EDA: Informo dataset 🚦

INESDATA-MOV

Análisis EDA¶

En este cuaderno se realiza el análisis de datos exploratorio (EDA) del dataset de Informo. Una vez realizado el análisis de calidad se estudiará para el dataset resultante:

• Valores nulos y unicidad de las variables
• Correlaciones entre las variables

Con ello se pretende hacer un filtrado de las variables que no dispongan de información relevante para el modelo o variables con la misma información. Por otro lado se hará un estudio de los valores nulos para, en caso de que sea pertinente, reconstruir estos datos.

In [91]:

import os
import statistics
import random
import polars as pl
import pandas as pd
import seaborn as sns
import polars.selectors as cs
import matplotlib.pyplot as plt
from datetime import datetime, timedelta

import warnings

warnings.filterwarnings("ignore")

import os import statistics import random import polars as pl import pandas as pd import seaborn as sns import polars.selectors as cs import matplotlib.pyplot as plt from datetime import datetime, timedelta import warnings warnings.filterwarnings("ignore")

In [92]:

ROOT_PATH = os.path.dirname(os.path.dirname(os.path.dirname(os.path.abspath(os.getcwd()))))
DATA_PATH = os.path.join(ROOT_PATH, "data", "processed")
INFORMO_DATA_PATH = os.path.join(DATA_PATH, "informo")

ROOT_PATH = os.path.dirname(os.path.dirname(os.path.dirname(os.path.abspath(os.getcwd())))) DATA_PATH = os.path.join(ROOT_PATH, "data", "processed") INFORMO_DATA_PATH = os.path.join(DATA_PATH, "informo")

Dataset¶

In [93]:

sample_data = pl.scan_csv(os.path.join(INFORMO_DATA_PATH, "2024", "03","13", f"informo_20240313.csv"),ignore_errors=True)

sample_data = pl.scan_csv(os.path.join(INFORMO_DATA_PATH, "2024", "03","13", f"informo_20240313.csv"),ignore_errors=True)

In [94]:

sample_data.collect()

sample_data.collect()

Out[94]:

shape: (853_114, 15)

idelem	descripcion	accesoAsociado	intensidad	ocupacion	carga	nivelServicio	intensidadSat	error	subarea	st_x	st_y	velocidad	datetime	date
i64	str	i64	i64	i64	i64	i64	i64	str	i64	str	str	i64	str	str
6711	null	null	3840	30	105	1	null	"N"	null	"442306,1965845…	"4481615,716877…	37	"2024-03-13 07:…	"2024-03-13"
10112	"Arturo Soria -…	4604002	740	4	29	1	2438	"N"	3203	"443972,0182132…	"4478986,477391…	null	"2024-03-13 07:…	"2024-03-13"
6038	"Torrelaguna -…	4627002	380	2	28	1	1390	"N"	3246	"443981,9555378…	"4478451,452544…	null	"2024-03-13 07:…	"2024-03-13"
6039	"Torrelaguna -…	4628002	840	6	24	0	3000	"N"	3215	"443984,1391077…	"4478277,302264…	null	"2024-03-13 07:…	"2024-03-13"
6040	"Torrelaguna -…	4628001	520	5	31	1	2000	"N"	3215	"444079,3042011…	"4478026,603977…	null	"2024-03-13 07:…	"2024-03-13"
…	…	…	…	…	…	…	…	…	…	…	…	…	…	…
10031	"Narcís Monturi…	4304002	20	0	2	0	775	"N"	314	"440656,7563117…	"4481793,239724…	null	"2024-03-13 22:…	"2024-03-13"
10463	"Av. Ilustració…	null	700	1	14	0	4420	"N"	314	"440789,2294428…	"4481734,191243…	null	"2024-03-13 22:…	"2024-03-13"
3421	"Bravo Murillo …	6201004	480	1	16	0	2900	"N"	304	"441453,9700354…	"4479675,623063…	null	"2024-03-13 22:…	"2024-03-13"
3423	"Lateral Pº Cas…	6003012	280	2	8	0	3200	"N"	301	"441493,7615599…	"4479352,765088…	null	"2024-03-13 22:…	"2024-03-13"
10899	"Av. Entrevías …	6805002	220	1	17	0	1800	"N"	3008	"443058,8945281…	"4470747,452195…	null	"2024-03-13 22:…	"2024-03-13"

