-
Notifications
You must be signed in to change notification settings - Fork 0
/
codigo-hito1
38 lines (30 loc) · 1.52 KB
/
codigo-hito1
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
#carga tablas
crime <- read.csv("~/.../crime.csv")
naep <- read.csv("~/.../naep.csv")
# CRIMEN
#se filtra para que los crimenes sean en el siglo XXI
crime_sxxi <- crime %>$ filter(year>=2000)
#ahora para cada año se genera una tabla de la sgte forma
crime16 <- crime_sxxi %>% filter(year==2016) %>% select(year, jurisdiction, state_population, violent_crime_total, murder_manslaughter, prisoner_count)
#se crea una nueva columna que representa la tasa de crimen
#violento por cada 100.000 habitantes
crime16$tasa_crimen <- (crime16$violent_crime_total/crime16$state_population)*100000
#y se ordena c/r a la tasa de menor a mayor
crime16 <- crime16[order(crime16$tasa_crimen, decreasing = FALSE),]
#graficas
p <- ggplot(as.data.frame(crime16), aes(x=reorder(jurisdiction, -tasa_crimen), y=tasa_crimen))
p <- p + xlab("Estados de EEUU") + ylab("Tasa de crimen")
p <- p + ggtitle("Tasa de crimenes cada 100.000 habitantes en Estado de EEUU")
p <- p + geom_bar(stat = "identity", position = "dodge")
p <- p + coord_flip()
p
# NAEP
#se filtran los resultados por año
naep17 <- naep %>% filter(YEAR==2017 & STATE != "DoDEA")
p2 <- ggplot(as.data.frame(naep17))
#aqui se calcula el promedio de las pruebas y se ponen en el eje y
p2 <- p2 + aes(x = reorder(STATE, AVG_SCORE), y = AVG_SCORE/2)
p2 <- p2 + xlab("Estados de EEUU") + ylab("Promedio de las pruebas.")
p2 <- p2 + ggtitle("Promedio de las pruebas de matemática y lecura realizadas por el NAEP en el año 2017.")
p2 <- p2 + geom_bar(stat = "identity", fill = "steelblue") + coord_flip()
p2