contagios-Brazil.R

setwd("~/Estadistica2020")
#Analizar series de tiempo acumuladas de datos
#de COVID-19 en Mexico utilizando el repositorio de JHU

#bibliotecas
library(readr)
library(tidyverse)

## -- Attaching packages -----------------

## 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 --------------------------
## 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 datos

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)

#filtrar datos para mexico
conf_brz <- t(datos_conf[datos_conf$Country.Region=="Brazil" ,])
dec_brz <- t(datos_decesos[datos_conf$Country.Region=="Brazil" ,])
rec_brz <- t(datos_recuperados[datos_conf$Country.Region=="Brazil" ,])

#primer figura acumulada 
plot(conf_brz)

## Warning in xy.coords(x, y, xlabel, ylabel, log): NAs introducidos por coerción

#para crear un vector de fecha con formato : Dia- Mes - Año
Fecha <- seq(from = as.Date("2020-01-22"), to = as.Date("2020-06-08"), by="day")

#Formatear datos confirmados

vec1 <- as.vector(conf_brz)    #transformar de formato matriz a vector
vec2 <- vec1[5:143] #filtrar datos en un rango
num1 <- as.numeric(vec2)  #transformar a numericos
Confirmados <- as.vector(num1) #vector numerico

#Formatear datos decesos

vec1 <- as.vector(dec_brz)    #transformar de formato matriz a vector
vec2 <- vec1[5:143] #filtrar datos en un rango
num1 <- as.numeric(vec2)  #transformar a numericos
Decesos <- as.vector(num1) #vector numerico

#Formatear datos Recuperados

vec1 <- as.vector(rec_brz)    #transformar de formato matriz a vector
vec2 <- vec1[5:143] #filtrar datos en un rango
num1 <- as.numeric(vec2)  #transformar a numericos
Recuperados <- as.vector(num1) #vector numerico

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

#Figura 2 de casos confirmados en Brazil
#utilizando ggplot

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

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

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

#Animacion simple

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

#Figura 5 multiejes



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 Brazil') + xlab('Fecha') +
  transition_reveal(Fecha)

#grafica interactiva

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 Brazil') + xlab('Fecha')