U1A3
ana
7 de septiembre de 2020
tercer ejercicio de estadistica aplicada
Analisis de datos abiertos de covid 19
El objetivo de este ejecicio es analizar el crecimiento de los contagiados,recuperados,fallecidos por COVID-19 en Mexico
importamos
*impotar bibloteca
library(readr)
library(tidyverse)## -- Attaching packages -------------------------------------------- tidyverse 1.3.0 --## v ggplot2 3.3.2 v dplyr 1.0.2
## v tibble 3.0.3 v stringr 1.4.0
## v tidyr 1.1.1 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()- Importar datos
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 el archivo .csv de las URL
este comando descarga los archivos a la computadora a archivos separados por comas
datos_conf <- read.csv(url_conf)
datos_decesos <-read.csv(url_decesos)
datos_recuperados <- read.csv(url_recuperados)- Extraer los datos para mexico
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 los datos
- Visuzacion de reconocimiento Esto con una graficasencilla para conocer como se comportan los datos para ordenarlos
plot(conf_mex)## Warning in xy.coords(x, y, xlabel, ylabel, log): NAs introducidos por coerción
plot(rec_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
Ordenar y transformar los datos
#Vector de Fecha
Fecha = seq(from = as.Date("2020-01-22"), to = as.Date("2020-09-06"), by = 'day')
#Casos confirmados
vec1 <- as.vector(conf_mex)
vec2 <-vec1[5:233]
num1 <- as.numeric(vec2)
Confirmados <- as.vector(num1)
#decesos
vec1 <- as.vector(dec_mex)
vec2 <-vec1[5:233]
num1 <- as.numeric(vec2)
Decesos <- as.vector(num1)
#recuperados
vec1 <- as.vector(rec_mex)
vec2 <-vec1[5:233]
num1 <- as.numeric(vec2)
Recuperados <- as.vector(num1)
#construir data frame (marco de datos)
datos1 <- data.frame(Fecha, Confirmados, Decesos, Recuperados)Visualizar
- A continuacion se presentan 3 graficas simples elaboradas con ggplot para confirmados, Recuperados, decesos e COVID-19 en Mexico
#Figura 2 Confirmados ggplot
ggplot(data = datos1) +
geom_line(mapping = aes(x = Fecha, y = Confirmados)) +
ggtitle("Casos acumulados confirmados de COVID-19 en M攼㸹xico, al d攼㹤a 06/09/20")
#Figura 3 recuperados ggplot
ggplot(data = datos1) +
geom_line(mapping = aes(x = Fecha, y = Recuperados)) +
ggtitle("Casos acumulados de recuperados de COVID-19 en M攼㸹xico, al d攼㹤a 06/09/20")
#Figura 4 decesos ggplot
ggplot(data = datos1) +
geom_line(mapping = aes(x = Fecha, y = Decesos)) +
ggtitle("Casos acumulados de Decesos de COVID-19 en M攼㸹xico, al d攼㹤a 06/09/20") 
- Grafico animado
El objetivo de realizar animacione de transicion temporatl es ilustrar la manera en la que cercido los casos confirmados de COVID-19
ggplot(data = datos1) + geom_line(mapping = aes(x = Fecha, y = Confirmados)) + ggtitle("Casos acumulados confirmados de COVID-19 en M攼㸹xico, al d攼㹤a 06/09/20")
FRAME 100(100%) finalizing encoding ... done!
- Grafico interactivo en conjunto
#Gr攼㸱fica multiejes
gcov <- ggplot(data=datos1) +
geom_line(aes(x=Fecha, y=Confirmados), colour="red") +
geom_line(aes(x=Fecha, y=Decesos), colour="green") +
geom_line(aes(x=Fecha, y=Recuperados), colour="blue") +
ggtitle("Casos acumulados de COVID-19 en M攼㸹xico, al d攼㹤a 06/09/20") +
ylab("COVID-19 en m攼㸹xico") + xlab("Mes")
gcov