SINESP — Estatísticas de Criminalidade

import pandas as pd
 
# Download das estatísticas de segurança pública
# https://dados.gov.br/dados/conjuntos-dados/sistema-nacional-de-estatisticas-de-seguranca-publica
df = pd.read_csv(
    "indicadores_seguranca_publica.csv",
    sep=";",
    encoding="utf-8",
    dtype=str,
    decimal=","
)
 
print(f"Total de registros: {len(df):,}")
print(f"Colunas: {list(df.columns)}")
 
# Filtrar homicídios dolosos
df["OCORRENCIAS"] = pd.to_numeric(df["OCORRENCIAS"], errors="coerce")
homicidios = df[df["TIPO_CRIME"] == "Homicídio doloso"]
 
# Total por UF
por_uf = (
    homicidios.groupby("UF")["OCORRENCIAS"]
    .sum()
    .sort_values(ascending=False)
)
 
print("\nHomicídios dolosos por UF:")
print(por_uf.head(10))

import pandas as pd
 
df = pd.read_csv(
    "indicadores_seguranca_publica.csv",
    sep=";",
    encoding="utf-8",
    dtype=str,
    decimal=","
)
 
df["OCORRENCIAS"] = pd.to_numeric(df["OCORRENCIAS"], errors="coerce")
 
# Evolução mensal de mortes violentas intencionais (MVI)
mvi = df[df["TIPO_CRIME"] == "Mortes violentas intencionais"]
serie = mvi.groupby("ANO_MES")["OCORRENCIAS"].sum()
 
print("Evolução de mortes violentas intencionais:")
print(serie.tail(12))

import pandas as pd
 
# Carregar dados de criminalidade e população
df_crime = pd.read_csv("indicadores_seguranca_publica.csv", sep=";", encoding="utf-8", dtype=str, decimal=",")
df_crime["OCORRENCIAS"] = pd.to_numeric(df_crime["OCORRENCIAS"], errors="coerce")
 
# Homicídios por UF (total anual)
homicidios = (
    df_crime[df_crime["TIPO_CRIME"] == "Homicídio doloso"]
    .groupby("UF")["OCORRENCIAS"]
    .sum()
)
 
# População estimada por UF (simplificado)
populacao = {
    "SP": 46e6, "MG": 21e6, "RJ": 17e6, "BA": 15e6,
    "PR": 11.5e6, "RS": 11.4e6, "PE": 9.6e6, "CE": 9.2e6,
}
 
# Calcular taxa
taxa = {}
for uf, pop in populacao.items():
    if uf in homicidios.index:
        taxa[uf] = (homicidios[uf] / pop) * 100000
 
taxa_df = pd.Series(taxa).sort_values(ascending=False)
print("Taxa de homicídios por 100 mil habitantes:")
print(taxa_df.round(1))