Skip to content

geramargonzalez/UTEC-SiniestrosAnalisis

BranchesTags

Folders and files

NameName
Last commit message
Last commit date

Latest commit

 

History

12 Commits
src
src
 
 
README.md
README.md
 
 
siniestrosAnalisis.ipynb
siniestrosAnalisis.ipynb
 
 

Repository files navigation

UTEC - Análisis de Siniestros de Tránsito (Montevideo 2022)

Proyecto académico desarrollado en el marco del curso de Python de UTEC (Universidad Tecnológica del Uruguay).
El objetivo es aplicar técnicas de preprocesamiento y análisis exploratorio de datos (EDA) sobre el conjunto de datos de siniestros de tránsito ocurridos en Montevideo durante el año 2022.

📋 Tabla de Contenidos

  1. Descripción del Proyecto
  2. Estructura del Repositorio
  3. Requisitos Previos
  4. Fuente de Datos
  5. Paso 1 – Importación de Datos
  6. Paso 2 – Evaluación de Calidad de Datos
  7. Paso 3 – Tamaño del Conjunto de Datos
  8. Paso 4 – Preprocesamiento y Limpieza
  9. Paso 5 – Estadísticos Descriptivos
  10. Paso 6 – Datos Duplicados y Nulos
  11. Paso 7 – Análisis Exploratorio y Visualización
  12. Cómo Ejecutar el Proyecto
  13. Tecnologías Utilizadas

Descripción del Proyecto

Este proyecto analiza los siniestros de tránsito registrados en Montevideo, Uruguay, durante el año 2022. A través de técnicas de ciencia de datos se busca identificar patrones relacionados con:

  • Distribución de edades de los involucrados
  • Roles de las personas (conductor, pasajero, peatón)
  • Tipos de vehículos involucrados
  • Resultados de los accidentes (ileso, herido leve, herido grave, fallecido)
  • Distribución temporal (día de la semana, hora del día, hora pico)
  • Distribución por sexo
  • Tipos de siniestros más frecuentes

Estructura del Repositorio

UTEC-SiniestrosAnalisis/
├── README.md                      # Documentación del proyecto
└── src/
    ├── SiniestrosDATABASE.py      # Script de preprocesamiento y limpieza de datos
    ├── EntregaFinal.py            # Script de análisis exploratorio y visualizaciones
    ├── dataFrame.py               # Ejercicios de aprendizaje con Pandas DataFrames
    ├── clase6Pandas.py            # Ejercicios de aprendizaje con Pandas Series
    └── holaMundo.py               # Script de prueba inicial

Requisitos Previos

Asegurarse de tener instalado Python 3.8+ y las siguientes librerías:

pip install pandas numpy matplotlib seaborn plotly

Fuente de Datos

  • Dataset: Siniestros de tránsito Montevideo 2022
  • Proveedor: Intendencia de Montevideo – Catálogo de Datos Abiertos
  • URL de descarga: 
    https://ckan-data.montevideo.gub.uy/dataset/d8b39296-5fcf-4a8e-ac9f-d02a24698b97/resource/f1157e84-9577-4d8f-b2f3-92c1d720ae93/download/siniestros2022.csv
  • Formato: CSV
  • Observaciones originales: 7.802 filas × 19 columnas

Variables del Dataset

Variable Tipo Descripción
Fecha Fecha Fecha del siniestro
Hora Hora Hora en que ocurrió
Dia_de_la_semana Categórica Día de la semana
Momento_dia Categórica Momento del día (mañana, tarde, noche)
Hora_pico Binaria Si ocurrió en hora pico (1) o no (0)
Rol Categórica Rol de la persona involucrada
Tipo_de_resultado Categórica Resultado del accidente
Tipo_de_siniestro Categórica Clasificación del siniestro
Sexo Categórica Sexo de la persona
Edad Numérica Edad de la persona
Tipo_de_Vehiculo Categórica Tipo de vehículo involucrado
Zona Categórica Zona urbana o rural
Calle Texto Nombre de la calle
Localidad Categórica Localidad del accidente
Usa_casco Categórica (Eliminada por exceso de nulos)
Usa_cinturon Categórica (Eliminada por exceso de nulos)

