#INTRODUCCIÓN:
# Durante el año pasado y el año en curso , todo el mundo se esta enfrentando a una enfermedad causada por el virus SARS-CoV-2. Fue detectado por primera vez en la ciudad de China de Wuhan, en diciembre 2019. Llegando a más de 100 territorios, la OMS la declaró pandemia para el día 11 de marzo de 2020. A traves de las siguientes consultas podremos observar algunos de los países afectados por este virus, conociendo así la cantidad de casos confirmados, afortunadas recuperaciones y desafortunados decesos.
#Script para el analisis de datos de covid 19
#Biblioteca
library(readr)## Warning: package 'readr' was built under R version 3.6.3#Declaración de URL
url_conf <- "https://raw.githubusercontent.com/CSSEGISandData/COVID-19/master/csse_covid_19_data/csse_covid_19_time_series/time_series_covid19_confirmed_global.csv"
url_decesos <- "https://raw.githubusercontent.com/CSSEGISandData/COVID-19/master/csse_covid_19_data/csse_covid_19_time_series/time_series_covid19_deaths_global.csv"
url_recuperados <- "https://raw.githubusercontent.com/CSSEGISandData/COVID-19/master/csse_covid_19_data/csse_covid_19_time_series/time_series_covid19_recovered_global.csv"
#variables en marcos de datos (data frame)
datos_conf <- read.csv(url_conf)
datos_decesos <- read.csv(url_decesos)
datos_recuperados <- read.csv(url_recuperados)
#EDA EXPLORANDO LOS DATOS
class(datos_conf)## [1] "data.frame"dim(datos_conf)## [1] 264 94head(datos_conf)## Province.State Country.Region Lat Long X1.22.20 X1.23.20
## 1 Afghanistan 33.0000 65.0000 0 0
## 2 Albania 41.1533 20.1683 0 0
## 3 Algeria 28.0339 1.6596 0 0
## 4 Andorra 42.5063 1.5218 0 0
## 5 Angola -11.2027 17.8739 0 0
## 6 Antigua and Barbuda 17.0608 -61.7964 0 0
## X1.24.20 X1.25.20 X1.26.20 X1.27.20 X1.28.20 X1.29.20 X1.30.20 X1.31.20
## 1 0 0 0 0 0 0 0 0
## 2 0 0 0 0 0 0 0 0
## 3 0 0 0 0 0 0 0 0
## 4 0 0 0 0 0 0 0 0
## 5 0 0 0 0 0 0 0 0
## 6 0 0 0 0 0 0 0 0
## X2.1.20 X2.2.20 X2.3.20 X2.4.20 X2.5.20 X2.6.20 X2.7.20 X2.8.20 X2.9.20
## 1 0 0 0 0 0 0 0 0 0
## 2 0 0 0 0 0 0 0 0 0
## 3 0 0 0 0 0 0 0 0 0
## 4 0 0 0 0 0 0 0 0 0
## 5 0 0 0 0 0 0 0 0 0
## 6 0 0 0 0 0 0 0 0 0
## X2.10.20 X2.11.20 X2.12.20 X2.13.20 X2.14.20 X2.15.20 X2.16.20 X2.17.20
## 1 0 0 0 0 0 0 0 0
## 2 0 0 0 0 0 0 0 0
## 3 0 0 0 0 0 0 0 0
## 4 0 0 0 0 0 0 0 0
## 5 0 0 0 0 0 0 0 0
## 6 0 0 0 0 0 0 0 0
## X2.18.20 X2.19.20 X2.20.20 X2.21.20 X2.22.20 X2.23.20 X2.24.20 X2.25.20
## 1 0 0 0 0 0 0 1 1
## 2 0 0 0 0 0 0 0 0
## 3 0 0 0 0 0 0 0 1
## 4 0 0 0 0 0 0 0 0
## 5 0 0 0 0 0 0 0 0
## 6 0 0 0 0 0 0 0 0
## X2.26.20 X2.27.20 X2.28.20 X2.29.20 X3.1.20 X3.2.20 X3.3.20 X3.4.20 X3.5.20
## 1 1 1 1 1 1 1 1 1 1
## 2 0 0 0 0 0 0 0 0 0
## 3 1 1 1 1 1 3 5 12 12
## 4 0 0 0 0 0 1 1 1 1
## 5 0 0 0 0 0 0 0 0 0
## 6 0 0 0 0 0 0 0 0 0
## X3.6.20 X3.7.20 X3.8.20 X3.9.20 X3.10.20 X3.11.20 X3.12.20 X3.13.20 X3.14.20
## 1 1 1 4 4 5 7 7 7 11
## 2 0 0 0 2 10 12 23 33 38
## 3 17 17 19 20 20 20 24 26 37
## 4 1 1 1 1 1 1 1 1 1
## 5 0 0 0 0 0 0 0 0 0
## 6 0 0 0 0 0 0 0 1 1
## X3.15.20 X3.16.20 X3.17.20 X3.18.20 X3.19.20 X3.20.20 X3.21.20 X3.22.20
## 1 16 21 22 22 22 24 24 40
