U1A3

U1A3 DISTRIBUCIONES DE FRECUENCIA y COVID-19

• El objetivo de este ejercicio es analizar la frecuencia con la que ocurren los contagios, recuperaciones y muertes por COVID-19 en México.

Para esto, utilizamos datos de la universidad Johns Hopkins

Importación de paquetes

library(readr) #leer datos
library(plotly) #graficos interactivos

## Loading required package: ggplot2

## 
## 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(tidyverse) #ciencia de datos

## -- Attaching packages ------------------------------------------- tidyverse 1.3.0 --

## v tibble  3.0.3     v dplyr   1.0.2
## v tidyr   1.1.1     v stringr 1.4.0
## v purrr   0.3.4     v forcats 0.5.0

## -- Conflicts ---------------------------------------------- tidyverse_conflicts() --
## x dplyr::filter() masks plotly::filter(), stats::filter()
## x dplyr::lag()    masks stats::lag()

library(gganimate) #animaciones gráficas
library(gifski) #fabricar GIF

Lectura de datos

• Los datos se leerán desde el repositorio de JHSU

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 archivos .csv de las url

datos_conf <- read.csv(url_conf)
datos_decesos <- read.csv(url_decesos)
datos_recuperados<- read.csv(url_recuperados)

• Extraer datos para México

conf_mex <- t(datos_conf[datos_conf$Country.Region =="Mexico" ,])

dec_mex <- t(datos_decesos[datos_decesos$Country.Region =="Mexico" ,])

rec_mex <- t(datos_recuperados[datos_recuperados$Country.Region =="Mexico" ,])

ORDENAR Y TRANSFORMAR

• Figura 1 Primer gráfico simple de confirmados de COVID-19 al 4 Septiembre de 2020 para México

plot(conf_mex)

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

plot(dec_mex)

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

• En este apartado se vana transfornmar los datos de confirmados,Recuperados, Decesos de COVID-19 en Mexico a vectores numericos para despues ser ordenados

# Elaborar vector de fechas
Fecha <- seq(from = as.Date("2020-01-22"), to = as.Date("2020-09-03"), by="day")
#transformacion de datos a vectores
#confirmados
vec1 <- as.vector(conf_mex) 
vec2 <- vec1[5:230]
num1 <- as.numeric(vec2)
confirmados <- as.vector(num1)

#decesos
vec1 <- as.vector(dec_mex) 
vec2 <- vec1[5:230]
num1 <- as.numeric(vec2)
Decesos <- as.vector(num1)

#recuperados
vec1 <- as.vector(rec_mex) 
vec2 <- vec1[5:230]
num1 <- as.numeric(vec2)
Recuperados <- as.vector(num1)

#ordenar los datos gata frame
datos1 <- data.frame(Fecha, confirmados, Decesos, Recuperados)

visualizar

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