Análisis Exploratorio de Datos (EDA)
str(datos)
## tibble [10,000 × 23] (S3: tbl_df/tbl/data.frame)
## $ fecha_reporte_web : POSIXct[1:10000], format: "2021-06-29" "2021-04-23" ...
## $ id_de_caso : num [1:10000] 4208058 2737390 3576919 2944674 2300590 ...
## $ fecha_de_notificacion : POSIXct[1:10000], format: "2021-06-15" "2021-04-19" ...
## $ codigo_divipola_departamento: num [1:10000] 68 5 68 11 13001 ...
## $ nombre_departamento : chr [1:10000] "SANTANDER" "ANTIOQUIA" "SANTANDER" "BOGOTA" ...
## $ codigo_divipola_municipio : num [1:10000] 68001 5001 68001 11001 13001 ...
## $ nombre_municipio : chr [1:10000] "BUCARAMANGA" "MEDELLIN" "BUCARAMANGA" "BOGOTA" ...
## $ edad : num [1:10000] 39 73 15 45 22 20 45 48 71 24 ...
## $ sexo : chr [1:10000] "F" "F" "M" "F" ...
## $ tipo_de_contagio : chr [1:10000] "Relacionado" "Comunitaria" "Relacionado" "Comunitaria" ...
## $ ubicacion_del_caso : chr [1:10000] "Casa" "Casa" "Casa" "Casa" ...
## $ estado : chr [1:10000] "Leve" "Leve" "Leve" "Leve" ...
## $ recuperado : chr [1:10000] "Recuperado" "Recuperado" "Recuperado" "Recuperado" ...
## $ fecha_de_inicio_de_sintomas : POSIXct[1:10000], format: "2021-06-10" "2021-04-16" ...
## $ fecha_de_muerte : Date[1:10000], format: NA NA ...
## $ fecha_de_diagnostico : POSIXct[1:10000], format: "2021-06-26" "2021-04-20" ...
## $ fecha_recuperacion : POSIXct[1:10000], format: "2021-06-30" "2021-04-30" ...
## $ tipo_de_recuperacion : chr [1:10000] "Tiempo" "Tiempo" "Tiempo" "Tiempo" ...
## $ pertenencia_etnica : num [1:10000] 6 6 6 6 6 6 6 6 6 6 ...
## $ nombre_del_grupo_etnico : chr [1:10000] NA NA NA NA ...
## $ fecha_nacimiento : num [1:10000] 1983 1949 2007 1977 2000 ...
## $ retraso_notificacion : num [1:10000] 5 3 5 12 7 4 1 4 4 1 ...
## $ tiempo_recuperacion : num [1:10000] 20 14 20 19 14 14 14 14 18 213 ...
glimpse(datos)
## Rows: 10,000
## Columns: 23
## $ fecha_reporte_web <dttm> 2021-06-29, 2021-04-23, 2021-06-07, 2021…
## $ id_de_caso <dbl> 4208058, 2737390, 3576919, 2944674, 23005…
## $ fecha_de_notificacion <dttm> 2021-06-15, 2021-04-19, 2021-05-24, 2021…
## $ codigo_divipola_departamento <dbl> 68, 5, 68, 11, 13001, 54, 66, 5, 81, 25, …
## $ nombre_departamento <chr> "SANTANDER", "ANTIOQUIA", "SANTANDER", "B…
## $ codigo_divipola_municipio <dbl> 68001, 5001, 68001, 11001, 13001, 54001, …
## $ nombre_municipio <chr> "BUCARAMANGA", "MEDELLIN", "BUCARAMANGA",…
## $ edad <dbl> 39, 73, 15, 45, 22, 20, 45, 48, 71, 24, 3…
## $ sexo <chr> "F", "F", "M", "F", "M", "M", "M", "F", "…
## $ tipo_de_contagio <chr> "Relacionado", "Comunitaria", "Relacionad…
## $ ubicacion_del_caso <chr> "Casa", "Casa", "Casa", "Casa", "Casa", "…
## $ estado <chr> "Leve", "Leve", "Leve", "Leve", "Leve", "…
## $ recuperado <chr> "Recuperado", "Recuperado", "Recuperado",…