Variables numéricas¶

In [95]:

sample_data.select(cs.numeric()).head().collect()

sample_data.select(cs.numeric()).head().collect()

Out[95]:

shape: (5, 9)

idelem	accesoAsociado	intensidad	ocupacion	carga	nivelServicio	intensidadSat	subarea	velocidad
i64	i64	i64	i64	i64	i64	i64	i64	i64
6711	null	3840	30	105	1	null	null	37
10112	4604002	740	4	29	1	2438	3203	null
6038	4627002	380	2	28	1	1390	3246	null
6039	4628002	840	6	24	0	3000	3215	null
6040	4628001	520	5	31	1	2000	3215	null

Variables categóricas¶

In [96]:

sample_data.select(cs.string()).head().collect()

sample_data.select(cs.string()).head().collect()

Out[96]:

shape: (5, 6)

descripcion	error	st_x	st_y	datetime	date
str	str	str	str	str	str
null	"N"	"442306,1965845…	"4481615,716877…	"2024-03-13 07:…	"2024-03-13"
"Arturo Soria -…	"N"	"443972,0182132…	"4478986,477391…	"2024-03-13 07:…	"2024-03-13"
"Torrelaguna -…	"N"	"443981,9555378…	"4478451,452544…	"2024-03-13 07:…	"2024-03-13"
"Torrelaguna -…	"N"	"443984,1391077…	"4478277,302264…	"2024-03-13 07:…	"2024-03-13"
"Torrelaguna -…	"N"	"444079,3042011…	"4478026,603977…	"2024-03-13 07:…	"2024-03-13"

Preprocesamiento previo¶

In [97]:

# Este es el preprocesamiento obtenido del QA
sample_data = sample_data.filter(pl.col('idelem').is_not_null(),pl.col('error')=='N').drop('velocidad','error')
sample_data.head().collect()

# Este es el preprocesamiento obtenido del QA sample_data = sample_data.filter(pl.col('idelem').is_not_null(),pl.col('error')=='N').drop('velocidad','error') sample_data.head().collect()

Out[97]:

shape: (5, 13)

idelem	descripcion	accesoAsociado	intensidad	ocupacion	carga	nivelServicio	intensidadSat	subarea	st_x	st_y	datetime	date
i64	str	i64	i64	i64	i64	i64	i64	i64	str	str	str	str
6711	null	null	3840	30	105	1	null	null	"442306,1965845…	"4481615,716877…	"2024-03-13 07:…	"2024-03-13"
10112	"Arturo Soria -…	4604002	740	4	29	1	2438	3203	"443972,0182132…	"4478986,477391…	"2024-03-13 07:…	"2024-03-13"
6038	"Torrelaguna -…	4627002	380	2	28	1	1390	3246	"443981,9555378…	"4478451,452544…	"2024-03-13 07:…	"2024-03-13"
6039	"Torrelaguna -…	4628002	840	6	24	0	3000	3215	"443984,1391077…	"4478277,302264…	"2024-03-13 07:…	"2024-03-13"
6040	"Torrelaguna -…	4628001	520	5	31	1	2000	3215	"444079,3042011…	"4478026,603977…	"2024-03-13 07:…	"2024-03-13"

Conversión de variables¶

In [98]:

sample_data = sample_data.with_columns(
    pl.col('datetime').map_elements(lambda x: datetime.strptime(x, "%Y-%m-%d %H:%M:%S")),
    pl.col('date').cast(pl.Date)
)

sample_data = sample_data.with_columns( pl.col('datetime').map_elements(lambda x: datetime.strptime(x, "%Y-%m-%d %H:%M:%S")), pl.col('date').cast(pl.Date) )

In [99]:

sample_data.head().collect()

sample_data.head().collect()

Out[99]:

shape: (5, 13)

idelem	descripcion	accesoAsociado	intensidad	ocupacion	carga	nivelServicio	intensidadSat	subarea	st_x	st_y	datetime	date
i64	str	i64	i64	i64	i64	i64	i64	i64	str	str	datetime[μs]	date
6711	null	null	3840	30	105	1	null	null	"442306,1965845…	"4481615,716877…	2024-03-13 07:55:08	2024-03-13
10112	"Arturo Soria -…	4604002	740	4	29	1	2438	3203	"443972,0182132…	"4478986,477391…	2024-03-13 07:55:08	2024-03-13
6038	"Torrelaguna -…	4627002	380	2	28	1	1390	3246	"443981,9555378…	"4478451,452544…	2024-03-13 07:55:08	2024-03-13
6039	"Torrelaguna -…	4628002	840	6	24	0	3000	3215	"443984,1391077…	"4478277,302264…	2024-03-13 07:55:08	2024-03-13
6040	"Torrelaguna -…	4628001	520	5	31	1	2000	3215	"444079,3042011…	"4478026,603977…	2024-03-13 07:55:08	2024-03-13

