projeto.Rhistory

# Le a base de dados.
mydata <- read.csv("/Users/marcelodib/Desktop/IA/BO_2016.csv")

# Retira as colunas que não serao utilizadas para a analise.
# Sobrando Somente 3 colunas RUBIRCA, LATITUDE, LONGITUDE.
mydata <- mydata[,-1:-12]
mydata <- mydata[,-2:-3]
mydata <- mydata[,-4:-8]

# Converte os valores negativos para positivo
# Converte todos os valores NULL para Na.
# Joga os valores convertidos para duas novas colunas LAT e LNG
mydata["LAT"] <- as.numeric(as.character(mydata[,2])) * -1
mydata["LNG"] <- as.numeric(as.character(mydata[,3])) * -1

# Retira as colunas LATITUDE, LONGITUDE que possuem os valores não tratados
mydata <- mydata[,-2]
mydata <- mydata[,-2]

# Remove qualquer linha que possua um valor Na.
mydata <- mydata[rowSums(is.na(mydata)) == 0,]

# Instala o package tidyverse para realizar os tratamentos de filtro.
install.packages("tidyverse")
library(tidyverse)

# Transforma a base de dados em um data frame.
my_data <- as_tibble(mydata)

# Filtra a base de dados para somente casos de Furto.
my_furto <- my_data %>% filter(RUBRICA == "Furto (art. 155)")

# Filtra a base de dados para somente casos de Roubo.
my_roubo <- my_data %>% filter(RUBRICA == "Roubo (art. 157)")

# Filtra a base de dados para somente casos de Estupro.
my_estupro_1 <- my_data %>% filter(RUBRICA == "A.I.-Estupro de vulneravel (art.217-A)")
my_estupro_2 <- my_data %>% filter(RUBRICA == "Estupro (art.213)")
my_estupro_3 <- my_data %>% filter(RUBRICA == "Estupro de vulneravel (art.217-A)")

# Renomeia o nome dos crimes para somente um tipo, Estupro (art.213).
my_estupro_1$RUBRICA[my_estupro_1$RUBRICA == "A.I.-Estupro de vulneravel (art.217-A)"] <- "Estupro (art.213)"
my_estupro_3$RUBRICA[my_estupro_3$RUBRICA == "Estupro de vulneravel (art.217-A)"] <- "Estupro (art.213)"

# Agrupa todos os casos de estupro.
my_estupro <- rbind(my_estupro_1, my_estupro_2, my_estupro_3)

# Agrupa todos os dados obtidos em uma tabela.
my_datinha <- rbind(my_furto, my_roubo, my_estupro)
# Realiza o algoritimo kmeans, retirando a coluna de definição dos crimes, RUBRICA.
dataTest<-my_datinha[,-1]
res<-kmeans(dataTest, 3)
clusterArray<-res$cluster
# Faz o plot do grafico com base nos dados tratados.
# O plot é colorido com base nos clusters obtidos.
plot(my_datinha,col=clusterArray)

# Adiciona os clusters a tabela para fins de comparação
my_datinha["cluster"] <- clusterArray

# Separa cada tipo de roubo em uma tabela separada.
my_furto <- my_datinha %>% filter(RUBRICA == "Furto (art. 155)")
my_roubo <- my_datinha %>% filter(RUBRICA == "Roubo (art. 157)")
my_estupro <- my_datinha %>% filter(RUBRICA == "Estupro (art.213)")

# Separa cada clustes referente a Furto.
my_furto_c1 <- my_furto %>% filter(cluster == 1)
my_furto_c2 <- my_furto %>% filter(cluster == 2)
my_furto_c3 <- my_furto %>% filter(cluster == 3)

# Separa cada clustes referente a Roubo.
my_roubo_c1 <- my_roubo %>% filter(cluster == 1)
my_roubo_c2 <- my_roubo %>% filter(cluster == 2)
my_roubo_c3 <- my_roubo %>% filter(cluster == 3)

# Separa cada clustes referente a Estupro.
my_estupro_c1 <- my_estupro %>% filter(cluster == 1)
my_estupro_c2 <- my_estupro %>% filter(cluster == 2)
my_estupro_c3 <- my_estupro %>% filter(cluster == 3)

# Agrupa todos cada tipo de crime em um cluster.
cluster_1 <- rbind(my_estupro_c1, my_roubo_c1, my_furto_c1)
cluster_2 <- rbind(my_estupro_c2, my_roubo_c2, my_furto_c2)
cluster_3 <- rbind(my_estupro_c3, my_roubo_c3, my_furto_c3)

# Retira a primeira e 3 coluna, RUBRICA, cluster.
cluster_1 <- cluster_1[,-1]
cluster_1 <- cluster_1[,-3]

cluster_2 <- cluster_2[,-1]
cluster_2 <- cluster_2[,-3]

cluster_3 <- cluster_3[,-1]
cluster_3 <- cluster_3[,-3]

# Faz o plot de cada cluster.
plot(cluster_1)
plot(cluster_2)
plot(cluster_3)

# Retira a coluna RUBRICA.
my_data_clean <- my_datinha[,-1]