setwd("~/Rstudio verano")
#Analizar series de tiempo acomulada de datos
# de COVID-19 en Cameroon utilizando el repositorio de JHU

#biblioteca
library(readr)
library(tidyverse)
## -- Attaching packages -------------------------------------------------- tidyverse 1.3.0 --
## v ggplot2 3.3.1     v dplyr   1.0.0
## v tibble  3.0.1     v stringr 1.4.0
## v tidyr   1.1.0     v forcats 0.5.0
## v purrr   0.3.4
## -- Conflicts ----------------------------------------------------- tidyverse_conflicts() --
## x dplyr::filter() masks stats::filter()
## x dplyr::lag()    masks stats::lag()
library(plotly)
## 
## Attaching package: 'plotly'
## The following object is masked from 'package:ggplot2':
## 
##     last_plot
## The following object is masked from 'package:stats':
## 
##     filter
## The following object is masked from 'package:graphics':
## 
##     layout
library(gganimate)
library(gifski)

#declaracion de variables 

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"

#Declaracion de URL de variables 
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"

#Leer los archivos .csv de las URL
datos_conf <- read.csv(url_conf)
datos_decesos <-read.csv(url_decesos)
datos_recuperados <- read.csv(url_recuperados)

#definir variables de contagios en Cameroon
conf_cam <- t(datos_conf [datos_conf$Country.Region=="Cameroon" ,])
dec_cam <- t(datos_decesos [datos_decesos$Country.Region=="Cameroon" ,])
rec_cam <- t(datos_recuperados [datos_recuperados$Country.Region=="Cameroon" ,])


#Figura 1 grafica de confirmados simple
plot(conf_cam)
## Warning in xy.coords(x, y, xlabel, ylabel, log): NAs introducidos por coerción

#para crear un vector de fecha con formato : Día-Mes-Año

Fecha <- seq(from = as.Date("2020-01-22"), to = as.Date("2020-06-08"), by="day")

#Formatear datos confirmados en Cameroon
Vec1 <- as.vector(conf_cam) #transformar de formato matriz a vector
Vec2 <- Vec1[5:143] #filtrar datos en un rango
num1 <- as.numeric(Vec2) #transformar a numéricos
confirmados <- as.vector(num1) #vector numerico

#Formatear datos decesos en Cameroon
Vec1 <- as.vector(dec_cam) #transformar de formato matriz a vector
Vec2 <- Vec1[5:143] #filtrar datos en un rango
num1 <- as.numeric(Vec2) #transformar a numéricos
Decesos <- as.vector(num1) #vector numerico

#Formatear datos de recuperados en Cameroon
Vec1 <- as.vector(rec_cam) #transformar de formato matriz a vector
Vec2 <- Vec1[5:143] #filtrar datos en un rango
num1 <- as.numeric(Vec2) #transformar a numéricos
Recuperados <- as.vector(num1) #vector numerico

#Formatear datos decesos en Cameroon
Vec1 <- as.vector(dec_cam) #transformar de formato matriz a vector
Vec2 <- Vec1[5:143] #filtrar datos en un rango
num1 <- as.numeric(Vec2) #transformar a numéricos
Decesos <- as.vector(num1) #vector numericostruir

#para construir un marco de datos
datos1 <- data.frame(Fecha, confirmados, Decesos, Recuperados)

#figura 2 de casos confirmados e Cameroon
#utilizando gplot

ggplot(data=datos1) +
  geom_line(mapping = aes(x = Fecha, y=confirmados))

#Figura 3 de Decesos
ggplot(data=datos1) +
  geom_line(mapping = aes(x = Fecha, y=Decesos))

#Figura 4 de Recuperados
ggplot(data=datos1) +
  geom_line(mapping = aes(x = Fecha, y=Recuperados))

#Animación simple
#Los datos de COVID-19 en cameroon va en aumento como se observa

ggplot(data=datos1) +
  ggtitle("Casos confirmados acumulados COVID-19 en Cameroon") +
  geom_line(mapping = aes(x = Fecha, y=confirmados)) +
  transition_reveal(Fecha)

#figura numero 5 multi ejes
#Como se puede observar los casos de COVID-19 van en aumento, debido a que no se tiene en cameroon el espacio adecuado entre cada persona en las tiendas y supermercado, de igual manera el número de personas Recuperadas, va en aumento

ggplot(data=datos1) +
  geom_line(aes(x=Fecha,y=confirmados),color='red') + 
  geom_line(aes(x=Fecha,y=Decesos),color='blue') + 
  geom_line(aes(x=Fecha,y=Recuperados),color='green')+
  ylab('COVID-19 Cameroon') + xlab('Fecha') +
  transition_reveal(Fecha)

#grafica interactiva
#Los datos de COVID-19 en cameroon es bajo comparando la densidad poblacional que tienen ñ, pero sus casos van en aumento y si no se hace algo al respecto, los Recuperados no alcanzaran en proporción a los infectados y la gráfica desfasara, ya que será una diferencia muy grande

gcov <- ggplot(data=datos1) +
  geom_line(aes(x=Fecha,y=confirmados),color='red') + 
  geom_line(aes(x=Fecha,y=Decesos),color='blue') + 
  geom_line(aes(x=Fecha,y=Recuperados),color='green')+
  ylab('COVID-19 Cameroon') + xlab('Fecha')
  
ggplotly(gcov)