Datos sobre las fallas y carpas en Valencia

Autor/a

Afiliación

Nuria Hernandez Escrcih

Universidad de Valencia

Input

https://valencia.opendatasoft.com/explore/dataset/carpes-falles-carpas-fallas/analyze/?geofilter.polygon=(39.462716825926044,-0.37160396575927734),(39.47162884138736,-0.37160396575927734),(39.47162884138736,-0.36705493927001953),(39.462716825926044,-0.36705493927001953),(39.462716825926044,-0.37160396575927734)&location=15,39.47582,-0.3668&basemap=e4bf90&dataChart=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%3D%3D

https://valencia.opendatasoft.com/explore/dataset/falles-fallas/table/

Se han obtenido dos conjuntos de datos del Ayuntamiento de Valencia. El primero sobre las fallas de Valencia y el segundo sobre las carpas de las respectivas fallas.

Descripción

Se detecta que el dataset de las fallas está incompleto y que para análisis futuros sería muy interesante tener la información de ambas bases de datos juntas.

Tratamiento de la base de datos de fallas

library(sf)

Linking to GEOS 3.13.1, GDAL 3.11.4, PROJ 9.7.0; sf_use_s2() is TRUE

library(dplyr)

Adjuntando el paquete: 'dplyr'

The following objects are masked from 'package:stats':

    filter, lag

The following objects are masked from 'package:base':

    intersect, setdiff, setequal, union

fallas <- st_read("../data/2526020023/falles-fallas.geojson", quiet=T)
carpas <- st_read("../data/2526020023/carpes-falles-carpas-fallas.geojson", quiet=T)

print(fallas)

Simple feature collection with 351 features and 13 fields
Geometry type: POINT
Dimension:     XY
Bounding box:  xmin: -0.4272427 ymin: 39.28052 xmax: -0.2777853 ymax: 39.54046
Geodetic CRS:  WGS 84
First 10 features:
   objectid id_falla                                        nombre seccion
1      9273       NA                                          <NA>    <NA>
2      9252      246                Josep Soto Micó-Síndic Mocholí      5C
3      9268      110                            Plaça Lope de Vega      3B
4      8994      109                      Sant Rafael-Antón Martín      5A
5      9135       21                                Borrull-Socors      5A
6      8976      137                                   Quart-Túria      8A
7      9188      180 Plaça d'Espanya-Ramón y Cajal-Pintor Benedito      5A
8      9011       10                            Avinguda de l'Oest      1A
9      9248      353                               Alcàsser-Iàtova      6C
10     9038      127                   Doctor Sanchis Bergón-Túria      6A
                    fallera               presidente
1                      <NA>                     <NA>
2   Lorena Gimeno Escamilla    Margarita Romero Lleó
3    Alma Pedrajas Planells    Carmen Planells Tello
4       Paula Bonet Barberá      Sergio Pérez Gimeno
5       Julia García Villar   Fernando Serrano Pérez
6                    NO HAY    José de La Guía Muñoz
7      Yolanda Gramaje Ruiz   Amparo Montesinos Caro
8       Laura Miquel Obarti     Carlos Vicent Andrés
9      Candela Duro Tortosa Pilar Martínez Fernández
10 Irene Villanueva Vivanco  Fco.Javier García Marco
                          artista                                  lema
1                            <NA>                                  <NA>
2      Francisco Javier Tur Ortiz                    La vida es un circ
3     Pedro Vicente Baenas García                             Encantats
4               Miguel March Azor                          Predicciones
5           Paco Ribes + Pîchiavo                           Per ofrenar
6                  Rafael Vilches                       Mercat de Quart
7  Vicente Chaveli y Martina Ghin                 Jazz tem altra vegada
8                Paco Torres Josá Sombra aquí, sombra allá ¡maquíllate!
9         Xavi Bonilla (Artixavi)                    Prohibido prohibir
10           Rafael Martínez Reig                             Colapshow
   anyo_fundacion       distintivo
1            2007    Argent (2016)
2            1974 Brillants (2019)
3            1915 Brillants (1999)
4            1966 Brillants (2010)
5            1921 Brillants (1993)
6            1941 Brillants (1996)
7            1967 Brillants (2011)
8            1949 Brillants (1994)
9            1984    Fulles (2013)
10           1927 Brillants (2000)
                                                                              boceto
1  http://mapas.valencia.es/WebsMunicipales/layar/img/fallasvalencia/2026_383_bm.jpg
2  http://mapas.valencia.es/WebsMunicipales/layar/img/fallasvalencia/2026_246_bm.jpg
3  http://mapas.valencia.es/WebsMunicipales/layar/img/fallasvalencia/2026_110_bm.jpg
4  http://mapas.valencia.es/WebsMunicipales/layar/img/fallasvalencia/2026_109_bm.jpg
5  http://mapas.valencia.es/WebsMunicipales/layar/img/fallasvalencia/2026_021_bm.jpg
6  http://mapas.valencia.es/WebsMunicipales/layar/img/fallasvalencia/2026_137_bm.jpg
7  http://mapas.valencia.es/WebsMunicipales/layar/img/fallasvalencia/2026_180_bm.jpg
8  http://mapas.valencia.es/WebsMunicipales/layar/img/fallasvalencia/2026_010_bm.jpg
9  http://mapas.valencia.es/WebsMunicipales/layar/img/fallasvalencia/2026_353_bm.jpg
10 http://mapas.valencia.es/WebsMunicipales/layar/img/fallasvalencia/2026_127_bm.jpg
   experim                                               geo_point_2d
1        0 { "lon": -0.39916320239478004, "lat": 39.493339696688132 }
2        0 { "lon": -0.38770726429678071, "lat": 39.440173785744811 }
3        0 { "lon": -0.37680881968192065, "lat": 39.473984997897055 }
4        0  { "lon": -0.32871006805430697, "lat": 39.47653775630954 }
5        1 { "lon": -0.38672381165331199, "lat": 39.474605642732996 }
6        0   { "lon": -0.3852955868424629, "lat": 39.47559866222997 }
7        0  { "lon": -0.38070503821771412, "lat": 39.46529990666118 }
8        0 { "lon": -0.37958649271837014, "lat": 39.471170302164104 }
9        0 { "lon": -0.40855243587128182, "lat": 39.471768936459604 }
10       0 { "lon": -0.38537935857297811, "lat": 39.478406084259248 }
                      geometry
1  POINT (-0.3991632 39.49334)
2  POINT (-0.3877073 39.44017)
3  POINT (-0.3768088 39.47398)
4  POINT (-0.3287101 39.47654)
5  POINT (-0.3867238 39.47461)
6   POINT (-0.3852956 39.4756)
7    POINT (-0.380705 39.4653)
8  POINT (-0.3795865 39.47117)
9  POINT (-0.4085524 39.47177)
10 POINT (-0.3853794 39.47841)

