podemos imprimir así:

print(f"El set de datos tiene {accidentes.shape[0]} filas y {accidentes.shape[1]} columnas")

Por último revisamos qué tan completos están los datos.

accidentes.info()

Hay muchos datos nulos en las variables CANT_MUERTOS_... y en CANT_HERIDOS_EN... veamos de qué se trata.

Preprocesamiento

A este paso de "dejar los datos listos" lo llamamos preprocesamiento de datos (data wrangling en los tutoriales de internet). Empecemos por entender qué son los datos nulos y cómo los podemos "rellenar"

accidentes[accidentes['CANT_HERIDOS_EN _SITIO_ACCIDENTE'].isna()]

¿Qué significan los datos nulos? (responde en wooclap)

"Rellenemos" los datos nulos con un valor más significativo

accidentes.loc[:,'CANT_HERIDOS_EN _SITIO_ACCIDENTE'] = accidentes.loc[:,'CANT_HERIDOS_EN _SITIO_ACCIDENTE'].fillna(0) ### Haz lo mismo para la cantidad de muertos

accidentes[accidentes['CANT_HERIDOS_EN _SITIO_ACCIDENTE'].isna()]

accidentes

Ya sabemos qué datos tenemos. Ahora, a pensar como detectives

¿Qué nos podemos preguntar? (Responde en wooclap)

¿Qué día suelen suceder más accidentes?

Variable de interés: Cantidad TOTAL de accidentes

Respecto a: los días de la semana

Método de agrupación: suma

El código de abajo crea una tabla dinámica de los datos. En index va la variable que quiero en el eje X, en values va la variable que quiero en el eje Y

pivot = (accidentes .pivot_table( index=['DIA_ACCIDENTE'], values='CANTIDAD_ACCIDENTES', aggfunc='sum')) pivot = pivot.reset_index() pivot

fig = px.bar(pivot, x='DIA_ACCIDENTE', y='CANTIDAD_ACCIDENTES', color=None, facet_row=None, facet_col=None, color_discrete_sequence=px.colors.qualitative.Safe, barmode='stack', text='CANTIDAD_ACCIDENTES' ) fig.update_traces(textposition='outside', texttemplate='%{text}') fig.show()

Pero no tiene sentido ordenar alfabéticamente los días. agregamos el argumento category_orders

fig = px.bar(pivot, x='DIA_ACCIDENTE', y='CANTIDAD_ACCIDENTES', color=None, facet_row=None, facet_col=None, color_discrete_sequence=px.colors.qualitative.Pastel, barmode='stack', text='CANTIDAD_ACCIDENTES', category_orders={'DIA_ACCIDENTE':['Lun','Mar', "Mié",'Jue','Vie','Sáb','Dom']}, title='Cantidad de accidentes por día de la semana' ) fig.update_traces(textposition='outside', texttemplate='%{text}') fig.show()

¿Cómo ha cambiado la cantidad de accidentes según la gravedad, en los últimos años?

Variable de interés: Cantidad de accidentes

Respecto a: Año y gravedad

Agrupación: suma

pivot_2 = accidentes.pivot_table(index=['AÑO_ACCIDENTE','GRAVEDAD_ACCIDENTE'], values='CANTIDAD_ACCIDENTES', aggfunc='sum') pivot_2 = pivot_2.reset_index() pivot_2

fig_2 = px.bar(pivot_2, x='AÑO_ACCIDENTE',color='GRAVEDAD_ACCIDENTE', y='CANTIDAD_ACCIDENTES', facet_row=None, facet_col=None, color_discrete_sequence=px.colors.qualitative.Set2, barmode='group', text='CANTIDAD_ACCIDENTES', ) fig_2.update_traces(textposition='outside', texttemplate='%{text}') fig_2.show()

Tu pregunta aquí:

### Tu código aquí

Esto es un proceso cíclico: ¿Necesitamos preparar más nuestros datos?¿Qué otras variables se nos ocurren?

Estilito: https://plotly.com/python/styling-plotly-express/

¿Cuántos accidentes han habido por DÍA y MOMENTO DEL DÍA en total?

## Tabla dinámica

## Gráfica

¿Cómo se ven TODOS los accidentes por fecha?

accidentes['FECHA_ACCIDENTE'] = pd.to_datetime(accidentes['FECHA_ACCIDENTE']) pivot_dia = accidentes.pivot_table(index=['FECHA_ACCIDENTE','MOMENTO_DIA'], values='CANTIDAD_ACCIDENTES', aggfunc='sum').reset_index()

fig_dia = px.line(pivot_dia, x='FECHA_ACCIDENTE', y='CANTIDAD_ACCIDENTES', color='MOMENTO_DIA') fig_dia.update_traces(marker={ "opacity": 0.2, }) fig_dia.show()