## 2 42 51 55 59 64 70 76 89
## 3 48 54 60 74 87 90 139 201
## 4 1 2 39 39 53 75 88 113
## 5 0 0 0 0 0 1 2 2
## 6 1 1 1 1 1 1 1 1
## X3.23.20 X3.24.20 X3.25.20 X3.26.20 X3.27.20 X3.28.20 X3.29.20 X3.30.20
## 1 40 74 84 94 110 110 120 170
## 2 104 123 146 174 186 197 212 223
## 3 230 264 302 367 409 454 511 584
## 4 133 164 188 224 267 308 334 370
## 5 3 3 3 4 4 5 7 7
## 6 3 3 3 7 7 7 7 7
## X3.31.20 X4.1.20 X4.2.20 X4.3.20 X4.4.20 X4.5.20 X4.6.20 X4.7.20 X4.8.20
## 1 174 237 273 281 299 349 367 423 444
## 2 243 259 277 304 333 361 377 383 400
## 3 716 847 986 1171 1251 1320 1423 1468 1572
## 4 376 390 428 439 466 501 525 545 564
## 5 7 8 8 8 10 14 16 17 19
## 6 7 7 9 15 15 15 15 19 19
## X4.9.20 X4.10.20 X4.11.20 X4.12.20 X4.13.20 X4.14.20 X4.15.20 X4.16.20
## 1 484 521 555 607 665 714 784 840
## 2 409 416 433 446 467 475 494 518
## 3 1666 1761 1825 1914 1983 2070 2160 2268
## 4 583 601 601 638 646 659 673 673
## 5 19 19 19 19 19 19 19 19
## 6 19 19 21 21 23 23 23 23
## X4.17.20 X4.18.20 X4.19.20 X4.20.20
## 1 906 933 996 1026
## 2 539 548 562 584
## 3 2418 2534 2629 2718
## 4 696 704 713 717
## 5 19 24 24 24
## 6 23 23 23 23names(datos_conf)## [1] "Province.State" "Country.Region" "Lat" "Long"
## [5] "X1.22.20" "X1.23.20" "X1.24.20" "X1.25.20"
## [9] "X1.26.20" "X1.27.20" "X1.28.20" "X1.29.20"
## [13] "X1.30.20" "X1.31.20" "X2.1.20" "X2.2.20"
## [17] "X2.3.20" "X2.4.20" "X2.5.20" "X2.6.20"
## [21] "X2.7.20" "X2.8.20" "X2.9.20" "X2.10.20"
## [25] "X2.11.20" "X2.12.20" "X2.13.20" "X2.14.20"
## [29] "X2.15.20" "X2.16.20" "X2.17.20" "X2.18.20"
## [33] "X2.19.20" "X2.20.20" "X2.21.20" "X2.22.20"
## [37] "X2.23.20" "X2.24.20" "X2.25.20" "X2.26.20"
## [41] "X2.27.20" "X2.28.20" "X2.29.20" "X3.1.20"
## [45] "X3.2.20" "X3.3.20" "X3.4.20" "X3.5.20"
## [49] "X3.6.20" "X3.7.20" "X3.8.20" "X3.9.20"
## [53] "X3.10.20" "X3.11.20" "X3.12.20" "X3.13.20"
## [57] "X3.14.20" "X3.15.20" "X3.16.20" "X3.17.20"
## [61] "X3.18.20" "X3.19.20" "X3.20.20" "X3.21.20"
## [65] "X3.22.20" "X3.23.20" "X3.24.20" "X3.25.20"
## [69] "X3.26.20" "X3.27.20" "X3.28.20" "X3.29.20"
## [73] "X3.30.20" "X3.31.20" "X4.1.20" "X4.2.20"
## [77] "X4.3.20" "X4.4.20" "X4.5.20" "X4.6.20"
## [81] "X4.7.20" "X4.8.20" "X4.9.20" "X4.10.20"
## [85] "X4.11.20" "X4.12.20" "X4.13.20" "X4.14.20"
## [89] "X4.15.20" "X4.16.20" "X4.17.20" "X4.18.20"
## [93] "X4.19.20" "X4.20.20"#EXTRACCIÓN DE DATOS DE PAISES
#IRLANDA
conf_ireland <- t(datos_conf[datos_conf$Country.Region == "Ireland",])
cat("Confirmados Ireland", conf_ireland[nrow(conf_ireland)], "\n")## Confirmados Ireland 15652decesos_ireland <- t(datos_decesos[datos_decesos$Country.Region == "Ireland",])
cat("Decesos Ireland", decesos_ireland[nrow(decesos_ireland)], "\n")## Decesos Ireland 687recuperados_ireland <- t(datos_recuperados[datos_recuperados$Country.Region == "Ireland",])
cat("Recuperados Ireland", recuperados_ireland[nrow(recuperados_ireland)], "\n")## Recuperados Ireland 77#ESPAÑA
conf_spain <- t(datos_conf[datos_conf$Country.Region == "Spain",])
cat("Confirmados Spain", conf_spain[nrow(conf_spain)], "\n")## Confirmados Spain 200210decesos_spain <- t(datos_decesos[datos_decesos$Country.Region == "Spain",])