print(carpas)

Simple feature collection with 449 features and 7 fields
Geometry type: MULTIPOLYGON
Dimension:     XY
Bounding box:  xmin: -0.4267954 ymin: 39.31005 xmax: -0.3177433 ymax: 39.54121
Geodetic CRS:  WGS 84
First 10 features:
   objectid id_falla created_user        created_date last_edited_user
1      3770      309      ADM_GIS 2026-03-13 13:53:18          ADM_GIS
2      3771       80      ADM_GIS 2026-03-13 13:53:18          ADM_GIS
3      3772      140      ADM_GIS 2026-03-13 13:53:18          ADM_GIS
4      3776       96      ADM_GIS 2026-03-13 13:53:18          ADM_GIS
5      3779       34      ADM_GIS 2026-03-13 13:53:18          ADM_GIS
6      3781      320      ADM_GIS 2026-03-13 13:53:18          ADM_GIS
7      3783      183      ADM_GIS 2026-03-13 13:53:18          ADM_GIS
8      3784       95      ADM_GIS 2026-03-13 13:53:18          ADM_GIS
9      3785      371      ADM_GIS 2026-03-13 13:53:18          ADM_GIS
10     3787       19      ADM_GIS 2026-03-13 13:53:18          ADM_GIS
      last_edited_date
1  2026-03-13 13:53:18
2  2026-03-13 13:53:18
3  2026-03-13 13:53:18
4  2026-03-13 13:53:18
5  2026-03-13 13:53:18
6  2026-03-13 13:53:18
7  2026-03-13 13:53:18
8  2026-03-13 13:53:18
9  2026-03-13 13:53:18
10 2026-03-13 13:53:18
                                                 geo_point_2d
1  { "lon": -0.37795562279845279, "lat": 39.475618486750584 }
2  { "lon": -0.38225931545541286, "lat": 39.478347805840983 }
3  { "lon": -0.39224729689977117, "lat": 39.474842254387468 }
4  { "lon": -0.40245762560970649, "lat": 39.472695216157248 }
5   { "lon": -0.38193171716639296, "lat": 39.47202806895011 }
6  { "lon": -0.38962402760688314, "lat": 39.494077480110775 }
7  { "lon": -0.34320937472062496, "lat": 39.461511312066271 }
8  { "lon": -0.37734359251185245, "lat": 39.488177683132001 }
9   { "lon": -0.4128437271622396, "lat": 39.467965671993689 }
10  { "lon": -0.3709835708634856, "lat": 39.474798587248692 }
                         geometry
1  MULTIPOLYGON (((-0.3778381 ...
2  MULTIPOLYGON (((-0.3823417 ...
3  MULTIPOLYGON (((-0.3922656 ...
4  MULTIPOLYGON (((-0.4024238 ...
5  MULTIPOLYGON (((-0.3820157 ...
6  MULTIPOLYGON (((-0.3896558 ...
7  MULTIPOLYGON (((-0.3432437 ...
8  MULTIPOLYGON (((-0.3772159 ...
9  MULTIPOLYGON (((-0.4127328 ...
10 MULTIPOLYGON (((-0.3709635 ...

st_crs(fallas)

