📊 Crime Data Analysis (2020 - Present) | Big Data Management

Αυτό το project πραγματοποιεί ανάλυση δεδομένων εγκληματικότητας στο Λος Άντζελες από το 2020 μέχρι σήμερα. Περιλαμβάνει προκαταρκτική ανάλυση, οπτικοποιήσεις, clustering και PCA για εξαγωγή συμπερασμάτων.

🛠️ Τεχνολογίες

• Python 3.x
• Pandas, NumPy
• Matplotlib, Seaborn
• Scikit-learn (KMeans, PCA)

---

🚀 Εκτέλεση

python exampleBigData1.py

Αρχικά βεβαιώσου πως έχεις το αρχείο Crime_Data_from_2020_to_Present.csv στον ίδιο φάκελο με το script.

---

📁 Φάκελοι

• stats/: αποθηκεύονται όλες οι εικόνες και γραφήματα
• results_csv/: αποθηκεύονται οι αναλύσεις σε CSV μορφή

---

📈 Παραγόμενα Γραφήματα

Τίτλος	Αρχείο
Οι 10 πιο συχνοί τύποι εγκλημάτων	stats/top_crimes.png
Εγκλήματα ανά περιοχή	stats/crime_by_area.png
Εγκλήματα ανά μήνα/έτος	stats/crime_over_time.png
Εγκλήματα ανά ώρα	stats/crime_by_hour.png
Εγκλήματα ανά περίοδο ημέρας	stats/crime_by_time_of_day.png
Εγκλήματα ανά ημέρα εβδομάδας	stats/crime_by_day_of_week.png
Κατανομή top 5 εγκλημάτων ανά περίοδο	stats/crime_types_by_time.png
Clustering εγκλημάτων (KMeans)	stats/crime_clusters.png
PCA προβολή	stats/crime_pca.png
PCA components heatmap	stats/pca_components.png

Οι εικόνες αποθηκεύονται αυτόματα κατά την εκτέλεση του script.

---

📊 Αποτελέσματα (CSV)

Όλα τα στατιστικά εξάγονται και σε .csv μορφή στον φάκελο results_csv/:

• results_crime_types.csv
• results_area_stats.csv
• results_time_trends.csv
• results_hourly_stats.csv
• results_time_of_day_stats.csv
• results_day_stats.csv
• results_crime_time_analysis.csv
• results_clusters_analysis.csv

---

🔒 Περιορισμός δεδομένων

Για λόγους ταχύτητας και αποδοτικότητας, γίνεται sampling στα:

• PCA: έως 20.000 εγγραφές
• Clustering: έως 20.000 σημεία
• Ολικό dataset: έως 100.000 εγγραφές

---

✍️ Δημιουργήθηκε από

Παπαγεωργίου Φίλιππος
Θωμάς Νικόλαος
Μπούμπας Ταξιάρχης
Εργασία για το μάθημα Big Data Management, Τμήμα Μηχανικών Πληροφορικής & Υπολογιστών / Πανεπιστήμιο Δυτικής Αττικής

---