Librerias
| Provincia | ConfirmadosAcum |
|---|---|
| Sevilla | 3083 |
| Málaga | 4418 |
| Jaén | 1909 |
| Huelva | 526 |
| Granada | 3217 |
| Córdoba | 1741 |
| Cádiz | 1558 |
| Almería | 763 |
dfaux <- casos_confirmados
plot_conf <-
ggplot(dfaux,
aes(x = dfaux$ConfirmadosAcum,
y = dfaux$Provincia,
colour = as.factor(dfaux$Provincia),
fill = as.factor(dfaux$Provincia))) +
geom_bar(stat = "identity",position="stack") +
scale_x_continuous(breaks = seq(500, 5000, 500), expand = c(0,0)) +
theme_bw() +
theme(axis.title = element_blank(),
axis.ticks.y = element_blank(),
legend.position = "none",
panel.grid.minor = element_blank(),
panel.grid.major.y = element_blank())+ggtitle("Casos confirmados mediante tests por provincias")
plot_confGráfico de la evolucion del COVID
Consideramos que la mejor opción es usar un
gráfico de líneas, ya que podemos observar mejor los picos
de los casos y las caidas. Y hemos usado un
gráfico de barras modificando la escala para que sea más
representativa, de las muertes por día.
num_casos <- cs_export %>%
mutate(`Fecha declaración` = as.Date(`Fecha declaración`, format = "%d/%m/%Y")) %>%
group_by(`Fecha declaración`) %>%
summarise("Casos por dia" = sum(`Total confirmados (PCR+test)`),
"Muertes por dia" = sum(Defunciones)) %>%
arrange(`Fecha declaración`)
ggplot(num_casos, aes(x = `Fecha declaración`)) +
ggtitle("Evolución del COVID-19") +
geom_line(aes(y = `Casos por dia`, color = "Casos por día"), linewidth = 1, color = "springgreen3") +
geom_col(aes(y = `Muertes por dia` * 5 , fill = "Muertes por día"), fill = "darkslategray") +
scale_y_continuous(sec.axis = sec_axis(~ . / 5, name = "Muertes por día")) +
labs(color = "Casos por día", fill = "Muertes por día") +
theme_minimal()Grafico de acumulados
Hemos usado el geom_smooth() para mostrar y suavizar las
líneas de los casos acumulados por provincias y también el de la
comunidad en general.
datos_acumulado_semanal <- cs_export %>%
group_by(Territorio, semana = lubridate::isoweek(`Fecha declaración`)) %>%
summarise(
fallecidos_acumulado = sum(Defunciones),
positivos_acumulado = sum(`Total confirmados (PCR+test)`),
curados_acumulado = sum(Curados),
hospitalizados_acumulado = sum(Hospitalizados)
)
ggplot(datos_acumulado_semanal, aes(x = semana, y = positivos_acumulado, color = Territorio)) +
geom_smooth(method = "loess", se = FALSE) +
scale_y_log10() +
labs(
title = "Positivos acumulados por semana y provincia",
x = "Semana",
y = "Positivos acumulados (escala log)",
color = "Provincia"
) +
theme_minimal()Mapa de muertes totales
Dibujamos un mapa con la gama de colores en función de menor a mayor número de muertes de cada provincia de Andalucía
muertes_total_prov <- cs_export %>%
group_by(Territorio) %>%
summarise("muertes_totales" = sum(Defunciones)) %>%
filter(Territorio != "Andalucía")
provs <- esp_get_prov_siane(c("Andalucía")) %>%
left_join(muertes_total_prov, by = c("ine.prov.name" = "Territorio"))
ggplot(provs) +
geom_sf(aes(fill = muertes_totales), alpha = 0.9, color = NA) +
scale_fill_gradientn(
colors = hcl.colors(100, "Lajolla"),
n.breaks = 10,
labels = scales::label_comma(),
guide = guide_legend()
) +
labs(
fill = "Muertes Totales",
title = "Muertes Totales en Andalucía",
subtitle = "Datos totales de muertes en municipios de Andalucía"
) +
theme_void() +
theme(
plot.background = element_rect("grey80"),
text = element_text(face = "bold"),
plot.title = element_text(hjust = .5),
plot.subtitle = element_text(hjust = .5)
)