Coordinate Reference System:
  User input: WGS 84 
  wkt:
GEOGCRS["WGS 84",
    DATUM["World Geodetic System 1984",
        ELLIPSOID["WGS 84",6378137,298.257223563,
            LENGTHUNIT["metre",1]]],
    PRIMEM["Greenwich",0,
        ANGLEUNIT["degree",0.0174532925199433]],
    CS[ellipsoidal,2],
        AXIS["geodetic latitude (Lat)",north,
            ORDER[1],
            ANGLEUNIT["degree",0.0174532925199433]],
        AXIS["geodetic longitude (Lon)",east,
            ORDER[2],
            ANGLEUNIT["degree",0.0174532925199433]],
    ID["EPSG",4326]]

st_crs(carpas)

Coordinate Reference System:
  User input: WGS 84 
  wkt:
GEOGCRS["WGS 84",
    DATUM["World Geodetic System 1984",
        ELLIPSOID["WGS 84",6378137,298.257223563,
            LENGTHUNIT["metre",1]]],
    PRIMEM["Greenwich",0,
        ANGLEUNIT["degree",0.0174532925199433]],
    CS[ellipsoidal,2],
        AXIS["geodetic latitude (Lat)",north,
            ORDER[1],
            ANGLEUNIT["degree",0.0174532925199433]],
        AXIS["geodetic longitude (Lon)",east,
            ORDER[2],
            ANGLEUNIT["degree",0.0174532925199433]],
    ID["EPSG",4326]]

print(fallas) 

Simple feature collection with 351 features and 13 fields
Geometry type: POINT
Dimension:     XY
Bounding box:  xmin: -0.4272427 ymin: 39.28052 xmax: -0.2777853 ymax: 39.54046
Geodetic CRS:  WGS 84
First 10 features:
   objectid id_falla                                        nombre seccion
1      9273       NA                                          <NA>    <NA>
2      9252      246                Josep Soto Micó-Síndic Mocholí      5C
3      9268      110                            Plaça Lope de Vega      3B
4      8994      109                      Sant Rafael-Antón Martín      5A
5      9135       21                                Borrull-Socors      5A
6      8976      137                                   Quart-Túria      8A
7      9188      180 Plaça d'Espanya-Ramón y Cajal-Pintor Benedito      5A
8      9011       10                            Avinguda de l'Oest      1A
9      9248      353                               Alcàsser-Iàtova      6C
10     9038      127                   Doctor Sanchis Bergón-Túria      6A
                    fallera               presidente
1                      <NA>                     <NA>
2   Lorena Gimeno Escamilla    Margarita Romero Lleó
3    Alma Pedrajas Planells    Carmen Planells Tello
4       Paula Bonet Barberá      Sergio Pérez Gimeno
5       Julia García Villar   Fernando Serrano Pérez
6                    NO HAY    José de La Guía Muñoz
7      Yolanda Gramaje Ruiz   Amparo Montesinos Caro
8       Laura Miquel Obarti     Carlos Vicent Andrés
9      Candela Duro Tortosa Pilar Martínez Fernández
10 Irene Villanueva Vivanco  Fco.Javier García Marco
                          artista                                  lema
1                            <NA>                                  <NA>
2      Francisco Javier Tur Ortiz                    La vida es un circ
3     Pedro Vicente Baenas García                             Encantats
4               Miguel March Azor                          Predicciones
5           Paco Ribes + Pîchiavo                           Per ofrenar
6                  Rafael Vilches                       Mercat de Quart
7  Vicente Chaveli y Martina Ghin                 Jazz tem altra vegada
8                Paco Torres Josá Sombra aquí, sombra allá ¡maquíllate!
9         Xavi Bonilla (Artixavi)                    Prohibido prohibir
10           Rafael Martínez Reig                             Colapshow
   anyo_fundacion       distintivo
1            2007    Argent (2016)
2            1974 Brillants (2019)
3            1915 Brillants (1999)
4            1966 Brillants (2010)
5            1921 Brillants (1993)
6            1941 Brillants (1996)
7            1967 Brillants (2011)
8            1949 Brillants (1994)
9            1984    Fulles (2013)
10           1927 Brillants (2000)
                                                                              boceto
1  http://mapas.valencia.es/WebsMunicipales/layar/img/fallasvalencia/2026_383_bm.jpg
2  http://mapas.valencia.es/WebsMunicipales/layar/img/fallasvalencia/2026_246_bm.jpg
3  http://mapas.valencia.es/WebsMunicipales/layar/img/fallasvalencia/2026_110_bm.jpg
4  http://mapas.valencia.es/WebsMunicipales/layar/img/fallasvalencia/2026_109_bm.jpg
5  http://mapas.valencia.es/WebsMunicipales/layar/img/fallasvalencia/2026_021_bm.jpg
6  http://mapas.valencia.es/WebsMunicipales/layar/img/fallasvalencia/2026_137_bm.jpg
7  http://mapas.valencia.es/WebsMunicipales/layar/img/fallasvalencia/2026_180_bm.jpg
8  http://mapas.valencia.es/WebsMunicipales/layar/img/fallasvalencia/2026_010_bm.jpg
9  http://mapas.valencia.es/WebsMunicipales/layar/img/fallasvalencia/2026_353_bm.jpg
10 http://mapas.valencia.es/WebsMunicipales/layar/img/fallasvalencia/2026_127_bm.jpg
   experim                                               geo_point_2d
1        0 { "lon": -0.39916320239478004, "lat": 39.493339696688132 }
2        0 { "lon": -0.38770726429678071, "lat": 39.440173785744811 }
3        0 { "lon": -0.37680881968192065, "lat": 39.473984997897055 }
4        0  { "lon": -0.32871006805430697, "lat": 39.47653775630954 }
5        1 { "lon": -0.38672381165331199, "lat": 39.474605642732996 }
6        0   { "lon": -0.3852955868424629, "lat": 39.47559866222997 }
7        0  { "lon": -0.38070503821771412, "lat": 39.46529990666118 }
8        0 { "lon": -0.37958649271837014, "lat": 39.471170302164104 }
9        0 { "lon": -0.40855243587128182, "lat": 39.471768936459604 }
10       0 { "lon": -0.38537935857297811, "lat": 39.478406084259248 }
                      geometry
1  POINT (-0.3991632 39.49334)
2  POINT (-0.3877073 39.44017)
3  POINT (-0.3768088 39.47398)
4  POINT (-0.3287101 39.47654)
5  POINT (-0.3867238 39.47461)
6   POINT (-0.3852956 39.4756)
7    POINT (-0.380705 39.4653)
8  POINT (-0.3795865 39.47117)
9  POINT (-0.4085524 39.47177)
10 POINT (-0.3853794 39.47841)