Creamos la PK¶

In [100]:

sample_data = sample_data.with_columns((pl.col('datetime').cast(pl.String)+"_I"+pl.col('idelem').cast(pl.String)+"_S"+pl.col('subarea').cast(pl.String)).alias('PK'))
sample_data.head().collect()

sample_data = sample_data.with_columns((pl.col('datetime').cast(pl.String)+"_I"+pl.col('idelem').cast(pl.String)+"_S"+pl.col('subarea').cast(pl.String)).alias('PK')) sample_data.head().collect()

Out[100]:

shape: (5, 14)

idelem	descripcion	accesoAsociado	intensidad	ocupacion	carga	nivelServicio	intensidadSat	subarea	st_x	st_y	datetime	date	PK
i64	str	i64	i64	i64	i64	i64	i64	i64	str	str	datetime[μs]	date	str
6711	null	null	3840	30	105	1	null	null	"442306,1965845…	"4481615,716877…	2024-03-13 07:55:08	2024-03-13	null
10112	"Arturo Soria -…	4604002	740	4	29	1	2438	3203	"443972,0182132…	"4478986,477391…	2024-03-13 07:55:08	2024-03-13	"2024-03-13 07:…
6038	"Torrelaguna -…	4627002	380	2	28	1	1390	3246	"443981,9555378…	"4478451,452544…	2024-03-13 07:55:08	2024-03-13	"2024-03-13 07:…
6039	"Torrelaguna -…	4628002	840	6	24	0	3000	3215	"443984,1391077…	"4478277,302264…	2024-03-13 07:55:08	2024-03-13	"2024-03-13 07:…
6040	"Torrelaguna -…	4628001	520	5	31	1	2000	3215	"444079,3042011…	"4478026,603977…	2024-03-13 07:55:08	2024-03-13	"2024-03-13 07:…

Matriz de confusión¶

In [101]:

numeric_var = ['accesoAsociado', 'intensidad', 'ocupacion', 'carga', 'intensidadSat','nivelServicio']

numeric_var = ['accesoAsociado', 'intensidad', 'ocupacion', 'carga', 'intensidadSat','nivelServicio']

In [102]:

sample_data_df = sample_data.collect()

sample_data_df = sample_data.collect()

In [103]:

matrix = [[0] * len(numeric_var) for _ in range(len(numeric_var))]
for i in range(0,len(numeric_var)):
    for j in range(0,len(numeric_var)):
        matrix[i][j] = sample_data_df.select(pl.corr(numeric_var[i],numeric_var[j])).item()

matrix = [[0] * len(numeric_var) for _ in range(len(numeric_var))] for i in range(0,len(numeric_var)): for j in range(0,len(numeric_var)): matrix[i][j] = sample_data_df.select(pl.corr(numeric_var[i],numeric_var[j])).item()

In [104]:

matrix_corr = pd.DataFrame(matrix, columns=numeric_var,index=numeric_var).apply(lambda col: col.round(4))

matrix_corr = pd.DataFrame(matrix, columns=numeric_var,index=numeric_var).apply(lambda col: col.round(4))

In [105]:

matrix_corr

matrix_corr

Out[105]:

	accesoAsociado	intensidad	ocupacion	carga	intensidadSat	nivelServicio
accesoAsociado	1.0000	0.0806	-0.0571	0.0834	-0.1260	0.0469
intensidad	0.0806	1.0000	0.1169	0.6407	0.5804	0.2241
ocupacion	-0.0571	0.1169	1.0000	0.5722	-0.0734	0.6011
carga	0.0834	0.6407	0.5722	1.0000	-0.0684	0.7278
intensidadSat	-0.1260	0.5804	-0.0734	-0.0684	1.0000	-0.0730
nivelServicio	0.0469	0.2241	0.6011	0.7278	-0.0730	1.0000

