### TALLER DE DATOS ############################################# ## 1. Paquetes -------------------------------------------------- library(tidyverse) library(labelled) library(readr) ## 2. Rutas y nombres ------------------------------------------- # Se agregan las rutas de donde se encuentran alojados los archivos csv # correspondientes a datos judiciales. ruta_1 <- "https://www.santafe.gob.ar/datosabiertos/sites/default/files/causas-ingresadas-fuero-civil-2016-2017.csv" ruta_2 <- "https://www.santafe.gob.ar/datosabiertos/sites/default/files/resoluciones-fuero-civil-2016-2017.csv" ruta_3 <- "https://www.santafe.gob.ar/datosabiertos/sites/default/files/sentencias-1ra-instancia-fuero-civil-2016-2017.csv" ruta_4 <- "https://www.santafe.gob.ar/datosabiertos/sites/default/files/sentencias-2da-instancia-fuero-civil-2016-2017.csv" ## 3. Cargado de causas iniciadas (civiles) ---------------------------------- causas <- read_csv(ruta_1, col_types = cols(`2016` = col_character(), `2017` = col_character())) # 3.a Supuesto: El dato faltante (NA) es igual a cero causas[1,4] <- 0 ## 4. Condicionamiento de variables (convertir a factor) --------------------- table(causas$Circunscripción) table(causas$Sede) causas$Sede[causas$Sede == "Cañada De Gomez"] <- "Cañada De Gómez" causas$Sede[causas$Sede == "El Trebol"] <- "El Trébol" causas$Sede[causas$Sede == "Galvez"] <- "Gálvez" causas$Sede[causas$Sede == "Melincue"] <- "Melincué" causas$Sede[causas$Sede == "San Cristobal"] <- "San Cristóbal" causas$Sede[causas$Sede == "Villa Constitucion"] <- "Villa Constitución" causas$Sede[causas$Sede == "Villa Gobernador Galvez"] <- "Villa Gobernador Gálvez" causas <- causas %>% set_value_labels(Circunscripción = c(Rafaela = "Rafaela", Reconquista = "Reconquista", Rosario = "Rosario", SantaFe = "Santa Fe", VenadoTuerto = "Venado Tuerto"), Sede = c(ArroyoSeco = "Arroyo Seco", Avellaneda = "Avellaneda", CañadaDeGomez = "Cañada De Gómez", Casilda = "Casilda", Ceres = "Ceres", Coronda = "Coronda", ElTrebol = "El Trébol", Esperanza = "Esperanza", Firmat = "Firmat", Galvez = "Gálvez", Helvecia = "Helvecia", LagunaPaiva = "Laguna Paiva", LasRosas = "Las Rosas", Melincue = "Melincué", Rafaela = "Rafaela", Reconquista = "Reconquista", Rosario = "Rosario", Rufino = "Rufino", SanCarlosCentro = "San Carlos Centro", SanCristobal = "San Cristóbal", SanGenaro = "San Genaro", SanJavier = "San Javier", SanJorge = "San Jorge", SanJusto = "San Justo", SanLorenzo = "San Lorenzo", SanVicente = "San Vicente", SantaFe = "Santa Fe", SantoTome = "Santo Tome", Sastre = "Sastre", Sunchales = "Sunchales", Tostado = "Tostado", VTuerto = "Venado Tuerto", Vera = "Vera", VConstitucion = "Villa Constitución", VGGalvez = "Villa Gobernador Gálvez", VOcampo = "Villa Ocampo")) to_factor(causas$Circunscripción) to_factor(causas$Sede) ## 5. Ordenamiento de la base (cambio de ancho a largo) ---------------------------- causas.f <- gather(causas, key = "Año", value = "Causas", -c(Circunscripción, Sede, `Órgano Jurisdiccional`)) ## 6. Cargado de resoluciones (civiles) ---------------------------------- resol <- read_csv(ruta_2, col_types = cols(`2016` = col_number(), `2017` = col_number())) # 6.a Supuesto: El dato faltante (NA) es igual a cero resol[1,4] <- 0 ## 7. Condicionamiento de variables (convertir a factor) --------------------- table(resol$Circunscripción) table(resol$Sede) resol$Sede[resol$Sede == "Cañada De Gomez"] <- "Cañada De Gómez" resol$Sede[resol$Sede == "El Trebol"] <- "El Trébol" resol$Sede[resol$Sede == "Galvez"] <- "Gálvez" resol$Sede[resol$Sede == "Melincue"] <- "Melincué" resol$Sede[resol$Sede == "San Cristobal"] <- "San Cristóbal" resol$Sede[resol$Sede == "Villa Constitucion"] <- "Villa Constitución" resol$Sede[resol$Sede == "Villa Gobernador Galvez"] <- "Villa Gobernador Gálvez" resol <- resol %>% set_value_labels(Circunscripción = c(Rafaela = "Rafaela", Reconquista = "Reconquista", Rosario = "Rosario", SantaFe = "Santa Fe", VenadoTuerto = "Venado Tuerto"), Sede = c(ArroyoSeco = "Arroyo Seco", Avellaneda = "Avellaneda", CañadaDeGomez = "Cañada De Gómez", Casilda = "Casilda", Ceres = "Ceres", Coronda = "Coronda", ElTrebol = "El Trébol", Esperanza = "Esperanza", Firmat = "Firmat", Galvez = "Gálvez", Helvecia = "Helvecia", LagunaPaiva = "Laguna Paiva", LasRosas = "Las Rosas", Melincue = "Melincué", Rafaela = "Rafaela", Reconquista = "Reconquista", Rosario = "Rosario", Rufino = "Rufino", SanCarlosCentro = "San Carlos Centro", SanCristobal = "San Cristóbal", SanGenaro = "San Genaro", SanJavier = "San Javier", SanJorge = "San Jorge", SanJusto = "San Justo", SanLorenzo = "San Lorenzo", SanVicente = "San Vicente", SantaFe = "Santa Fe", SantoTome = "Santo Tome", Sastre = "Sastre", Sunchales = "Sunchales", Tostado = "Tostado", VTuerto = "Venado Tuerto", Vera = "Vera", VConstitucion = "Villa Constitución", VGGalvez = "Villa Gobernador Gálvez", VOcampo = "Villa Ocampo")) to_factor(resol$Circunscripción) to_factor(resol$Sede) ## 8. Ordenamiento de la base (cambio de ancho a largo) ---------------------------- resol.f <- gather(resol, key = "Año", value = "Resoluciones", -c(Circunscripción, Sede, `Órgano Jurisdiccional`)) ## 9. Cargado de sentencias de 1ra instancia (civiles) ---------------------------- sent1ra <- read_csv(ruta_3, col_types = cols(`2016` = col_number(), `2017` = col_number())) # 9.a Supuesto: El dato faltante (NA) es igual a cero sent1ra[1,4] <- 0 ## 10. Limpieza de datos -------------------------------------------------- sent1raB <- sent1ra[,-6] sent1raC<- sent1raB[complete.cases(sent1raB), ] ## 11. Condicionamiento de variables (convertir a factor) --------------------- table(sent1raC$Circunscripción) table(sent1raC$Sede) sent1raC$Sede[sent1raC$Sede == "Cañada De Gomez"] <- "Cañada De Gómez" sent1raC$Sede[sent1raC$Sede == "El Trebol"] <- "El Trébol" sent1raC$Sede[sent1raC$Sede == "Galvez"] <- "Gálvez" sent1raC$Sede[sent1raC$Sede == "Melincue"] <- "Melincué" sent1raC$Sede[sent1raC$Sede == "San Cristobal"] <- "San Cristóbal" sent1raC$Sede[sent1raC$Sede == "Villa Constitucion"] <- "Villa Constitución" sent1raC$Sede[sent1raC$Sede == "Villa Gobernador Galvez"] <- "Villa Gobernador Gálvez" sent1raC <- sent1raC %>% set_value_labels(Circunscripción = c(Rafaela = "Rafaela", Reconquista = "Reconquista", Rosario = "Rosario", SantaFe = "Santa Fe", VenadoTuerto = "Venado Tuerto"), Sede = c(ArroyoSeco = "Arroyo Seco", Avellaneda = "Avellaneda", CañadaDeGomez = "Cañada De Gómez", Casilda = "Casilda", Ceres = "Ceres", Coronda = "Coronda", ElTrebol = "El Trébol", Esperanza = "Esperanza", Firmat = "Firmat", Galvez = "Gálvez", Helvecia = "Helvecia", LagunaPaiva = "Laguna Paiva", LasRosas = "Las Rosas", Melincue = "Melincué", Rafaela = "Rafaela", Reconquista = "Reconquista", Rosario = "Rosario", Rufino = "Rufino", SanCarlosCentro = "San Carlos Centro", SanCristobal = "San Cristóbal", SanGenaro = "San Genaro", SanJavier = "San Javier", SanJorge = "San Jorge", SanJusto = "San Justo", SanLorenzo = "San Lorenzo", SanVicente = "San Vicente", SantaFe = "Santa Fe", SantoTome = "Santo Tome", Sastre = "Sastre", Sunchales = "Sunchales", Tostado = "Tostado", VTuerto = "Venado Tuerto", Vera = "Vera", VConstitucion = "Villa Constitución", VGGalvez = "Villa Gobernador Gálvez", VOcampo = "Villa Ocampo")) to_factor(sent1raC$Circunscripción) to_factor(sent1raC$Sede) ## 12. Ordenamiento de la base (cambio de ancho a largo) ---------------------------- sent1ra.f <- gather(sent1raC, key = "Año", value = "Sentencias 1ra", -c(Circunscripción, Sede, `Órgano Jurisdiccional`)) ## 13. Cargado de sentencias de 2da instancia (civiles) ---------------------------------- sent2da <- read_csv(ruta_4, col_types = cols(`2016` = col_number(), `2017` = col_number())) ## 14. Condicionamiento de variables (convertir a factor) --------------------- table(sent2da$Circunscripción) sent2da <- sent2da %>% set_value_labels(Circunscripción = c(Rafaela = "Rafaela", Reconquista = "Reconquista", Rosario = "Rosario", SantaFe = "Santa Fe", VenadoTuerto = "Venado Tuerto")) to_factor(sent2da$Circunscripción) ## 11. Ordenamiento de la base (cambio de ancho a largo) ---------------------------- sent2da.f <- gather(sent2da, key = "Año", value = "Sentencias 2da", -c(Circunscripción, `Órgano Jurisdiccional`)) ## 12. Limpieza de ejemplos ---------------------------------------------------------- rm(causas, resol, sent1ra, sent1raB, sent1raC, sent2da) ## 13. Haciendo más cómoda la base --------------------------------------------------- # Se renombra la 3ra columna en cada base names(causas.f)[3] = "Órgano" names(resol.f)[3] = "Órgano" names(sent1ra.f)[3] = "Órgano" names(sent2da.f)[2] = "Órgano" ## 14. Fusión de las bases ------------------------------------ unida <- full_join(causas.f, resol.f, by = c("Sede", "Órgano", "Año", "Circunscripción")) unida2 <- full_join(unida, sent1ra.f, by = c("Sede", "Órgano", "Año", "Circunscripción")) civil <- full_join(unida2, sent2da.f, by= c("Órgano", "Año", "Circunscripción")) rm(causas.f, resol.f, sent1ra.f, sent2da.f, unida, unida2) ## 16. Chequeo de la base civil ---------------------------------- glimpse(civil) ## 17. Arreglo tipo de variable ---------------------------------- civil$Causas <- as.numeric(civil$Causas) glimpse(civil) ## 18. Ordenamiento base -------------------------------------- names(civil) civil2 <- civil %>% select(Órgano, Sede, Circunscripción, Año, Causas, Resoluciones, `Sentencias 1ra`, `Sentencias 2da`) %>% arrange(Órgano, Sede, Año) ## 19. Problema de valores perdidos -------------------------------------------------------- # Se supone que los NA son iguales a 0 civil2[is.na(civil2)] <- 0 ## 20. Consistencia con el procedimiento judicial ------------------------------------------ # 20.A. Algoritmo de filtrado -------------------------------------------------------------- civil3 <- civil2 %>% mutate(dummy = ifelse((Causas > 0 & (`Sentencias 1ra` >0 | `Sentencias 2da` >0)), 1, 0)) # 20.B Reporte de datos que cumplen con mi parámetro ------------------------------------- table(civil3$dummy) # 20.C Datos truncados a mano ------------------------------------------------------------- civilNo <- civil3 %>% filter(dummy == 0) # 20.D. Datos incluidos ------------------------------------------------------------------- civil4 <- civil3 %>% filter(dummy == 1) #Esta va a ser nuestra base "tidy" # 20.E. Reporte gráfico ------------------------------------------------------------------- ggplot(civil4, aes(x = Causas, y = Resoluciones, color = factor(Año))) + geom_point() ggplot(civil4, aes(x = Causas, y = Resoluciones, color = factor(Año))) + geom_point() + geom_smooth(method = "lm", se = FALSE) ## 21. Agrupamiento base por sede ---------------------------------------------------------- civil5 <- civil4 %>% group_by(Sede, Circunscripción, Año) %>% summarise(causas = sum(Causas, is.na = T), resoluciones = sum(Resoluciones, is.na = T), sent1ra = sum((`Sentencias 1ra`), is.na = T), sent2da = sum((`Sentencias 2da`), is.na = T)) ## 21. Reporte gráfico ---------------------------------------- ggplot(civil5, aes(x = causas, y = resoluciones, color = factor(Circunscripción))) + geom_point() ggplot(civil5, aes(x = causas, y = resoluciones, color = factor(Año))) + geom_point() ## 22. Outliers ------------------------------------------------ # 22.A. Primer ajuste. Sedes con menos de 38000 causas --------- civil6 <- civil5 %>% filter(causas <= 38000) ggplot(civil6, aes(x = causas, y = resoluciones, color = factor(Año))) + geom_point() # 22.B. Segundo ajuste. Sedes con menos de 12000 causas --------- civil7 <- civil5 %>% filter(causas <= 12000) ## 23. Reporte gráfico ------------------------------------------ ggplot(civil7, aes(x = causas, y = resoluciones, color = factor(Año))) + geom_point() ggplot(civil7, aes(x = causas, y = resoluciones, color = factor(Año))) + geom_point() + geom_smooth(method = "lm", se = FALSE) ggplot(civil7, aes(x = causas, y = resoluciones, color = factor(Año))) + geom_point() + geom_smooth(method = "lm", se = TRUE) ggplot(civil7, aes(x = causas, y = resoluciones)) + geom_point() + geom_smooth(method = "lm", se = TRUE) ## 24. Variable actividad judicial ------------------------------- # 24.A. Sin agrupamiento ------------------------------------------ ggplot(civil4, aes(x = Causas, y = Resoluciones, color = factor(Año))) + geom_point() civil8 <- civil4 %>% mutate(actividad = Resoluciones + `Sentencias 1ra` + `Sentencias 2da`) ggplot(civil8, aes(x = Causas, y = actividad, color = factor(Año))) + geom_point() + geom_smooth(method = "lm", se = TRUE) ggplot(civil8, aes(x = Causas, y = actividad)) + geom_point() + geom_smooth(method = "lm", se = TRUE) # 24.B. Con agrupamiento ------------------------------------------ civil9 <- civil8 %>% group_by(Sede, Circunscripción, Año) %>% summarise(causas = sum(Causas, is.na = T), resoluciones = sum(Resoluciones, is.na = T), sent1ra = sum((`Sentencias 1ra`), is.na = T), sent2da = sum((`Sentencias 2da`), is.na = T)) %>% filter(causas <= 12000 ) %>% mutate(actividad = resoluciones + sent1ra + sent2da) ggplot(civil9, aes(x = causas, y = actividad, color = factor(Año))) + geom_point() + geom_smooth(method = "lm", se = TRUE)