Análisis comercios de Madrid

comercios-madrid.R

require(readr)
library(dplyr)
require(ngram)

setwd('/Users/fernando/proyectos/exploratory-data-analysis/little-experiments/madrid-comercios-locales-actividades')

trim <- function (x) gsub("^\\s+|\\s+$", "", x)

# Censo distritos
censo_file_name <- "censo-distritos.csv"
df_censo <- read_delim(censo_file_name, ',') %>%
  group_by(Distrito) %>% 
  summarize(sum = sum(Total))

# Datos actividad comercial
file_name <- "OPEN DATA Locales-Epigrafes201802.csv"
df <- read_delim(file_name, ';')  %>%
  select(desc_situacion_local,id_local,desc_distrito_local,desc_barrio_local,clase_vial_acceso,desc_vial_acceso,rotulo,desc_seccion, desc_division, desc_epigrafe) %>% 
  filter(!is.na(desc_seccion) & desc_situacion_local == "Abierto") %>%
  mutate(desc_distrito_local = trim(desc_distrito_local))

View(df)

length(unique(df$id_local))

# En Madrid, a fecha de abril 2018, hay 103.681 locales registrados con activad comercial activa. Por desgracia este conjunto de datos se ofrece actualizado cada mes y no tiene histórico, porque sería muy interesante analizar
# cómo ha variado esta cifra en el tiempo

## Videoclubs

videoclubs <- filter(df, desc_epigrafe == "VIDEOCLUB")
nrow(videoclubs)
table(videoclubs$desc_distrito_local)

# Hay todavía 54 videoclubs en activo. Los distritos Centro y Chmmartín son los que más tienen 6, seguidos de Chamberí y Tetuán con 5

## Farmacias

farm <- filter(df, desc_epigrafe == "FARMACIA")
nrow(farm)
table(farm$desc_distrito_local)

# Hay 1859 farmacias

farm_by_dist <- farm %>% 
  group_by(desc_distrito_local) %>% 
  summarize(count = n()) %>% 
  inner_join(df_censo, by = c("desc_distrito_local" = "Distrito")) %>% 
  mutate(n_per_person = sum/count) %>% 
  arrange(n_per_person)
farm_by_dist

top_n(farm_by_dist, 3)

# Si tuviera que abrir una nueva farmacia lo haría en Vicálvaro, Vallecas o Villaverde. 
# Vicálvaro tiene 1 farmacia para cada 2.736 habitantes, mientras que en el centro hay una farmacia para cada 1.140 habitantes

## peluquerias

pelus <- filter(df, desc_epigrafe == "SERVICIO DE PELUQUERIA")
nrow(pelus)
table(pelus$desc_distrito_local)

pelus_by_dist <- pelus %>% 
  group_by(desc_distrito_local) %>% 
  summarize(count = n()) %>% 
  inner_join(df_censo, by = c("desc_distrito_local" = "Distrito")) %>% 
  mutate(n_per_person = sum/count) %>% 
  arrange(n_per_person)

top_n(pelus_by_dist, 3)
top_n(pelus_by_dist, -3)
  
## Bancos
banks <- filter(df, desc_epigrafe == "INTERMEDIACION MONETARIA: BANCOS, CAJAS DE AHORRO")
nrow(banks)
table(banks$desc_distrito_local)

banks_by_dist <- banks %>% 
  group_by(desc_distrito_local) %>% 
  summarize(count = n()) %>% 
  inner_join(df_censo, by = c("desc_distrito_local" = "Distrito")) %>% 
  mutate(n_per_person = sum/count) %>% 
  arrange(n_per_person)

top_n(banks_by_dist, 3)
top_n(banks_by_dist, -3)

# De los 2.291 bancos, el distrito de Salmanca es el que más tiene, con 234 y Vicálvaro el que menos, con 23. 
# En Bancos por persona, Vicálvaro tiene un banco para cada 3000 personas, mientras que en el distrito de Salamanca
# hay un banco para cada 622 personas.

  
## Inmobiliarias
inmo <- filter(df, desc_epigrafe == "ACTIVIDADES INMOBILIARIAS (COMPRAVENTA, ALQUILER, AGENTES PROPIEDAD)")
nrow(inmo)
table(inmo$desc_distrito_local)

inmo_by_dist <- banks %>% 
  group_by(desc_distrito_local) %>% 
  summarize(count = n()) %>% 
  inner_join(df_censo, by = c("desc_distrito_local" = "Distrito")) %>% 
  mutate(n_per_person = sum/count) %>% 
  arrange(n_per_person)

top_n(inmo_by_dist, 3)
top_n(inmo_by_dist, -3)
 
## Calles
sts <- df %>% 
  distinct(id_local, .keep_all = TRUE) %>% 
  group_by(desc_vial_acceso) %>% 
  summarize(count = n()) %>% 
  arrange(desc(count))
sts

# A nadie le sorprenderá que Alcalá (1.397) y Bravo Murillo (1.024) sean las calles con más comercios de Madrid.
# Cada zona tiene su calle principal de comercios: Monforte de Lemos, Antonio López, Embajadores, Serrano, General Ricardos...

## Epigrafes

epis <- df %>% 
  group_by(desc_epigrafe) %>% 
  summarize(count = n()) %>% 
  arrange(desc(count))
epis
View(epis)
View(top_n(epis, 30))

# Hay en total 5.040 locales bajo el epígrafe peluquería y 4.585 bajo el de comercio de prendas de vestir.
# Los bares y restaurantes están dividos en varios epígrafes (ej Bar restaurante, Bar con cocina, Bar sin cocina, Taberna). Si se juntan todos se ve que efectivamente Madrid es una ciudad de bares.
# Como curiosidad hay 8 ciber-cafes dados de alta, 22 sexshops y 54 videoclubs

wc <- data.frame(table(unlist(strsplit(tolower(df$rotulo), " ")))) %>% arrange(desc(Freq))