U1A6.R

setwd("~/VERANOPYE")
#Analizar series de tiempo acumuladas de datos
#de covid-19 mexico

#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 Alemania
conf_alem <- t(datos_conf[datos_conf$Country.Region == "Germany" ,])
dec_alem <- t(datos_decesos [datos_decesos$Country.Region=="Germany" ,])
rec_alem <- t(datos_recuperados [datos_recuperados$Country.Region=="Germany" ,])

#Primer  figura acumulada
plot(conf_alem)

## 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_alem) #transformar de formato matriz a vector de caracteres

vec2 <- vec1[5:143]#filtrar datos en un rango
num1 <- as.numeric(vec2)
Confirmados <- as.vector(num1)

#Formatear datos decesos
vec1 <- as.vector(dec_alem) #transformar de formato matriz a vector de caracteres

vec2 <- vec1[5:143]#filtrar datos en un rango
num1 <- as.numeric(vec2)
Decesos <- as.vector(num1)

#Formatear datos recuperados
vec1 <- as.vector(rec_alem) #transformar de formato matriz a vector de caracteres

vec2 <- vec1[5:143]#filtrar datos en un rango
num1 <- as.numeric(vec2)
Recuperados <- as.vector(num1)

#para construir marco de datos 
datos1 <- data.frame(Fecha, Confirmados, Decesos, Recuperados)
#figura 2 de casos confirmados de Alemania
#utizando ggplot

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

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

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

#animacion simple
ggplot(data=datos1) +
  ggtitle("Casos confirmados acumulados COVID-19 en Alemania") +
  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 Alemania') + xlab('Fecha')+
  transition_reveal(Fecha)

#Grafica interactiva compuesta
gcov <-ggplot(data=datos1) +
  geom_line(aes(x=Fecha,y=Confirmados),colour='red') + 
  geom_line(aes(x=Fecha,y=Decesos),colour='blue') + 
  geom_line(aes(x=Fecha,y=Recuperados),colour="green")+
  ylab('COVID-19 Alemania') + xlab('Fecha') +
  transition_reveal(Fecha)

ggplotly(gcov)