Existen fallas que no tienen ni id ni nombre, por lo que las eliminamos

fallas <- fallas %>%
  filter(!is.na(id_falla), !is.na(nombre))

Pasamos de 351 fallas a 344

geo_point_2d y geometry muestran lo mismo, por lo que eliminamos la primera

fallas <- fallas %>%
  select(-geo_point_2d)

colSums(is.na(fallas))

      objectid       id_falla         nombre        seccion        fallera 
             0              0              0              0              0 
    presidente        artista           lema anyo_fundacion     distintivo 
             0              0              0              4              4 
        boceto        experim       geometry 
             0              6              0 

Aquí podemos comprobar que ninguna de las variables de id o nombre tiene NA, solo se observan NAs en el año de fundación, distintivo y si la falla es o no experimental

glimpse(fallas)

Rows: 344
Columns: 13
$ objectid       <int> 9252, 9268, 8994, 9135, 8976, 9188, 9011, 9248, 9038, 9…
$ id_falla       <int> 246, 110, 109, 21, 137, 180, 10, 353, 127, 286, 375, 30…
$ nombre         <chr> "Josep Soto Micó-Síndic Mocholí", "Plaça Lope de Vega",…
$ seccion        <chr> "5C", "3B", "5A", "5A", "8A", "5A", "1A", "6C", "6A", "…
$ fallera        <chr> "Lorena Gimeno Escamilla", "Alma Pedrajas Planells", "P…
$ presidente     <chr> "Margarita Romero Lleó", "Carmen Planells Tello", "Serg…
$ artista        <chr> "Francisco Javier Tur Ortiz", "Pedro Vicente Baenas Gar…
$ lema           <chr> "La vida es un circ", "Encantats", "Predicciones", "Per…
$ anyo_fundacion <int> 1974, 1915, 1966, 1921, 1941, 1967, 1949, 1984, 1927, 1…
$ distintivo     <chr> "Brillants (2019)", "Brillants (1999)", "Brillants (201…
$ boceto         <chr> "http://mapas.valencia.es/WebsMunicipales/layar/img/fal…
$ experim        <int> 0, 0, 0, 1, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0…
$ geometry       <POINT [°]> POINT (-0.3877073 39.44017), POINT (-0.3768088 39…

Como la variable experimental es binaria, vamos a suponer que NA=0, lo que quiere decir que esa falla NO es experimental

fallas <- fallas %>%
  mutate(experim = ifelse(is.na(experim), 0, experim))

En cuanto al distintivo, aparece tanto el distintivo de cada falla como el año en el que se otorgó, por lo que vamos a separar ambas variables y a eliminar la columna original

library(stringr)

fallas <- fallas %>%
  mutate(
    distintivo_tipo = str_extract(distintivo, "^[^(]+"),
    distintivo_anyo = as.numeric(str_extract(distintivo, "\\d{4}"))
  )
  
fallas <- fallas %>%
  select(-distintivo)

Como extra, voy a añadir la variable de antigüedad de cada falla, lo que puede resultar muy útil en análisis futuros

fallas <- fallas %>%
  mutate(antiguedad = 2026 - anyo_fundacion)

Vemos como ha quedado el dataset

print(fallas)

