Alumnos: Fernanda Pizarro y Alexander Noblejas

rm(list = ls())
denguelink1='https://github.com/SocialAnalytics-StrategicIntelligence/TableOperations/raw/main/dataFiles/ByYear_LongStats.pkl'
options(repos = "https://cran.rstudio.com/")
install.packages("reticulate")
## Installing package into 'C:/Users/Carlos Daniel/AppData/Local/R/win-library/4.4'
## (as 'lib' is unspecified)
## 
##   There is a binary version available but the source version is later:
##            binary source needs_compilation
## reticulate 1.36.1 1.37.0              TRUE
## 
##   Binaries will be installed
## package 'reticulate' successfully unpacked and MD5 sums checked
## 
## The downloaded binary packages are in
##  C:\Users\Carlos Daniel\AppData\Local\Temp\Rtmpms9VAT\downloaded_packages
library(reticulate)
py_install("pandas")
## + "C:/Users/Carlos Daniel/anaconda3/condabin/conda.bat" install --yes --prefix "C:/Users/Carlos Daniel/anaconda3" -c conda-forge pandas
pd <- import("pandas")

dengueLongStats <- pd$read_pickle(denguelink1)


str(dengueLongStats) 
## 'data.frame':    177 obs. of  4 variables:
##  $ ano       : num  2000 2000 2000 2001 2001 ...
##  $ enfermedad: Ord.factor w/ 3 levels "SIN_SEÑALES"<..: 1 1 1 1 1 1 3 3 3 1 ...
##  $ statsName : chr  "edad_mean" "edad_median" "case_sum" "edad_mean" ...
##  $ statsValue: num  29.5 27 4324 30.6 28 ...
##  - attr(*, "pandas.index")=RangeIndex(start=0, stop=177, step=1)

Responda: La edad media del contagiado de dengue vario a través de los años? Fue lo mismo segun gravedad?

La edad media del contagiado sí varió a través de los años, pero para los casos sobre gravedad grave y alarma, para los casos “sin señal” no varió signficativamente a través de los años. Tal como se muestran en los siguientes dos gráficos.

Responda: La cantidad de casos vario a través de los años? Fue lo mismo segun gravedad?

Sí variaron la cantidad de los casos a través de los años para los tres tipos de gravedad del dengue. Sin embargo, hubo mayor variación en la suma de los casos por años para los tipo en alarma y grave. También se muestran en los siguientes gráficos.

library(ggplot2)
facets= ggplot(data=dengueLongStats,
               aes(x=ano,y=statsValue,color=enfermedad)) + theme_light() +
    scale_y_log10(labels=scales::comma) 
facets +    
    geom_smooth()  + 
    facet_grid(statsName~.,scales = 'free_y') 
## `geom_smooth()` using method = 'loess' and formula = 'y ~ x'

facets +
    geom_line() + 
    facet_grid(statsName~.,scales = 'free_y')

Responda: Cuáles fueron las provincias mas afectadas con contagiados a lo largo de los años?

De acuerdo con el gráfico, las pronvincias más afectadas fueron Tambopata, Maynas, Tumbes, Coronel Portillo, Oxapampa, Piura, Loencio Prado, Jaen, la convencion y chanchamayo.

Responda: Qué relación habia entre los casos alarmantes, no graves y los asintomaticos segun departamento a lo largo de los años?

Al hacer un análisis temporal de os casos alarmantes, no graves y los asintomaticos segun departamento se evidencia una disminución de los casos alarmantes y no graves. Ello suguiere un mejor manejo de esta enfermedad en país. Sin embargo, el gráfico final muestra que en 2020 y 2021 hubieron importantes rebrotes de esta enfermedad en casos alarmantes y no graves para departamentos parael callao y Anchash. Probablemente, ello tiene relación con el brote del COVID -19 en nuestro país y el colapso del sistema sanitario.

denguelink2='https://github.com/SocialAnalytics-StrategicIntelligence/TableOperations/raw/main/dataFiles/worst_ProvYear_alarma_Frequency.csv'

dengueProvWorst <- read.csv(denguelink2)


str(dengueProvWorst) 
## 'data.frame':    43 obs. of  3 variables:
##  $ departamento: chr  "AMAZONAS" "AMAZONAS" "ANCASH" "ANCASH" ...
##  $ provincia   : chr  "BAGUA" "UTCUBAMBA" "CASMA" "SANTA" ...
##  $ case        : int  6 6 5 3 1 7 1 1 10 2 ...
dengueProvWorst[order(-dengueProvWorst$case),]
##     departamento        provincia case
## 29        LORETO           MAYNAS   13
## 30 MADRE DE DIOS        TAMBOPATA   13
## 41        TUMBES           TUMBES   12
## 43       UCAYALI CORONEL PORTILLO   12
## 31         PASCO         OXAPAMPA   11
## 9      CAJAMARCA             JAEN   10
## 13       HUANUCO    LEONCIO PRADO   10
## 33         PIURA            PIURA   10
## 11         CUSCO    LA CONVENCION    9
## 19         JUNIN      CHANCHAMAYO    9
## 27          LIMA             LIMA    9
## 39    SAN MARTIN       SAN MARTIN    8
## 6       AYACUCHO           LA MAR    7
## 1       AMAZONAS            BAGUA    6
## 2       AMAZONAS        UTCUBAMBA    6
## 23   LA LIBERTAD         TRUJILLO    6
## 3         ANCASH            CASMA    5
## 20         JUNIN           SATIPO    4
## 24    LAMBAYEQUE         CHICLAYO    4
## 4         ANCASH            SANTA    3
## 16           ICA              ICA    3
## 26    LAMBAYEQUE       LAMBAYEQUE    3
## 10        CALLAO           CALLAO    2
## 14       HUANUCO      PUERTO INCA    2
## 18           ICA            PALPA    2
## 21   LA LIBERTAD           ASCOPE    2
## 22   LA LIBERTAD           CHEPEN    2
## 25    LAMBAYEQUE        FERREÑAFE    2
## 36          PUNO         CARABAYA    2
## 38    SAN MARTIN MARISCAL CACERES    2
## 40    SAN MARTIN          TOCACHE    2
## 5       AREQUIPA         AREQUIPA    1
## 7       AYACUCHO            SUCRE    1
## 8      CAJAMARCA        CAJAMARCA    1
## 12         CUSCO     QUISPICANCHI    1
## 15           ICA          CHINCHA    1
## 17           ICA            NAZCA    1
## 28        LORETO    ALTO AMAZONAS    1
## 32         PIURA      HUANCABAMBA    1
## 34         PIURA          SULLANA    1
## 35         PIURA           TALARA    1
## 37    SAN MARTIN         HUALLAGA    1
## 42        TUMBES        ZARUMILLA    1