In [106]:

sns.heatmap(matrix_corr, cmap='coolwarm',vmin=-1, vmax=1,annot=True)

sns.heatmap(matrix_corr, cmap='coolwarm',vmin=-1, vmax=1,annot=True)

Out[106]:

<Axes: >

In [107]:

matrix_corr.to_csv('/home/mlia/proyectos/data-generation/docs/notebooks/aux/matrix_corr_informo.csv', index=False)

matrix_corr.to_csv('/home/mlia/proyectos/data-generation/docs/notebooks/aux/matrix_corr_informo.csv', index=False)

De esta matriz de confusión obtenemos que las variables más correladas entre sí son:

• Intensidad y carga
• Intensidad e IntensidadSat
• Intensidad y NivelServicio
• Ocupación y carga
• Carga y NivelServicio

Estudio por variables¶

In [108]:

sample_data.describe()

sample_data.describe()

Out[108]:

shape: (9, 15)

statistic	idelem	descripcion	accesoAsociado	intensidad	ocupacion	carga	nivelServicio	intensidadSat	subarea	st_x	st_y	datetime	date	PK
str	f64	str	f64	f64	f64	f64	f64	f64	f64	str	str	str	str	str
"count"	804296.0	"754248"	683771.0	804296.0	804296.0	804296.0	803942.0	754248.0	754248.0	"804296"	"804296"	"804296"	"804296"	"754248"
"null_count"	0.0	"50048"	120525.0	0.0	0.0	0.0	354.0	50048.0	50048.0	"0"	"0"	"0"	"0"	"50048"
"mean"	6723.767336	null	2.5684e6	539.280347	8.622539	27.497086	0.522764	2014.450624	20947.215391	null	null	null	"2024-03-13"	null
"std"	2569.768409	null	2.8468e6	727.708937	14.600438	21.320518	0.721251	1172.177108	42749.711245	null	null	null	null	null
"min"	3395.0	"(AFO)R. YBARRA…	0.0	-1.0	-1.0	-1.0	-1.0	50.0	0.0	"429060,7904544…	"4464901,554260…	null	"2024-03-13"	"2024-03-13 07:…
"25%"	4679.0	null	312203.0	127.0	1.0	11.0	0.0	1200.0	1712.0	null	null	null	"2024-03-13"	null
"50%"	5917.0	null	843101.0	300.0	4.0	23.0	0.0	1570.0	3101.0	null	null	null	"2024-03-13"	null
"75%"	9999.0	null	5.503003e6	660.0	8.0	39.0	1.0	3000.0	3702.0	null	null	null	"2024-03-13"	null
"max"	11300.0	"Ángel Luis Her…	9.905004e6	17900.0	100.0	346.0	3.0	9000.0	130043.0	"450772,2789719…	"4485212,993851…	null	"2024-03-13"	"2024-03-13 22:…

Variable intensidad

In [109]:

sample_data.group_by(pl.col('intensidad')).count().sort('intensidad',descending=True).head().collect()

sample_data.group_by(pl.col('intensidad')).count().sort('intensidad',descending=True).head().collect()

Out[109]:

shape: (5, 2)

intensidad	count
i64	u32
17900	1
16420	1
12060	1
11000	1
9800	1

Identificadores con mayor intensidad

In [110]:

sample_data.group_by(pl.col('idelem')).max().sort('intensidad',descending=True).select(pl.col('idelem'),pl.col('intensidad')).head(10).collect().plot.bar(x='idelem', y='intensidad')

sample_data.group_by(pl.col('idelem')).max().sort('intensidad',descending=True).select(pl.col('idelem'),pl.col('intensidad')).head(10).collect().plot.bar(x='idelem', y='intensidad')

Out[110]:

Zonas con mayor intensidad

In [111]:

sample_data.filter(pl.col('descripcion').is_not_null()).group_by(pl.col('descripcion')).max().sort('intensidad',descending=True).select(pl.col('descripcion'),pl.col('intensidad')).head(10).collect().plot.bar(x='descripcion', y='intensidad',rot=20)

sample_data.filter(pl.col('descripcion').is_not_null()).group_by(pl.col('descripcion')).max().sort('intensidad',descending=True).select(pl.col('descripcion'),pl.col('intensidad')).head(10).collect().plot.bar(x='descripcion', y='intensidad',rot=20)

Out[111]:

Variable ocupacion

In [112]:

sample_data.group_by(pl.col('ocupacion')).count().sort('ocupacion',descending=True).head().collect()

sample_data.group_by(pl.col('ocupacion')).count().sort('ocupacion',descending=True).head().collect()