Simple feature collection with 344 features and 14 fields
Geometry type: POINT
Dimension:     XY
Bounding box:  xmin: -0.4272427 ymin: 39.30802 xmax: -0.2971538 ymax: 39.54046
Geodetic CRS:  WGS 84
First 10 features:
   objectid id_falla                                        nombre seccion
1      9252      246                Josep Soto Micó-Síndic Mocholí      5C
2      9268      110                            Plaça Lope de Vega      3B
3      8994      109                      Sant Rafael-Antón Martín      5A
4      9135       21                                Borrull-Socors      5A
5      8976      137                                   Quart-Túria      8A
6      9188      180 Plaça d'Espanya-Ramón y Cajal-Pintor Benedito      5A
7      9011       10                            Avinguda de l'Oest      1A
8      9248      353                               Alcàsser-Iàtova      6C
9      9038      127                   Doctor Sanchis Bergón-Túria      6A
10     9001      286                 Plaça Pere María Orts i Bosch      8C
                     fallera               presidente
1    Lorena Gimeno Escamilla    Margarita Romero Lleó
2     Alma Pedrajas Planells    Carmen Planells Tello
3        Paula Bonet Barberá      Sergio Pérez Gimeno
4        Julia García Villar   Fernando Serrano Pérez
5                     NO HAY    José de La Guía Muñoz
6       Yolanda Gramaje Ruiz   Amparo Montesinos Caro
7        Laura Miquel Obarti     Carlos Vicent Andrés
8       Candela Duro Tortosa Pilar Martínez Fernández
9   Irene Villanueva Vivanco  Fco.Javier García Marco
10 Mª Luisa Garrido Morcillo Inmaculada López Navarro
                          artista                                  lema
1      Francisco Javier Tur Ortiz                    La vida es un circ
2     Pedro Vicente Baenas García                             Encantats
3               Miguel March Azor                          Predicciones
4           Paco Ribes + Pîchiavo                           Per ofrenar
5                  Rafael Vilches                       Mercat de Quart
6  Vicente Chaveli y Martina Ghin                 Jazz tem altra vegada
7                Paco Torres Josá Sombra aquí, sombra allá ¡maquíllate!
8         Xavi Bonilla (Artixavi)                    Prohibido prohibir
9            Rafael Martínez Reig                             Colapshow
10     José Pascual Roda Fernando                             Imagingat
   anyo_fundacion
1            1974
2            1915
3            1966
4            1921
5            1941
6            1967
7            1949
8            1984
9            1927
10           1978
                                                                              boceto
1  http://mapas.valencia.es/WebsMunicipales/layar/img/fallasvalencia/2026_246_bm.jpg
2  http://mapas.valencia.es/WebsMunicipales/layar/img/fallasvalencia/2026_110_bm.jpg
3  http://mapas.valencia.es/WebsMunicipales/layar/img/fallasvalencia/2026_109_bm.jpg
4  http://mapas.valencia.es/WebsMunicipales/layar/img/fallasvalencia/2026_021_bm.jpg
5  http://mapas.valencia.es/WebsMunicipales/layar/img/fallasvalencia/2026_137_bm.jpg
6  http://mapas.valencia.es/WebsMunicipales/layar/img/fallasvalencia/2026_180_bm.jpg
7  http://mapas.valencia.es/WebsMunicipales/layar/img/fallasvalencia/2026_010_bm.jpg
8  http://mapas.valencia.es/WebsMunicipales/layar/img/fallasvalencia/2026_353_bm.jpg
9  http://mapas.valencia.es/WebsMunicipales/layar/img/fallasvalencia/2026_127_bm.jpg
10 http://mapas.valencia.es/WebsMunicipales/layar/img/fallasvalencia/2026_286_bm.jpg
   experim distintivo_tipo distintivo_anyo                    geometry
1        0      Brillants             2019 POINT (-0.3877073 39.44017)
2        0      Brillants             1999 POINT (-0.3768088 39.47398)
3        0      Brillants             2010 POINT (-0.3287101 39.47654)
4        1      Brillants             1993 POINT (-0.3867238 39.47461)
5        0      Brillants             1996  POINT (-0.3852956 39.4756)
6        0      Brillants             2011   POINT (-0.380705 39.4653)
7        0      Brillants             1994 POINT (-0.3795865 39.47117)
8        0         Fulles             2013 POINT (-0.4085524 39.47177)
9        0      Brillants             2000 POINT (-0.3853794 39.47841)
10       0      Brillants             2022 POINT (-0.4135228 39.47035)
   antiguedad
1          52
2         111
3          60
4         105
5          85
6          59
7          77
8          42
9          99
10         48

Para hacer más fácil el trabajo reordenamos las columnas por orden lógico

names (fallas)

 [1] "objectid"        "id_falla"        "nombre"          "seccion"        
 [5] "fallera"         "presidente"      "artista"         "lema"           
 [9] "anyo_fundacion"  "boceto"          "experim"         "distintivo_tipo"
[13] "distintivo_anyo" "geometry"        "antiguedad"     

fallas <- fallas %>%
  select(objectid, id_falla, nombre, seccion, anyo_fundacion, antiguedad, 
         distintivo_tipo, distintivo_anyo, fallera, presidente, artista, lema, boceto, experim,            geometry)

