PRF Acidentes — Acidentes em Rodovias Federais

import pandas as pd
 
# Microdados de acidentes — ano 2023
df = pd.read_csv(
    "datatran2023.csv",
    sep=";",
    encoding="latin-1",
    dtype=str,
    decimal=","
)
 
print(f"Total de acidentes: {len(df):,}")
print(f"Colunas: {list(df.columns)}")
 
# Converter campos numéricos
df["mortos"] = pd.to_numeric(df["mortos"], errors="coerce")
df["feridos"] = pd.to_numeric(df["feridos"], errors="coerce")
 
# Acidentes por causa
por_causa = (
    df.groupby("causa_acidente")
    .agg(
        total_acidentes=("causa_acidente", "size"),
        total_mortos=("mortos", "sum"),
    )
    .sort_values("total_acidentes", ascending=False)
)
 
print("\nTop 10 causas de acidentes:")
print(por_causa.head(10))

import pandas as pd
 
df = pd.read_csv(
    "datatran2023.csv",
    sep=";",
    encoding="latin-1",
    dtype=str,
    decimal=","
)
 
df["mortos"] = pd.to_numeric(df["mortos"], errors="coerce")
df["latitude"] = pd.to_numeric(df["latitude"].str.replace(",", "."), errors="coerce")
df["longitude"] = pd.to_numeric(df["longitude"].str.replace(",", "."), errors="coerce")
 
# Filtrar acidentes fatais com coordenadas válidas
fatais = df[(df["mortos"] > 0) & df["latitude"].notna()]
print(f"Acidentes fatais georreferenciados: {len(fatais):,}")
 
# Exportar para GeoJSON (para uso em QGIS ou mapas web)
import json
 
features = []
for _, row in fatais.head(1000).iterrows():
    features.append({
        "type": "Feature",
        "geometry": {
            "type": "Point",
            "coordinates": [row["longitude"], row["latitude"]],
        },
        "properties": {
            "rodovia": row.get("br", ""),
            "km": row.get("km", ""),
            "causa": row.get("causa_acidente", ""),
            "mortos": int(row["mortos"]),
        },
    })
 
geojson = {"type": "FeatureCollection", "features": features}
with open("acidentes_fatais.geojson", "w") as f:
    json.dump(geojson, f)
 
print("GeoJSON salvo em acidentes_fatais.geojson")

import pandas as pd
import glob
 
# Ler todos os anos disponíveis
arquivos = sorted(glob.glob("datatran*.csv"))
serie = []
 
for arq in arquivos:
    if "pessoas" in arq:
        continue
    df = pd.read_csv(arq, sep=";", encoding="latin-1", dtype=str, decimal=",")
    df["mortos"] = pd.to_numeric(df["mortos"], errors="coerce")
    ano = arq.replace("datatran", "").replace(".csv", "")
    total = df["mortos"].sum()
    serie.append({"ano": ano, "mortes": total})
 
serie_df = pd.DataFrame(serie)
print("Mortes em rodovias federais por ano:")
print(serie_df.to_string(index=False))