Seguimiento de los casos de Covid19 en las comunas de las regiones de Chile con R (versiĆ³n desarrollo)
Christian Castro / DataIntelligence Chile
03-05-2020
El objetivo de Ć©ste trabajo es crear un mapa animado de series de tiempo que muestre cĆ³mo el Covid19 se extiende en las comunas de las regiones de Chile.
Los datos estudiados provienen de DataIntelligence Chile.
Comenzaremos por la regiĆ³n de TarapacĆ”:
#Filtrar datos
#pd <- import("pandas")
#datos <- pd$read_excel("data_1_mayo.xlsx")
#head(datos, 10)
#Siendo que solo queremos ver cĆ³mo se ha extendido el covid19 en TarapacĆ”, filtraremos el data frame para mostrar solo los casos ede TarapacĆ”. Esto se puede hacer con el paquete dplyr.
library(tibble)
library(readr)
# read_csv2 () lee archivos separados por punto y coma (comĆŗn en paĆses donde, se usa como el decimal)
covid19_data <- read_csv2("data_1_mayo.csv")## Using ',' as decimal and '.' as grouping mark. Use read_delim() for more control.## Parsed with column specification:
## cols(
## Region = col_character(),
## Comuna = col_character(),
## Codigo_comuna = col_double(),
## Fecha = col_character(),
## Clave = col_double(),
## Casos_Diarios = col_double(),
## Casos_Acumulados = col_double(),
## Muertes = col_double(),
## Casos_Activos = col_double(),
## Recuperados = col_double(),
## Recuperados_Diarios = col_double(),
## Dia = col_double(),
## Fallecidos_Diarios = col_double(),
## `on-off` = col_character(),
## Max_Dia = col_double()
## )#str(covid19_data)
#as_tibble(covid19_data)
#str(covid19_data)
covid19_data## # A tibble: 67,936 x 15
## Region Comuna Codigo_comuna Fecha Clave Casos_Diarios Casos_Acumulados
## <chr> <chr> <dbl> <chr> <dbl> <dbl> <dbl>
## 1 Antof~ Antof~ 2101 03-0~ 2.10e8 0 0
## 2 Antof~ Antof~ 2101 04-0~ 2.10e8 0 0
## 3 Antof~ Antof~ 2101 05-0~ 2.10e8 0 0
## 4 Antof~ Antof~ 2101 06-0~ 2.10e8 0 0
## 5 Antof~ Antof~ 2101 07-0~ 2.10e8 0 0
## 6 Antof~ Antof~ 2101 08-0~ 2.10e8 0 0
## 7 Antof~ Antof~ 2101 09-0~ 2.10e8 0 0
## 8 Antof~ Antof~ 2101 10-0~ 2.10e8 0 0
## 9 Antof~ Antof~ 2101 11-0~ 2.10e8 0 0
## 10 Antof~ Antof~ 2101 12-0~ 2.10e8 0 0
## # ... with 67,926 more rows, and 8 more variables: Muertes <dbl>,
## # Casos_Activos <dbl>, Recuperados <dbl>, Recuperados_Diarios <dbl>,
## # Dia <dbl>, Fallecidos_Diarios <dbl>, `on-off` <chr>, Max_Dia <dbl>Vemos que la fecha no tiene el formato correcto. Se lo damos:
covid19_data$Fecha %<>% as.Date(format="%d-%m-%y")
# covid19_data
head(covid19_data, 10)## # A tibble: 10 x 15
## Region Comuna Codigo_comuna Fecha Clave Casos_Diarios Casos_Acumulados
## <chr> <chr> <dbl> <date> <dbl> <dbl> <dbl>
## 1 Antof~ Antof~ 2101 2020-03-03 2.10e8 0 0
## 2 Antof~ Antof~ 2101 2020-03-04 2.10e8 0 0
## 3 Antof~ Antof~ 2101 2020-03-05 2.10e8 0 0
## 4 Antof~ Antof~ 2101 2020-03-06 2.10e8 0 0
## 5 Antof~ Antof~ 2101 2020-03-07 2.10e8 0 0
## 6 Antof~ Antof~ 2101 2020-03-08 2.10e8 0 0
## 7 Antof~ Antof~ 2101 2020-03-09 2.10e8 0 0
## 8 Antof~ Antof~ 2101 2020-03-10 2.10e8 0 0
## 9 Antof~ Antof~ 2101 2020-03-11 2.10e8 0 0
## 10 Antof~ Antof~ 2101 2020-03-12 2.10e8 0 0
## # ... with 8 more variables: Muertes <dbl>, Casos_Activos <dbl>,
## # Recuperados <dbl>, Recuperados_Diarios <dbl>, Dia <dbl>,
## # Fallecidos_Diarios <dbl>, `on-off` <chr>, Max_Dia <dbl>#Todas las columnas parecen tener la estructura correcta.Filtrando los datos
Siendo que solo queremos ver cĆ³mo se extendiĆ³ covid19 en TarapacĆ”, filtraremos el dataframe para mostrar solo Ć©sos casos. Ćsto lo haremos con el paquete dplyr.