Como hay pocas fallas que no tengan año de fundación vamos a intentar encontrarlo y así poder añadir tanto el año de fundación como la antigüedad.

fallas %>%
  filter(is.na(anyo_fundacion))

Simple feature collection with 4 features and 14 fields
Geometry type: POINT
Dimension:     XY
Bounding box:  xmin: -0.3837005 ymin: 39.43895 xmax: -0.333043 ymax: 39.48116
Geodetic CRS:  WGS 84
  objectid id_falla                                           nombre seccion
1     9141      395           Enginyer Manuel Soto - Avinguda França      6A
2     8973      396                     Suïssa-L'Alquería del Favero      8C
3     9054      397 Gonzalo Tejero Langarita - Vicente Chuliá Campos      4C
4     9182      394    Dr. García Brustenga - Vicente Barrera Cambra      2A
  anyo_fundacion antiguedad distintivo_tipo distintivo_anyo
1             NA         NA            <NA>              NA
2             NA         NA            <NA>              NA
3             NA         NA            <NA>              NA
4             NA         NA            <NA>              NA
                        fallera                  presidente
1      Estefanía Montalvo Torro       José Luis Ortiz Pavia
2   Rosario Fernández Fernández          José Santos Quilis
3 Lourdes María López Hernández Rafael José Olcina Guerrero
4       Judith Barrachina Bueno         Miguel Navarro Coll
                       artista             lema
1  Pedro Vicente Baenas García  el rey del grao
2                 Paco y David  Un any de màgia
3 Vicente Julián García Pastor              ELA
4         Vicente García Pérez Em.....mascarats
                                                                             boceto
1 http://mapas.valencia.es/WebsMunicipales/layar/img/fallasvalencia/2026_395_bm.jpg
2 http://mapas.valencia.es/WebsMunicipales/layar/img/fallasvalencia/2026_396_bm.jpg
3 http://mapas.valencia.es/WebsMunicipales/layar/img/fallasvalencia/2026_397_bm.jpg
4 http://mapas.valencia.es/WebsMunicipales/layar/img/fallasvalencia/2026_394_bm.jpg
  experim                    geometry
1       0  POINT (-0.333043 39.45918)
2       0 POINT (-0.3376704 39.45379)
3       0 POINT (-0.3837005 39.43895)
4       0 POINT (-0.3567288 39.48116)

Los años han sido comprobados o bien en las páginas web de las distintas comisiones o en las redes sociales de las mismas

fallas <- fallas %>%
  mutate(
    anyo_fundacion = case_when(
      nombre == "Enginyer Manuel Soto - Avinguda França" ~ 2022,
      nombre == "Suïssa-L'Alquería del Favero" ~ 2024,
      nombre == "Gonzalo Tejero Langarita - Vicente Chuliá Campos" ~ 2024,
      nombre == "Dr. García Brustenga - Vicente Barrera Cambra" ~ 2022,
      TRUE ~ anyo_fundacion
    ),
    antiguedad = 2026 - anyo_fundacion
  )

Y comprobamos

fallas %>%
  filter(nombre %in% c(
    "Enginyer Manuel Soto - Avinguda França",
    "Suïssa-L'Alquería del Favero",
    "Gonzalo Tejero Langarita - Vicente Chuliá Campos",
    "Dr. García Brustenga - Vicente Barrera Cambra"
  )) %>%
  select(nombre, anyo_fundacion, antiguedad, distintivo_anyo)

Simple feature collection with 4 features and 4 fields
Geometry type: POINT
Dimension:     XY
Bounding box:  xmin: -0.3837005 ymin: 39.43895 xmax: -0.333043 ymax: 39.48116
Geodetic CRS:  WGS 84
                                            nombre anyo_fundacion antiguedad
1           Enginyer Manuel Soto - Avinguda França           2022          4
2                     Suïssa-L'Alquería del Favero           2024          2
3 Gonzalo Tejero Langarita - Vicente Chuliá Campos           2024          2
4    Dr. García Brustenga - Vicente Barrera Cambra           2022          4
  distintivo_anyo                    geometry
1              NA  POINT (-0.333043 39.45918)
2              NA POINT (-0.3376704 39.45379)
3              NA POINT (-0.3837005 39.43895)
4              NA POINT (-0.3567288 39.48116)

Volvemos a comprbar los NAs del df

colSums(is.na(fallas))

       objectid        id_falla          nombre         seccion  anyo_fundacion 
              0               0               0               0               0 
     antiguedad distintivo_tipo distintivo_anyo         fallera      presidente 
              0               4               5               0               0 
        artista            lema          boceto         experim        geometry 
              0               0               0               0               0 

fallas$nombre[is.na(fallas$distintivo_anyo)]