#Gráficos

baseHeat  = ggplot(dengueProvWorst, aes(x = reorder(departamento,case), y = reorder(provincia,case), fill=case)) + theme_classic()
heatDefault = baseHeat +  geom_tile() #here

heatBetter=heatDefault +scale_fill_gradient(low = 'yellow',high = 'black')
heatBetter + theme(axis.text.x = element_text(angle = 60,vjust = 1,hjust = 1),
                   axis.text.y = element_text(size=4)) +
                   geom_text(aes(label=ifelse(case>=10,case,"")),
                             size=6,fontface='bold', color='white')

#Información sobre ratealarma

denguelink3='https://raw.githubusercontent.com/SocialAnalytics-StrategicIntelligence/TableOperations/main/dataFiles/ByYearPlace.pkl'

dengueYearPlace <- pd$read_pickle(denguelink3)

str(dengueYearPlace) 
## 'data.frame':    203 obs. of  4 variables:
##  $ ano           : num  2012 2012 2012 2012 2012 ...
##  $ departamento  : chr  "AMAZONAS" "ANCASH" "CAJAMARCA" "HUANUCO" ...
##  $ rateAlarma    : num  0.1263 0.0211 0.1772 0.3092 0.0613 ...
##  $ rateAlarma.cut: Ord.factor w/ 6 levels "less10%"<"10-25%"<..: 2 1 2 3 1 1 2 2 2 1 ...
##  - attr(*, "pandas.index")=RangeIndex(start=0, stop=203, step=1)
summary(dengueYearPlace)
##       ano       departamento         rateAlarma        rateAlarma.cut
##  Min.   :2012   Length:203         Min.   :0.00000   less10%  :97    
##  1st Qu.:2015   Class :character   1st Qu.:0.03673   10-25%   :46    
##  Median :2017   Mode  :character   Median :0.10378   25-50    :47    
##  Mean   :2017                      Mean   :0.19514   51-75%   : 5    
##  3rd Qu.:2020                      3rd Qu.:0.28067   75-100%  : 5    
##  Max.   :2022                      Max.   :1.58333   above100%: 3
# default 

baseHeat  = ggplot(dengueYearPlace, aes(x = as.factor(ano),
                                       y =reorder(departamento,
                                                  rateAlarma), 
                                       fill=rateAlarma.cut)) + theme_classic()
heatDefault = baseHeat +  geom_tile(show.legend = T) #here

heatBetter=heatDefault +scale_fill_brewer(palette = "Reds")
heatBetter + theme(axis.text.x = element_text(angle = 60,vjust = 1,hjust = 1),
                   axis.text.y = element_text(size=4))

RESPUESTAS A LAS PREGUNTAS DE LA TAREA 1

1 Responda: La edad media del contagiado de dengue vario a través de los años? Fue lo mismo segun gravedad?

La edad media del contagiado sí varió a través de los años, pero para los casos sobre gravedad grave y alarma, para los casos “sin señal” no varió signficativamente a través de los años. Tal como se muestran en los siguientes dos gráficos.

2 Responda: La cantidad de casos vario a través de los años? Fue lo mismo segun gravedad?

Sí variaron la cantidad de los casos a través de los años para los tres tipos de gravedad del dengue. Sin embargo, hubo mayor variación en la suma de los casos por años para los tipo en alarma y grave. También se muestran en los siguientes gráficos.

3 Responda: Cuáles fueron las provincias mas afectadas con contagiados a lo largo de los años?

De acuerdo con el gráfico, las pronvincias más afectadas fueron Tambopata, Maynas, Tumbes, Coronel Portillo, Oxapampa, Piura, Loencio Prado, Jaen, la convencion y chanchamayo.

4 Responda: Qué relación habia entre los casos alarmantes, no graves y los asintomaticos segun departamento a lo largo de los años?

Al hacer un análisis temporal de os casos alarmantes, no graves y los asintomaticos segun departamento se evidencia una disminución de los casos alarmantes y no graves. Ello suguiere un mejor manejo de esta enfermedad en país. Sin embargo, el gráfico final muestra que en 2020 y 2021 hubieron importantes rebrotes de esta enfermedad en casos alarmantes y no graves para departamentos parael callao y Anchash. Probablemente, ello tiene relación con el brote del COVID -19 en nuestro país y el colapso del sistema sanitario.