Ejercisio-5.R

#Ejercisio 5
#Seleccionar capeta de guardado
setwd("~/Rstudio verano")

#Cargar las bibliotecas con el paquete pacman
library("pacman")
library("gifski")
library("gganimate")

## Loading required package: ggplot2

p_load(readr,tidyverse,plotly)

#leer los datos de la dirección general de epidemiologia (DGE)

datos <- read.csv("Casos_Diarios_Estado_Nacional_Confirmados_20200609.csv")

#dar formato a los datos diaros (absolutos) de Colima
Colima <- t(datos[datos$nombre=="COLIMA" ,])
Colima <- as.vector(Colima)
Colima <- Colima[4:153] #filtrar los datos
Colima <- as.numeric(Colima) #Para convertir a numerico
Colima <- as.vector(Colima)

#Estadistica descriptiva
#grafica 1
plot(Colima) #grafica de puntos de datos absolutos

summary(Colima)

##    Min. 1st Qu.  Median    Mean 3rd Qu.    Max. 
##   0.000   0.000   0.000   1.493   2.000  12.000

boxplot(Colima)

hist(Colima)

cColima <- cumsum(Colima)

#dar formato a los datos diarios (absolutos) de Chiapas
Chiapas <- t(datos[datos$nombre=="CHIAPAS" ,])
Chiapas <- as.vector(Chiapas)
Chiapas <- Chiapas [4:153] #filtrar datos
Chiapas <- as.numeric(Chiapas) #para convertir a numerico
Chiapas<- as.vector(Chiapas)
cChiapas <- cumsum(Chiapas) #Datos acumulados diarios

plot(Chiapas)
plot(Chiapas)

#construir un vector de Fechas
Fecha <- seq( from = as.Date("2020-01-12"), to = as.Date("2020-06-09"), by= "day")

#crear un arreglo matricial (marco de datos "data frame", "tibble")
ColChi <- data.frame(Fecha, Colima, Chiapas) #datos absolutos
cColChi <- data.frame(Fecha, cColima, cChiapas) #datos acomulados

#Grafica para Colima de datos absolutos con ggplot

ggplot(data = ColChi) +
  ggtitle("Casos diarios COVID-19 en Colima (DGE)") +
  geom_line(mapping = aes(x= Fecha, y= Colima))

#Grafica para Chiapas de datos absolutos con ggplot
ggplot(data = ColChi) +
  ggtitle("Casos diarios COVID-19 en Chiapas (DGE)") +
  geom_line(mapping = aes(x= Fecha, y= Chiapas))

#animacion grafica comparativa de frecuencias acumuladas
#para fechas para los estados de Colima y Chiapas
# como se puede observar en la grafica, la dencidad poblacional de
# Colima es mucho mayor que la de chiapas, puede reflejarse muy bien en los casos
# de infectados de COVID-19

ggplot(data=cColChi)+
  ggtitle("COVID-19 en Colima (DGE)") +
  geom_line(aes(Fecha, cChiapas, colour = 'Chiapas'))+
  geom_line(aes(Fecha, cColima, colour = 'Colima'))+
  xlab('Fecha')+
  ylab('Casos diarios acumulados')+
  labs(colour = 'Estados') +
  transition_reveal(Fecha)

gColChi <- ggplot(data=cColChi)+
  ggtitle("COVID-19 en Chiapas (DGE)") +
  geom_line(aes(Fecha, cChiapas, colour = 'Chiapas'))+
  geom_line(aes(Fecha, cColima, colour = 'Colima'))+
  xlab('Fecha')+
  ylab('Casos diarios acumulados')+
  labs(colour = 'Estados')

gColChi

ggplotly(gColChi)