Paso 1 – Importación de Datos

Script: src/SiniestrosDATABASE.py

El dataset se importa directamente desde la URL pública del catálogo de datos de Montevideo usando pandas.read_csv():

import pandas as pd
import numpy as np

dataUy = pd.read_csv('https://ckan-data.montevideo.gub.uy/.../siniestros2022.csv')
dataUy.head()

Paso 2 – Evaluación de Calidad de Datos

Script: src/SiniestrosDATABASE.py

Se realiza una evaluación de calidad aplicando las siguientes técnicas:

2.1 Normalización de Nombres de Columnas

Se estandarizan los nombres de columnas reemplazando espacios por guiones bajos (_) y corrigiendo problemas de codificación de caracteres especiales:

def clean_column_name(col):
    col = col.strip().replace(" ", "_")
    return col

dataUy.columns = [clean_column_name(col) for col in dataUy.columns]

# Corrección de errores de codificación
dataUy.rename(columns={
    'Usa_cinturI²n': 'Usa_cinturon',
    'DI²a_de_la_semana': 'Dia_de_la_semana'
}, inplace=True)

2.2 Eliminación de Espacios en Blanco

dataUy = dataUy.applymap(lambda x: x.strip() if isinstance(x, str) else x)

2.3 Tratamiento de Valores Faltantes

Los datos faltantes no aparecen como NaN, sino como la cadena "SIN DATOS". Se los reemplaza correctamente:

  • Variable numérica Edad: se reemplaza "SIN DATOS" por NaN y se convierte a float.
  • Variables categóricas (Usa_casco, Calle, Localidad, Tipo_de_Vehiculo, Zona, Usa_cinturon, Sexo): se reemplaza "SIN DATOS" por None.
dataUy['Edad'] = dataUy['Edad'].replace('SIN DATOS', np.nan).astype(float)

columns_to_replace = ['Usa_casco', 'Calle', 'Localidad', 'Tipo_de_Vehiculo', 'Zona', 'Usa_cinturon', 'Sexo']
for col in columns_to_replace:
    dataUy[col] = dataUy[col].replace('SIN DATOS', None)

2.4 Conversión de Variables de Fecha y Hora

dataUy['Fecha'] = pd.to_datetime(dataUy['Fecha'], format='mixed')
dataUy['Hora']  = pd.to_datetime(dataUy['Hora'], format='%H').dt.time

# Variable combinada Fecha + Hora
dataUy['Fecha_Hora'] = dataUy.apply(
    lambda row: pd.Timestamp.combine(row['Fecha'], row['Hora']), axis=1
)

Paso 3 – Tamaño del Conjunto de Datos

print(dataUy.shape)
# Resultado: (7802, 19)
# 7.802 observaciones × 19 variables originales

Paso 4 – Preprocesamiento y Limpieza

Script: src/SiniestrosDATABASE.py

4.1 Eliminación de Columnas con Alta Proporción de Nulos

Se identificó que Usa_cinturon y Usa_casco tienen más del 20% de datos nulos, por lo que se eliminan:

print(dataUy.isnull().sum() * 100 / len(dataUy))

dataUy = dataUy.drop(columns='Usa_cinturon')
dataUy = dataUy.drop(columns='Usa_casco')
# Dataset resultante: 7.802 observaciones × 17 variables

4.2 Corrección de Errores Tipográficos en Variables Categóricas

Se verifican los valores únicos de cada variable categórica contra la metadata oficial y se corrigen los errores encontrados:

# Error tipográfico en Tipo_de_siniestro
dataUy['Tipo_de_siniestro'] = dataUy['Tipo_de_siniestro'].replace(
    'COLISION CON OBSTICULO EN CALZADA',
    'COLISION CON OBSTACULO EN CALZADA'
)

# Error tipográfico en Dia_de_la_semana
dataUy['Dia_de_la_semana'] = dataUy['Dia_de_la_semana'].replace('SIBADO', 'SABADO')

