U1A6.R

setwd("~/Stat")
#Analizar series de tiempo acumuladas de datos
#de COVID-19 en Brazil 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)

#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"

#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 Brazil 
conf_Bra <- t(datos_conf[datos_conf$Country.Region=="Brazil" ,])
dec_Bra <- t(datos_decesos [datos_decesos$Country.Region=="Brazil" ,])
rec_Bra <- t(datos_recuperados [datos_recuperados$Country.Region=="Brazil" ,])

#Primer figura acumulada 
plot(conf_Bra)

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

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

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

#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 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 Brazil") +
  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='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')

ggplotly(gcov)