Out[112]:

shape: (5, 2)

ocupacion	count
i64	u32
100	699
99	103
98	285
97	228
96	144

Zonas que se llenan el mayor número de veces

In [113]:

sample_data.filter(pl.col('descripcion').is_not_null()).group_by(pl.col('descripcion'),pl.col('ocupacion')).count().sort('count',descending=True).select(pl.col('descripcion'),pl.col('count')).head(10).collect().plot.bar(x='descripcion', y='count',rot=15,ylabel='Número de veces que tiene ocupación total')

sample_data.filter(pl.col('descripcion').is_not_null()).group_by(pl.col('descripcion'),pl.col('ocupacion')).count().sort('count',descending=True).select(pl.col('descripcion'),pl.col('count')).head(10).collect().plot.bar(x='descripcion', y='count',rot=15,ylabel='Número de veces que tiene ocupación total')

Out[113]:

Variable carga

Identificadores con mayor carga

In [114]:

sample_data.group_by(pl.col('idelem')).max().sort('carga',descending=True).select(pl.col('idelem'),pl.col('carga')).head(10).collect().plot.bar(x='idelem', y='carga')

sample_data.group_by(pl.col('idelem')).max().sort('carga',descending=True).select(pl.col('idelem'),pl.col('carga')).head(10).collect().plot.bar(x='idelem', y='carga')

Out[114]:

Zonas con mayor carga

In [115]:

sample_data.filter(pl.col('descripcion').is_not_null()).group_by(pl.col('descripcion')).max().sort('carga',descending=True).select(pl.col('descripcion'),pl.col('carga')).head(10).collect().plot.bar(x='descripcion', y='carga',rot=15)

sample_data.filter(pl.col('descripcion').is_not_null()).group_by(pl.col('descripcion')).max().sort('carga',descending=True).select(pl.col('descripcion'),pl.col('carga')).head(10).collect().plot.bar(x='descripcion', y='carga',rot=15)

Out[115]:

Variable nivelServicio

In [116]:

sample_data.group_by('nivelServicio').count().collect()

sample_data.group_by('nivelServicio').count().collect()

Out[116]:

shape: (6, 2)

nivelServicio	count
i64	u32
null	354
2	68438
1	248108
3	12612
-1	2548
0	472236

In [117]:

sample_data.group_by('nivelServicio').count().sort('nivelServicio').collect().plot.bar(x='nivelServicio',y='count')

sample_data.group_by('nivelServicio').count().sort('nivelServicio').collect().plot.bar(x='nivelServicio',y='count')

Out[117]:

Como los valores de esta variable son:

• Fluido = 0
• Lento = 1
• Retenciones = 2
• Congestión = 3
• Sin datos = -1

Nos quedaremos solo con los valores >=0 ya que son los que nos van a aportar información acerca del tráfico.

In [118]:

sample_data = sample_data.filter(pl.col('nivelServicio')>=0)

sample_data = sample_data.filter(pl.col('nivelServicio')>=0)

In [119]:

sample_data.head().collect()

sample_data.head().collect()

Out[119]:

shape: (5, 14)

idelem	descripcion	accesoAsociado	intensidad	ocupacion	carga	nivelServicio	intensidadSat	subarea	st_x	st_y	datetime	date	PK
i64	str	i64	i64	i64	i64	i64	i64	i64	str	str	datetime[μs]	date	str
6711	null	null	3840	30	105	1	null	null	"442306,1965845…	"4481615,716877…	2024-03-13 07:55:08	2024-03-13	null
10112	"Arturo Soria -…	4604002	740	4	29	1	2438	3203	"443972,0182132…	"4478986,477391…	2024-03-13 07:55:08	2024-03-13	"2024-03-13 07:…
6038	"Torrelaguna -…	4627002	380	2	28	1	1390	3246	"443981,9555378…	"4478451,452544…	2024-03-13 07:55:08	2024-03-13	"2024-03-13 07:…
6039	"Torrelaguna -…	4628002	840	6	24	0	3000	3215	"443984,1391077…	"4478277,302264…	2024-03-13 07:55:08	2024-03-13	"2024-03-13 07:…
6040	"Torrelaguna -…	4628001	520	5	31	1	2000	3215	"444079,3042011…	"4478026,603977…	2024-03-13 07:55:08	2024-03-13	"2024-03-13 07:…