cat("Decesos Spain", decesos_spain[nrow(decesos_spain)], "\n")## Decesos Spain 20852recuperados_spain <- t(datos_recuperados[datos_recuperados$Country.Region == "Spain",])
cat("Recuperados Spain", recuperados_spain[nrow(recuperados_spain)], "\n")## Recuperados Spain 80587#LUXEMBURGO
conf_Luxembourg <- t(datos_conf[datos_conf$Country.Region == "Luxembourg",])
cat("Confirmados Luxembourg", conf_Luxembourg[nrow(conf_Luxembourg)], "\n")## Confirmados Luxembourg 3558decesos_Luxembourg <- t(datos_decesos[datos_decesos$Country.Region == "Luxembourg",])
cat("Decesos Luxembourg", decesos_Luxembourg[nrow(decesos_Luxembourg)], "\n")## Decesos Luxembourg 75recuperados_Luxembourg <- t(datos_recuperados[datos_recuperados$Country.Region == "Luxembourg",])
cat("Recuperados Luxembourg", recuperados_Luxembourg[nrow(recuperados_Luxembourg)], "\n")## Recuperados Luxembourg 637#NUEVA ZELANDA
conf_newZealand <- t(datos_conf[datos_conf$Country.Region == "New Zealand",])
cat("Confirmados New Zealand", conf_newZealand[nrow(conf_newZealand)], "\n")## Confirmados New Zealand 1440decesos_newZealand <- t(datos_decesos[datos_decesos$Country.Region == "New Zealand",])
cat("Decesos New Zealand", decesos_newZealand[nrow(decesos_newZealand)], "\n")## Decesos New Zealand 12recuperados_newZealand <- t(datos_recuperados[datos_recuperados$Country.Region == "new Zealand",])
cat("Recuperados New Zealand", recuperados_newZealand[nrow(recuperados_newZealand)], "\n")## Recuperados New Zealand NA#BELGICA
conf_Belgium <- t(datos_conf[datos_conf$Country.Region == "Belgium",])
cat("Confirmados Belgium", conf_Belgium[nrow(conf_Belgium)], "\n")## Confirmados Belgium 39983decesos_Belgium <- t(datos_decesos[datos_decesos$Country.Region == "Belgium",])
cat("Decesos Belgium", decesos_Belgium[nrow(decesos_Belgium)], "\n")## Decesos Belgium 5828recuperados_Belgium <- t(datos_recuperados[datos_recuperados$Country.Region == "Belgium",])
cat("Recuperados Belgium", recuperados_Belgium[nrow(recuperados_Belgium)], "\n")## Recuperados Belgium 8895#CONCLUSIÓN
#Como podemos darnos cuenta entre los paises antes consultados desafortunadamente España es el país con una cantidad mayor de casos confirmados y por consecuencia con una mayor cantidad de casos recuperados y decesos, por el contrario tenemos a Nueva Zalanda con poco más de mil casos confirmados, doce decesos y ningún caso recuperado hasta el momento. Puedo concluir que la gran diferencia que hay entre un país y el otro es debido a su ubicación geográfica ya que Francia cuenta con más de tres paises vecinos por lo que puede darse una propagación del virus de una manera más rápida, ya sea terrestre, aerea y maritima entre los paises, a diferencia de Nueva Zelanda que es un país comprendido por dos islas, es decir que no cuenta con paises vecinos y solo esta rodeado de agua, de tal modo que su propagación entre paises se reduce a aerea y maritima.Note that the echo = FALSE parameter was added to the code chunk to prevent printing of the R code that generated the plot.