洛杉矶犯罪分析数据集2020至2024年
数据来源：互联网公开数据
标签：犯罪分析,洛杉矶,犯罪趋势,COVID-19影响,犯罪类型,受害者特征,时间模式,地理分布
数据概述：
本数据集提供了从2020年1月1日至2024年9月2日期间洛杉矶地区犯罪发生情况的详细分析。随着COVID-19疫情期间及之后犯罪率的波动，该数据集旨在揭示显著趋势、人口统计学见解和时间上的犯罪模式。数据经过精心清洗和准备，以确保分析的准确性，使用户能够探索过去四年的犯罪动态。
数据集特点：
时间范围：2020年1月 – 2024年9月
地理位置：洛杉矶
关键关注领域：
- 年度和月度犯罪趋势
- 犯罪率的地理分布
- 时间模式分析：日间与夜间犯罪分析
- 受害者人口统计特征：性别、年龄和族裔细分
- 犯罪类型：了解哪些犯罪在特定时间段内更为常见
数据准备：
数据来源：https://catalog.data.gov/dataset/crime-data-from-2020-to-present
进行了全面的数据清洗，包括删除重复项、处理缺失值，并标准化分类条目，以确保数据的一致性和准确性。
潜在用途：
- 识别时间和空间上的犯罪模式
- 研究COVID-19对犯罪率的影响
- 分析与犯罪受害相关的社会人口因素
- 开发未来犯罪发生情况的预测模型
字段描述：
incident_id: 每个犯罪报告的唯一标识符
date: 犯罪报告的日期
time: 犯罪发生的具体时间
year: 犯罪发生的年份
location: 犯罪报告的地理区域
crime_type: 犯罪的类别或类型（例如：入室盗窃、攻击、盗窃）
victim_gender: 受害者的性别（如报告）
victim_age: 受害者的年龄（如报告）
victim_ethnicity: 受害者的族裔群体（如报告）
time_of_day: 犯罪发生的时间分类（日间或夜间）
crime_severity: 犯罪严重程度的指示器
arrest_made: 是否因该犯罪发生逮捕（是/否）
outcome: 犯罪报告的最终结果（例如：已解决、待处理、未解决）