Variable intensidadSat

In [120]:

sample_data.group_by(pl.col('intensidadSat')).count().sort('intensidadSat',descending=True).head().collect()

sample_data.group_by(pl.col('intensidadSat')).count().sort('intensidadSat',descending=True).head().collect()

Out[120]:

shape: (5, 2)

intensidadSat	count
i64	u32
null	47500
9000	179
7500	179
7200	716
7100	98

Identificadores con mayor intensidad

In [121]:

sample_data.filter(pl.col('intensidadSat').is_not_null()).group_by(pl.col('idelem')).max().sort('intensidadSat',descending=True).select(pl.col('idelem'),pl.col('intensidadSat')).head(10).collect().plot.bar(x='idelem', y='intensidadSat')

sample_data.filter(pl.col('intensidadSat').is_not_null()).group_by(pl.col('idelem')).max().sort('intensidadSat',descending=True).select(pl.col('idelem'),pl.col('intensidadSat')).head(10).collect().plot.bar(x='idelem', y='intensidadSat')

Out[121]:

Zonas con mayor intensidad

In [122]:

sample_data.filter((pl.col('descripcion').is_not_null()) & (pl.col('intensidadSat').is_not_null())).group_by(pl.col('descripcion')).max().sort('intensidadSat',descending=True).select(pl.col('descripcion'),pl.col('intensidadSat')).head(10).collect().plot.bar(x='descripcion', y='intensidadSat',rot=15)

sample_data.filter((pl.col('descripcion').is_not_null()) & (pl.col('intensidadSat').is_not_null())).group_by(pl.col('descripcion')).max().sort('intensidadSat',descending=True).select(pl.col('descripcion'),pl.col('intensidadSat')).head(10).collect().plot.bar(x='descripcion', y='intensidadSat',rot=15)

Out[122]:

Eliminamos los valores nulos

In [126]:

sample_data = sample_data.filter(pl.col('intensidadSat').is_not_null())
sample_data.head().collect()

sample_data = sample_data.filter(pl.col('intensidadSat').is_not_null()) sample_data.head().collect()

Out[126]:

shape: (5, 13)

idelem	descripcion	intensidad	ocupacion	carga	nivelServicio	intensidadSat	subarea	st_x	st_y	datetime	date	PK
i64	str	i64	i64	i64	i64	i64	i64	str	str	datetime[μs]	date	str
10112	"Arturo Soria -…	740	4	29	1	2438	3203	"443972,0182132…	"4478986,477391…	2024-03-13 07:55:08	2024-03-13	"2024-03-13 07:…
6038	"Torrelaguna -…	380	2	28	1	1390	3246	"443981,9555378…	"4478451,452544…	2024-03-13 07:55:08	2024-03-13	"2024-03-13 07:…
6039	"Torrelaguna -…	840	6	24	0	3000	3215	"443984,1391077…	"4478277,302264…	2024-03-13 07:55:08	2024-03-13	"2024-03-13 07:…
6040	"Torrelaguna -…	520	5	31	1	2000	3215	"444079,3042011…	"4478026,603977…	2024-03-13 07:55:08	2024-03-13	"2024-03-13 07:…
6041	"Av. Ramón y Ca…	1400	4	34	1	3380	3215	"443837,9341675…	"4478283,278897…	2024-03-13 07:55:08	2024-03-13	"2024-03-13 07:…

Variable accesoAsociado

In [124]:

sample_data.group_by('accesoAsociado').count().sort('accesoAsociado',descending=True).head().collect()

sample_data.group_by('accesoAsociado').count().sort('accesoAsociado',descending=True).head().collect()

Out[124]:

shape: (5, 2)

accesoAsociado	count
i64	u32
null	70477
9905004	177
9905003	177
9905002	171
9905001	160

Como no tenemos información de esta variable, decidimos eliminarla ya que tampoco posee una gran correlación con el resto de variables

In [125]:

sample_data = sample_data.drop('accesoAsociado')

sample_data = sample_data.drop('accesoAsociado')

Conclusión¶

Para el primer experimetno terminamos con un dataset con las siguientes columnas:

• idelem: str
• descripcion: str
• intensidad: int
• ocupacion: int
• carga: int
• nivelServicio: int
• intensidadSat: int
• subarea: str
• st_x: str
• st_y: str
• datetime: datetime
• date: date
• PK: str