[1] "Enginyer Manuel Soto - Avinguda França"          
[2] "Suïssa-L'Alquería del Favero"                    
[3] "Blas Gámez - Ángel Villena"                      
[4] "Gonzalo Tejero Langarita - Vicente Chuliá Campos"
[5] "Dr. García Brustenga - Vicente Barrera Cambra"   

De esta manera podemos comprobar que en los distintivos solo hay 4 NAs y todos correspondientes a las fallas de nueva creación, por o que podemos afirmar que es porque aun no lo tienen. Por lo que aparecen todos los distintivos y sus años de asignación excepto en la falla Blas Gámez - Ángel Villena que aparece NA

Tratamiento de la base de datos de carpas

print(carpas)

Simple feature collection with 449 features and 7 fields
Geometry type: MULTIPOLYGON
Dimension:     XY
Bounding box:  xmin: -0.4267954 ymin: 39.31005 xmax: -0.3177433 ymax: 39.54121
Geodetic CRS:  WGS 84
First 10 features:
   objectid id_falla created_user        created_date last_edited_user
1      3770      309      ADM_GIS 2026-03-13 13:53:18          ADM_GIS
2      3771       80      ADM_GIS 2026-03-13 13:53:18          ADM_GIS
3      3772      140      ADM_GIS 2026-03-13 13:53:18          ADM_GIS
4      3776       96      ADM_GIS 2026-03-13 13:53:18          ADM_GIS
5      3779       34      ADM_GIS 2026-03-13 13:53:18          ADM_GIS
6      3781      320      ADM_GIS 2026-03-13 13:53:18          ADM_GIS
7      3783      183      ADM_GIS 2026-03-13 13:53:18          ADM_GIS
8      3784       95      ADM_GIS 2026-03-13 13:53:18          ADM_GIS
9      3785      371      ADM_GIS 2026-03-13 13:53:18          ADM_GIS
10     3787       19      ADM_GIS 2026-03-13 13:53:18          ADM_GIS
      last_edited_date
1  2026-03-13 13:53:18
2  2026-03-13 13:53:18
3  2026-03-13 13:53:18
4  2026-03-13 13:53:18
5  2026-03-13 13:53:18
6  2026-03-13 13:53:18
7  2026-03-13 13:53:18
8  2026-03-13 13:53:18
9  2026-03-13 13:53:18
10 2026-03-13 13:53:18
                                                 geo_point_2d
1  { "lon": -0.37795562279845279, "lat": 39.475618486750584 }
2  { "lon": -0.38225931545541286, "lat": 39.478347805840983 }
3  { "lon": -0.39224729689977117, "lat": 39.474842254387468 }
4  { "lon": -0.40245762560970649, "lat": 39.472695216157248 }
5   { "lon": -0.38193171716639296, "lat": 39.47202806895011 }
6  { "lon": -0.38962402760688314, "lat": 39.494077480110775 }
7  { "lon": -0.34320937472062496, "lat": 39.461511312066271 }
8  { "lon": -0.37734359251185245, "lat": 39.488177683132001 }
9   { "lon": -0.4128437271622396, "lat": 39.467965671993689 }
10  { "lon": -0.3709835708634856, "lat": 39.474798587248692 }
                         geometry
1  MULTIPOLYGON (((-0.3778381 ...
2  MULTIPOLYGON (((-0.3823417 ...
3  MULTIPOLYGON (((-0.3922656 ...
4  MULTIPOLYGON (((-0.4024238 ...
5  MULTIPOLYGON (((-0.3820157 ...
6  MULTIPOLYGON (((-0.3896558 ...
7  MULTIPOLYGON (((-0.3432437 ...
8  MULTIPOLYGON (((-0.3772159 ...
9  MULTIPOLYGON (((-0.4127328 ...
10 MULTIPOLYGON (((-0.3709635 ...

table(carpas$created_user)

ADM_GIS 
    449 

table(carpas$last_edited_user)

ADM_GIS 
    449 

table(carpas$created_date)

2026-03-13 13:53:18 2026-03-13 14:53:18 
                200                 249 

table(carpas$last_edited_date)

2026-03-13 13:53:18 2026-03-13 14:53:18 
                200                 249 

Aqui podemos ver que hay mucha información que no es relevante a la hora de hacer un análisis, así que eliminamos todas las columnas que no aportan información útil. Estas categorías serian: el usuario creador, fecha de creación, último usuario editor y la última fecha de edición. Podemos ver que tanto los usuarios como las fechas son siempre igual.

carpas <- carpas %>%
  select(-created_user, -created_date, -last_edited_user, -last_edited_date)

Comprobamos

names(carpas)

[1] "objectid"     "id_falla"     "geo_point_2d" "geometry"    

Al igual que en el dataset de fallas tener la columna de geo_point_2d existiendo la de geometry es redundante, por lo que la eliminamos.

carpas <- carpas %>%
  select(-geo_point_2d)

names(carpas)

[1] "objectid" "id_falla" "geometry"

Comprobamos NAs

colSums(is.na(carpas))

objectid id_falla geometry 
       0        0        0 

Al no tener NAs damos por bueno el df

Unión de ambos datasets

st_crs(carpas)

