Estimativa das classes.ipynb

Kernel: Python 3 (Ubuntu Linux)

import pandas as pd
from sklearn.cluster import KMeans
import numpy as np

locais = pd.read_excel('Planilha para distribuicao do efetivo.xlsx', sheet_name='dados')
locais[:5]

# Crimes eleitorais obteve muito baixa distribuicao, com valores iguais a 0 (maioria), 1 (14), 2 (2) e 3 (1)

aux = 'c_boca_de_urna'
aux1 = 'boca_de_urna'
kmeans = KMeans(n_clusters=5, random_state=0).fit(locais[aux1].values.reshape(-1,1))
locais[aux] = kmeans.labels_
locais[[aux, aux1]].groupby([aux]).describe()

locais[aux1].hist()

<matplotlib.axes._subplots.AxesSubplot at 0x7f4072872ba8>

aux = 'c_indigenas'
aux1 = 'indigenas'
kmeans = KMeans(n_clusters=5, random_state=0).fit(locais[aux1].values.reshape(-1,1))
locais[aux] = kmeans.labels_
locais[[aux, aux1]].groupby([aux]).describe()

locais[aux1].hist()

<matplotlib.axes._subplots.AxesSubplot at 0x7f4072b00c50>

aux = 'c_lqtd_aptos'
aux1 = 'lqtd_aptos'
kmeans = KMeans(n_clusters=5, random_state=0).fit(locais[aux1].values.reshape(-1,1))
locais[aux] = kmeans.labels_
locais[[aux, aux1]].groupby([aux]).describe()

locais[aux1].hist()

<matplotlib.axes._subplots.AxesSubplot at 0x7f40729e64e0>

aux = 'c_roubo'
aux1 = 'roubo'
kmeans = KMeans(n_clusters=5, random_state=0).fit(locais[aux1].values.reshape(-1,1))
locais[aux] = kmeans.labels_
locais[[aux, aux1]].groupby([aux]).describe()

locais[aux1].hist()

<matplotlib.axes._subplots.AxesSubplot at 0x7f40727c1cf8>

aux = 'c_furto'
aux1 = 'furto'
kmeans = KMeans(n_clusters=5, random_state=0).fit(locais[aux1].values.reshape(-1,1))
locais[aux] = kmeans.labels_
locais[[aux, aux1]].groupby([aux]).describe()

locais[aux1].hist()

<matplotlib.axes._subplots.AxesSubplot at 0x7f40727559b0>

aux = 'c_desacato'
aux1 = 'desacato'
kmeans = KMeans(n_clusters=5, random_state=0).fit(locais[aux1].values.reshape(-1,1))
locais[aux] = kmeans.labels_
locais[[aux, aux1]].groupby([aux]).describe()

locais[aux1].hist()

<matplotlib.axes._subplots.AxesSubplot at 0x7f40727c19b0>

aux = 'c_desobediencia'
aux1 = 'desobediencia'
kmeans = KMeans(n_clusters=5, random_state=0).fit(locais[aux1].values.reshape(-1,1))
locais[aux] = kmeans.labels_
locais[[aux, aux1]].groupby([aux]).describe()

locais[aux1].hist()

<matplotlib.axes._subplots.AxesSubplot at 0x7f40729e64e0>