## $ fecha_de_inicio_de_sintomas <dttm> 2021-06-10, 2021-04-16, 2021-05-19, 2021…
## $ fecha_de_muerte <date> NA, NA, NA, NA, NA, NA, NA, NA, NA, NA, …
## $ fecha_de_diagnostico <dttm> 2021-06-26, 2021-04-20, 2021-06-04, 2021…
## $ fecha_recuperacion <dttm> 2021-06-30, 2021-04-30, 2021-06-08, 2021…
## $ tipo_de_recuperacion <chr> "Tiempo", "Tiempo", "Tiempo", "Tiempo", "…
## $ pertenencia_etnica <dbl> 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6, 6,…
## $ nombre_del_grupo_etnico <chr> NA, NA, NA, NA, NA, NA, NA, NA, NA, NA, N…
## $ fecha_nacimiento <dbl> 1983, 1949, 2007, 1977, 2000, 2002, 1977,…
## $ retraso_notificacion <dbl> 5, 3, 5, 12, 7, 4, 1, 4, 4, 1, 0, NA, 1, …
## $ tiempo_recuperacion <dbl> 20, 14, 20, 19, 14, 14, 14, 14, 18, 213, …
Gráficos Exploratorios
Gráfico de Puntos por Fecha y Sexo
COVID <- datos %>% group_by(fecha_reporte_web, sexo) %>%
summarise(casos = n())
## `summarise()` has grouped output by 'fecha_reporte_web'. You can override using
## the `.groups` argument.
ggplot(data = COVID, aes(x = fecha_reporte_web, y = casos, colour = sexo)) +
geom_point()
Gráfico de LÃneas por Fecha
COVID_FECHA <- datos %>% group_by(fecha_reporte_web) %>%
summarise(casos = n())
ggplot(data = COVID_FECHA, aes(x = fecha_reporte_web, y = casos)) +
geom_line()
Gráfico de Barras por Sexo
ggplot(data = datos) +
geom_bar(aes(x = sexo))
Gráfico de Barras por Departamento
COVID_DEPAS <- datos %>% group_by(nombre_departamento) %>% summarise(casos = n())
ggplot(data = COVID_DEPAS, aes(x = reorder(nombre_departamento, -casos), y = casos)) +
geom_bar(stat = "identity") + coord_flip()
Gráfico de Barras por Departamento con Escala LogarÃtmica
ggplot(data = COVID_DEPAS, aes(x = reorder(nombre_departamento, casos), y = casos)) +
geom_bar(stat = "identity") + coord_flip() + scale_y_log10(name = 'Casos confirmados COVID19 ESCALA LOG()')
Gráficos con Facetas y Temas
Gráfico de Puntos por Edad y Sexo con Facetas
COVID_SEXO <- datos %>% group_by(edad, sexo) %>%
summarise(casos = n())
## `summarise()` has grouped output by 'edad'. You can override using the
## `.groups` argument.
ggplot(COVID_SEXO, aes(x = edad, y = casos, colour = casos)) +
geom_point() +
facet_wrap(~sexo) +
scale_color_gradient2()
Gráfico de Puntos por Edad y Sexo con Tema Clásico
ggplot(data = COVID_SEXO, aes(x = edad, y = casos)) +
geom_point() +
facet_wrap(~sexo) +
theme_classic()
Gráfico de Puntos por Edad y Sexo con Tema Blanco y Negro
ggplot(data = COVID_SEXO, aes(x = edad, y = casos)) +
geom_point() +
facet_wrap(~sexo) +
theme_bw()
Personalización de TÃtulos y Ejes
ggplot(data = COVID_SEXO, aes(x = edad, y = casos, colour = sexo)) +
geom_point() +
facet_wrap(~sexo) +
labs(
y = "Casos Diarios",
x = "Edad en años",
title = "Distribucion de casos de COVID19 en COLOMBIA"
)
