U1A6.R

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

#Bibliotecas 
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)

#Declaraciones 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)

#Filtrar datos para Rusia
conf_rs <- t(datos_conf[datos_conf$Country.Region=="Russia" ,]) 
dec_rs <- t(datos_decesos[datos_decesos$Country.Region=="Russia" ,])
rec_rs <- t(datos_recuperados[datos_recuperados$Country.Region=="Russia" ,])

#Primer figura acumulada
plot(conf_rs)

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

#Para crear un vector de fecha con formato: DD-MM-AAAA
Fecha <- seq(from=as.Date("2020-01-22"), to = as.Date("2020-06-08"), by="day")

#Formatear datos confirmados
vec1 <- as.vector(conf_rs)
vec2 <- vec1[5:143] #Filtrar datos en un rango
num1 <- as.numeric(vec2) #Transformar a numéricos
Confirmados <- as.vector(num1)

#Formatear datos decesos
vec1 <- as.vector(dec_rs)
vec2 <- vec1[5:143] #Filtrar datos en un rango
num1 <- as.numeric(vec2) #Transformar a numéricos
Decesos <- as.vector(num1)

#Formatear datos Recuperados
vec1 <- as.vector(rec_rs)
vec2 <- vec1[5:143] #Filtrar datos en un rango
num1 <- as.numeric(vec2) #Transformar a numéricos
Recuperados <- as.vector(num1)

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

#Figura 2 de casos confirmados en México
#Utilizando ggplot

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))

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

#Figura 5 multi ejes
ggplot(data=datos1) +
  geom_line(aes(x=Fecha, y=Confirmados), color='red') +
  geom_line(aes(x=Fecha, y=Decesos), color='black') +
  geom_line(aes(x=Fecha, y=Recuperados), color='green') +
  ylab('COVID-19 Rusia') + xlab('Fecha') +
  transition_reveal(Fecha)

#Gráfica interactiva
gcov <- ggplot(data=datos1) +
  geom_line(aes(x=Fecha, y=Confirmados), colour='red') +
  geom_line(aes(x=Fecha, y=Decesos), colour='black') +
  geom_line(aes(x=Fecha, y=Recuperados), colour='green') +
  ylab('COVID-19 Rusia') + xlab('Fecha')

ggplotly(gcov)

#Conclusión:
#Rusia es uno de los países con más contagios por COVID-19 en el mundo, como se puede observar en las gráficas tiene una curva de casos confirmados muy alta con mucha pendiente. Actualmente cuenta con 476,043 casos confirmados (09/06/2020).
#En cuanto a los casos recuperados, la curva de recuperados sigue a la de confirmados con casi la misma magnitud. Cuenta con 230,226 recuperados, que son casi el 50% de los casos confirmados hasta el momento.
#Rusia ha tenido muy pocos decesos en comparación a México, con una mortalidad de 2.5% (5,963 decesos contra los 476,043 casos confirmados).
#Rusia ha tenido una buena preparación ante la contigencia del COVID-19.