4.3 Homogeneización de Tipo de Vehículo

La variable Tipo_de_Vehiculo contiene valores extra no contemplados en la metadata. Se aceptan los que aportan información relevante (CAMIONETA, MOTOCICLETA, CICLOMOTOR, TRICICLO) y se reclasifican los inválidos como OTRO:

dataUy['Tipo_de_Vehiculo'] = dataUy['Tipo_de_Vehiculo'].replace('PEATON', 'OTRO')
dataUy['Tipo_de_Vehiculo'] = dataUy['Tipo_de_Vehiculo'].replace('CHAPA MATRICULA', 'OTRO')

4.4 Exportación del Dataset Preprocesado

El dataset limpio se exporta como CSV para ser utilizado en la etapa de análisis:

dataUy.to_csv('preprocesamiento_siniestros2022.csv', index=False)

Paso 5 – Estadísticos Descriptivos

dataUy.describe()

Permite obtener estadísticos principales (media, desvío estándar, mínimo, máximo, cuartiles) para las variables numéricas del dataset, principalmente Edad.

Paso 6 – Datos Duplicados y Nulos

# Verificación de duplicados
dataUy.duplicated().sum()

# Porcentaje de nulos por columna
print(dataUy.isnull().sum() * 100 / len(dataUy))

Paso 7 – Análisis Exploratorio y Visualización

Script: src/EntregaFinal.py

Se carga el dataset preprocesado y se generan visualizaciones para cada variable de interés. Todos los gráficos utilizan paletas compatibles con daltonismo (seaborn colorblind).

Carga del Dataset Preprocesado

import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns
import plotly.express as px

df = pd.read_csv('preprocesamiento_siniestros2022.csv')

Visualizaciones Generadas

# Variable Tipo de Gráfico Descripción
1 Edad Histograma + KDE Distribución de la edad de los involucrados
2 Edad Boxplot Diagrama de caja de la variable edad
3 Rol Barras (countplot) Frecuencia por rol (conductor, pasajero, peatón)
4 Rol Gráfico circular Proporción de cada rol sobre el total
5 Tipo_de_resultado Barras (countplot) Distribución por tipo de resultado
6 Tipo_de_siniestro Barras (countplot) Distribución por tipo de siniestro
7 Dia_de_la_semana Barras (countplot) Siniestros por día de la semana
8 Sexo Barras (countplot) Distribución por sexo
9 Sexo Gráfico de dona Proporción por sexo
10 Tipo_de_Vehiculo Barras (countplot) Distribución por tipo de vehículo
11 Momento_dia Barras (countplot) Distribución por momento del día
12 Hora_pico Barras (countplot) Siniestros en hora pico vs. fuera de hora pico
13 Hora_pico Gráfico circular Proporción de siniestros en hora pico

Cómo Ejecutar el Proyecto

1. Clonar el repositorio

git clone https://github.com/geramargonzalez/UTEC-SiniestrosAnalisis.git
cd UTEC-SiniestrosAnalisis

2. Instalar dependencias

pip install pandas numpy matplotlib seaborn plotly

3. Ejecutar el preprocesamiento

python src/SiniestrosDATABASE.py

Esto descargará el dataset original, lo limpiará y generará el archivo preprocesamiento_siniestros2022.csv en el directorio de trabajo.

4. Ejecutar el análisis y visualizaciones

Antes de ejecutar, editar la variable file_path en src/EntregaFinal.py para que apunte al archivo generado en el paso anterior:

file_path = "preprocesamiento_siniestros2022.csv"

Luego ejecutar:

python src/EntregaFinal.py

Se generarán los 13 gráficos detallados en el Paso 7.

Tecnologías Utilizadas

Tecnología Versión recomendada Uso
Python 3.8+ Lenguaje principal
Pandas ≥1.5 Manipulación y análisis de datos
NumPy ≥1.23 Operaciones numéricas
Matplotlib ≥3.6 Visualizaciones estáticas
Seaborn ≥0.12 Visualizaciones estadísticas
Plotly Express ≥5.0 Gráficos interactivos

Proyecto desarrollado por el equipo de UTEC Python – 2022/2023.

About

No description, website, or topics provided.

Resources

Readme
Activity

Stars

0 stars

Watchers

1 watching

Forks

0 forks
Report repository

Releases

No releases published

Packages

 
 
 

Contributors

Languages