Tarapaca_covid19<-covid19_data%>%
dplyr::filter(Region == "Tarapaca")
Tarapaca_covid19## # A tibble: 1,351 x 15
## Region Comuna Codigo_comuna Fecha Clave Casos_Diarios Casos_Acumulados
## <chr> <chr> <dbl> <date> <dbl> <dbl> <dbl>
## 1 Tarap~ Alto ~ 1107 2020-03-03 1.11e8 0 0
## 2 Tarap~ Alto ~ 1107 2020-03-04 1.11e8 0 0
## 3 Tarap~ Alto ~ 1107 2020-03-05 1.11e8 0 0
## 4 Tarap~ Alto ~ 1107 2020-03-06 1.11e8 0 0
## 5 Tarap~ Alto ~ 1107 2020-03-07 1.11e8 0 0
## 6 Tarap~ Alto ~ 1107 2020-03-08 1.11e8 0 0
## 7 Tarap~ Alto ~ 1107 2020-03-09 1.11e8 0 0
## 8 Tarap~ Alto ~ 1107 2020-03-10 1.11e8 0 0
## 9 Tarap~ Alto ~ 1107 2020-03-11 1.11e8 0 0
## 10 Tarap~ Alto ~ 1107 2020-03-12 1.11e8 0 0
## # ... with 1,341 more rows, and 8 more variables: Muertes <dbl>,
## # Casos_Activos <dbl>, Recuperados <dbl>, Recuperados_Diarios <dbl>,
## # Dia <dbl>, Fallecidos_Diarios <dbl>, `on-off` <chr>, Max_Dia <dbl>Ahora desplegaremos el mapa sĆ³lo de la regiĆ³n de TarapacĆ”:
Obtener el archivo shape de la regiĆ³n.
Como el dataframe no tiene shapes, tengo que descargar una carpeta shape con las regiones y municipios de Chile para unirlos al dataframe Tarapaca_covid19.
La siguiente direcciĆ³n es un excelente sitio web para descargar datasets espaciales de todos los paĆses del mundo:
http://www.diva-gis.org/datadown
# Para leer los datos, usarƩ el paquete sf.
library(sf)
CL_comunas=st_read("C:/Users/usuario/Documents/GitHub/covid19/unidades_vecinales_2019/unidades_vecinales_2019.shp") ## Reading layer `unidades_vecinales_2019' from data source `C:\Users\usuario\Documents\GitHub\covid19\unidades_vecinales_2019\unidades_vecinales_2019.shp' using driver `ESRI Shapefile'
## Simple feature collection with 6871 features and 10 fields
## geometry type: MULTIPOLYGON
## dimension: XY
## bbox: xmin: -109.4549 ymin: -55.98 xmax: -66.41821 ymax: -17.49846
## CRS: 4326# Como podemos ver, el archivo shape se leyĆ³ en R.
#CL_comunas
# plot(st_geometry(CL_comunas))Filtremos por unidad geogrƔfica:
Tarapaca_municipios = CL_comunas %>% filter(T_REG_NOM == "TARAPACA")
plot(st_geometry(Tarapaca_municipios))
Uniendo el shapefile al dataframe
Esto se puede hacer utilizando la funciĆ³n left_join() del paquete dplyr. La uniĆ³n se basarĆ” en la columna comĆŗn compartida por ambos conjuntos de datos, que serĆa la columna RegiĆ³n.
Primero, necesito poner en minĆŗscula el encabezado de la columna āRegionā en el dataset Tarapaca_covid19 y reemplazar el nombre T_REG_NOM por āregionā en el dataset de los shp. Esto, para que puedan coincidir las columnas āRegiĆ³nā de ambos datasets.
