library(readr) #Leer archivos
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) #paquete de ciencia de datos
## -- Attaching packages --------- tidyverse 1.3.0 --
## v tibble 3.0.3 v dplyr 1.0.2
## v tidyr 1.1.2 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) #Animar graficas
library(gifski) #Hacer GIF's
#Leer las URL de datos del repositorio de JHU
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"
Descargar los archivos .csv de las URL Archibos de valores separados por comas csv* read.csv
datos_conf <- read.csv(url_conf)
datos_decesos <-read.csv(url_decesos)
datos_recuperados <- read.csv(url_recuperados)
*Extraer(Filtrar) los datos para México
conf_mex <- t(datos_conf [datos_conf$Country.Region=="Cuba" ,])
dec_mex <- t(datos_decesos [datos_decesos$Country.Region=="Cuba" ,])
rec_mex <- t(datos_recuperados [datos_recuperados$Country.Region=="Cuba" ,])
*Figura 1 grafica de confirmados simple
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
plot(rec_mex)
## Warning in xy.coords(x, y, xlabel, ylabel, log): NAs introducidos por coerción
*Vector de fecha
Fecha = seq(from = as.Date("2020-01-22"), to = as.Date("2020-09-08"), by = 'day')
*Casos confirmados
vec1 <- as.vector(conf_mex) #Transformacion de lista a vector
vec2 <-vec1[5:235] #Filtrado de valores
num1 <- as.numeric(vec2) #Transformacion a numerico
Confirmados <- as.vector(num1) #Vector numerico
*decesos
vec1 <- as.vector(dec_mex)
vec2 <-vec1[5:235]
num1 <- as.numeric(vec2)
Decesos <- as.vector(num1)
*recuperados
vec1 <- as.vector(rec_mex)
vec2 <-vec1[5:235]
num1 <- as.numeric(vec2)
Recuperados <- as.vector(num1)
*Generacion de un data frame
datos1 <- data.frame(Fecha, Confirmados,Decesos, Recuperados)
*Figura 2 confirmados ggplot
ggplot(data = datos1) +
geom_line(mapping = aes(x = Fecha, y = Confirmados))
*Figura 3 Decesos ggplot
ggplot(data = datos1) +
geom_line(mapping = aes(x = Fecha, y = Decesos))
*Figura 4 Recuperados ggplot
ggplot(data = datos1) +
geom_line(mapping = aes(x = Fecha, y = Recuperados))
*Animacion simple
ggplot(data = datos1) + ggtitle("Casos confirmados COVID-19 en Cuba (Fuente: JHU CSSE)")+ geom_line(mapping = aes(x = Fecha, y = Confirmados))+ transition_reveal(Fecha)
*Figura 4 multi ejes ggplot
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 Cuba') + xlab('Fecha')
*Animacion 2
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 Cuba') + 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 Cuba') + xlab('Fecha') +transition_reveal(Fecha)
ggplotly(gcov)