Coordinate Reference System:
  User input: WGS 84 
  wkt:
GEOGCRS["WGS 84",
    DATUM["World Geodetic System 1984",
        ELLIPSOID["WGS 84",6378137,298.257223563,
            LENGTHUNIT["metre",1]]],
    PRIMEM["Greenwich",0,
        ANGLEUNIT["degree",0.0174532925199433]],
    CS[ellipsoidal,2],
        AXIS["geodetic latitude (Lat)",north,
            ORDER[1],
            ANGLEUNIT["degree",0.0174532925199433]],
        AXIS["geodetic longitude (Lon)",east,
            ORDER[2],
            ANGLEUNIT["degree",0.0174532925199433]],
    ID["EPSG",4326]]

st_crs(fallas)

Coordinate Reference System:
  User input: WGS 84 
  wkt:
GEOGCRS["WGS 84",
    DATUM["World Geodetic System 1984",
        ELLIPSOID["WGS 84",6378137,298.257223563,
            LENGTHUNIT["metre",1]]],
    PRIMEM["Greenwich",0,
        ANGLEUNIT["degree",0.0174532925199433]],
    CS[ellipsoidal,2],
        AXIS["geodetic latitude (Lat)",north,
            ORDER[1],
            ANGLEUNIT["degree",0.0174532925199433]],
        AXIS["geodetic longitude (Lon)",east,
            ORDER[2],
            ANGLEUNIT["degree",0.0174532925199433]],
    ID["EPSG",4326]]

Ambos df tienen EPSG=4326, por lo que son compatibles pero no son válidos para calcular áreas o distancias. Creamos una variable nueva para cada df de EPSG=25830

fallas$geometry_utm <- st_transform(st_geometry(fallas), 25830)
carpas$geometry_utm <- st_transform(st_geometry(carpas), 25830)

names(fallas)

 [1] "objectid"        "id_falla"        "nombre"          "seccion"        
 [5] "anyo_fundacion"  "antiguedad"      "distintivo_tipo" "distintivo_anyo"
 [9] "fallera"         "presidente"      "artista"         "lema"           
[13] "boceto"          "experim"         "geometry"        "geometry_utm"   

names(carpas)

[1] "objectid"     "id_falla"     "geometry"     "geometry_utm"

Renombramos las variables en fallas

names(fallas)[names(fallas) == "geometry"] <- "geometry_falla"
names(fallas)[names(fallas) == "geometry_utm"] <- "geometry_utm_fallas"

Renombramos las variables en carpas

names(carpas)[names(carpas) == "geometry"] <- "geometry_carpas"
names(carpas)[names(carpas) == "geometry_utm"] <- "geometry_utm_carpas"

Unir por id_falla, establecemos como geometría activa fallas, desactivando la de carpas

fallas <- st_set_geometry(fallas, "geometry_falla")

carpas_df <- st_drop_geometry(carpas)

Join por id_falla

fallas_carpas <- fallas %>%
  left_join(carpas_df, by = "id_falla")
  
fallas_carpas <- fallas_carpas %>%
  rename(objectid_falla = objectid.x,
         objectid_carpa = objectid.y)

Comprobamos

colSums(is.na(fallas_carpas))

     objectid_falla            id_falla              nombre             seccion 
                  0                   0                   0                   0 
     anyo_fundacion          antiguedad     distintivo_tipo     distintivo_anyo 
                  0                   0                   5                   6 
            fallera          presidente             artista                lema 
                  0                   0                   0                   0 
             boceto             experim      objectid_carpa      geometry_falla 
                  0                   0                  53                   0 
geometry_utm_fallas     geometry_carpas geometry_utm_carpas 
                  0                   0                   0 

Aparecen 53 NAs en la variable objectid_carpa, debido a que hay 53 fallas sin carpa. Si vemos dentro del nuevo df observamos que las fallas donde aparecen NA en esta categoría en las variables geometry_carpas y geometry_utm_carpas pone “MULTIPOLYGON EMPTY”. Aun así el nuevo df tiene 499 observaciones, sin embargo el de carpas tiene 449 y el de falla 344, esto es debido a que algunas fallas tienen más de una carpa.

Guardado de la nueva base de datos

write.csv(fallas_carpas, "fallas_carpas.csv", row.names = FALSE)

Output

Se ha obtenido un dataset que auna la información de dos bases de datos ofrecidas por el Ayuntamiento de València. El primero es sobre las fallas y el segundo sobre las carpas.

El nuevo datset ofrecido muestra el código de referencia de cada falla, el nombre, las insignias, año de creación, Fallera Mayor, presindente, artista fallero, el boceto, la ubicación de las fallas, la ubicación de las carpas, etc. Además la ubicación tanto de las fallas como de las carpas se ofrece en EPSG=4326 (original), como en EPSG=25830 para facilitar futuros cálculos y análisis.

El/los fichero(s) generados con este procedimiento/técnica/metodología se puede(n) descargar de aquí.

Proyecto de Innovación Educativa Emergente (PIEE-3898312)