Luego, hay que llevar a minĆŗsculas la columna āRegiĆ³nā en ambos datasets.
colnames(Tarapaca_covid19)## [1] "Region" "Comuna" "Codigo_comuna"
## [4] "Fecha" "Clave" "Casos_Diarios"
## [7] "Casos_Acumulados" "Muertes" "Casos_Activos"
## [10] "Recuperados" "Recuperados_Diarios" "Dia"
## [13] "Fallecidos_Diarios" "on-off" "Max_Dia"colnames(Tarapaca_municipios)## [1] "T_REG_CA" "T_REG_NOM" "T_PROV_CA" "T_PROV_NOM" "T_COM"
## [6] "COMUNA" "T_COM_NOM" "T_UV_COD" "ID_UV" "T_UV_NOM"
## [11] "geometry"names(Tarapaca_covid19)[names(Tarapaca_covid19) == 'Region'] <- 'region'
names(Tarapaca_municipios)[names(Tarapaca_municipios) == 'T_REG_NOM'] <- 'region'
Tarapaca_covid19$region<-tolower(Tarapaca_covid19$region)#Makes all rows in the county column lowercase
Tarapaca_municipios$region<-tolower(Tarapaca_municipios$region)
#Ahora puedo unir los dos datasets basado en la columna 'region' de ambos.
Tarapaca_covid19_shapes<-left_join(Tarapaca_covid19,Tarapaca_municipios,by="region",all.x = TRUE)%>%
dplyr::select(Fecha,Comuna,region,Casos_Acumulados,geometry)#selects only the columns of interest
#head(Tarapaca_covid19_shapes)
head(Tarapaca_covid19_shapes)## # A tibble: 6 x 5
## Fecha Comuna region Casos_Acumulados geometry
## <date> <chr> <chr> <dbl> <MULTIPOLYGON [Ā°]>
## 1 2020-03-03 Alto Ho~ tarap~ 0 (((-69.25363 -20.12262, -69.25361~
## 2 2020-03-03 Alto Ho~ tarap~ 0 (((-69.2535 -20.12259, -69.2418 -~
## 3 2020-03-03 Alto Ho~ tarap~ 0 (((-69.01007 -20.67646, -69.00497~
## 4 2020-03-03 Alto Ho~ tarap~ 0 (((-68.97833 -19.93333, -68.97658~
## 5 2020-03-03 Alto Ho~ tarap~ 0 (((-69.47563 -20.40196, -69.47574~
## 6 2020-03-03 Alto Ho~ tarap~ 0 (((-69.74089 -20.26079, -69.70897~#Hacer un mapa con ggplot2 y gganimate
#Toda la parte de manipulaciĆ³n de datos estĆ” hecha, ahora puedo comenzar a construir el mapa real. UsarĆ© el paquete ggplot2 junto con el paquete gganimate para crear el mapa final de la serie animada que muestra cĆ³mo se extendiĆ³ el covid19 en la regiĆ³n de TarapacĆ”.
# Used to make new data frame an sf object
# Must use st_as_sf in order to use geom_sf() to plot polygons
library(ggplot2) #Used for plotting
library(gganimate) #Used for animations
library(RColorBrewer)
Tarapaca_covid19_shapes<-st_as_sf(Tarapaca_covid19_shapes)
# Makes plot with ggplot2 and gganimate to animate through the days
covid_map<-ggplot()+
geom_sf(data = Tarapaca_municipios,fill = "white")+
geom_sf(data = Tarapaca_covid19_shapes,aes(fill=Casos_Acumulados))+
ggtitle("ExpansiĆ³n del COVID-19 en la regiĆ³n de TarapacĆ”")+
xlab("")+
ylab("")+
labs(subtitle = "Date: {current_frame}",
caption = "Fuente de datos: DataIntelligence\nAutor: Christian Castro")+
cowplot::background_grid(major = "none", minor = "none") +
theme(axis.text.x = element_blank(), axis.ticks.x = element_blank(),
axis.text.y = element_blank(), axis.ticks.y = element_blank(),
axis.line = element_blank(),
legend.background = element_blank(),
legend.position=c(-0.3,0.8),
plot.background = element_blank(),
panel.background = element_blank(),
legend.text = element_text(size=12),
legend.title = element_text(colour="black", size=12, face="bold"),
plot.title=element_text(size=20, face="bold",hjust =0.5),
plot.subtitle = element_text(hjust = 0.5,size=12),
plot.caption = element_text(size = 11,
hjust = .5,
color = "black",
face = "bold"))+
scale_fill_distiller("Casos_Acumulados",
palette ="Reds",type = "div",
direction = 1)+transition_manual(Fecha)animate(covid_map, nframe=27,fps = 2, end_pause = 15,height = 500, width =500)