Ciencia de Datos

class: center, middle, inverse, title-slide

# Ciencia de Datos
## R
### Edinson Tolentino
### RStudio
### 2021/02/20

---

layout:true
background-image: url(sussex.jpg)
background-position: 95% 0%
background-size: 15%
---

# Ciencia de Datos

Trabajo con datos de SINADEF:

.pull-left[
1. Diferencias con datos de fallecidos entre MINSA y SINADEF;

1. Trabajo de datos diferentes;

1. Procesamiento de datos en R;

1. Previa instalacion de R y Rstudio;

1. Descarga de datos `*`;

1. Practicar dia a dia hace la diferencia;
]

.pull-right[

![imagen de muestra](SINADEF_Animate.gif)
]

.footnote[[*] Dato abiertos de MINSA

---
# Instalar R

1. La instalacion de R software se requiere dos instalaciones previas:

1. R consola: [R](https://cran.r-project.org/bin/windows/base/)

1. RStudio: [Rstudio](https://rstudio.com/products/rstudio/download/)

1. Para el presente programa se utilziara el editor **RStudio** sobre el cual se llevara a cabo las aplicaciones

1. Se puede trabajar a traves de la nube de R, opciOn de personas que no poseen el software R, previa inscripcion y link, inscribirse libremente a traves de [Rcloud](https://rstudio.cloud/).

---

# Instalacion de Librerias

1. Se intalara los siguientes librerias para el procesamieto de informacion

1. Las librerias como tidyverse y gganimate son las mas importantes para el caso de estudio.

```r
#library(readr) # Paquete para importar csv
#library(haven)
#library(foreign)
#library(tidyverse)
#library(dplyr)
#library(gganimate)
#library(ggplot2)
#library(lubridate)
#library(magick)
#library(animation)
#library(vroom)
```

---
# Importando datos

```r
col_spec <- cols(
  .default = col_character(),
  EDAD = col_double(),
  MES = col_number()
)

sinadef_1 <- vroom("fallecidos_sinadef_2.csv", 
                    delim = ";", trim_ws = TRUE, 
                    skip = 2, na = c("", "SIN REGISTRO", "NA"),
                    col_types = col_spec,
                    col_select = 1:31) %>% 
  janitor::clean_names()
sinadef_1 %>% head(n=5)
```

```
## # A tibble: 5 x 31
##   n     tipo_seguro sexo   edad tiempo_edad estado_civil nivel_de_instru~
##   <chr> <chr>       <chr> <dbl> <chr>       <chr>        <chr>           
## 1 1     SIS         MASC~     4 "A\xd1OS"   SOLTERO      IGNORADO        
## 2 2     SIS         FEME~    86 "A\xd1OS"   SOLTERO      PRIMARIA INCOMP~
## 3 3     IGNORADO    MASC~    38 "A\xd1OS"   IGNORADO     IGNORADO        
## 4 4     USUARIO     FEME~    64 "A\xd1OS"   SOLTERO      PRIMARIA COMPLE~
## 5 5     IGNORADO    MASC~    20 "A\xd1OS"   SOLTERO      IGNORADO        
## # ... with 24 more variables: cod_number_ubigeo_domicilio <chr>,
## #   pais_domicilio <chr>, departamento_domicilio <chr>,
## #   provincia_domicilio <chr>, distrito_domicilio <chr>, fecha <chr>,
## #   a_o <chr>, mes <dbl>, tipo_lugar <chr>, institucion <chr>,
## #   muerte_violenta <chr>, necropsia <chr>, debido_a_causa_a <chr>,
## #   causa_a_cie_x <chr>, debido_a_causa_b <chr>, causa_b_cie_x <chr>,
## #   debido_a_causa_c <chr>, causa_c_cie_x <chr>, debido_a_causa_d <chr>,
## #   causa_d_cie_x <chr>, debido_a_causa_e <chr>, causa_e_cie_x <chr>,
## #   debido_a_causa_f <chr>, causa_f_cie_x <chr>
```

---

## Procesamiento de datos

.pull-left[
1. Proceso de datos de fecha, comando *lubridate*

2. Colapsar la informacion segun fecha y datos

3. Se filtra informacion segun años recientes

]

.pull-rigth[

```r
# Variable de tiempo
sinadef_1 <- sinadef_1 %>% 
  mutate(time=lubridate::parse_date_time(fecha,c("ymd")))

tabla_sinadef_3 <- sinadef_1 %>% 
  filter(time>"2019-12-31") %>%
  filter(time<"2021-02-05") %>% 
  group_by(time) %>% 
  summarise(casos=n()) 
tabla_sinadef_3 %>% head(n=4)
```

```
## # A tibble: 4 x 2
##   time                casos
##   <dttm>              <int>
## 1 2020-01-01 00:00:00   378
## 2 2020-01-02 00:00:00   331
## 3 2020-01-03 00:00:00   324
## 4 2020-01-04 00:00:00   333
```

]

---

## Comunicacion de datos

.pull-left[
1. Libreria *ggplot* para poder comunicar el grafico de la tabla generada

1. Titulo: *ggtitle()*

1. Eje vertial: *ylab()*

1. Eje horizontal: *xlab()*

1. Leyenda: *labs()*
]

.pull-right[

```r
ggplot(data=tabla_sinadef_3,aes(x=time,y=casos))+
  geom_line() + theme_classic()+
  labs(caption ="SINADEF, reporte al 04-02-2021")+
  ylab("Nº fallecidos") + xlab("") +
  ggtitle("Excess of Deceased") +
  theme(plot.title=element_text(size=20))
```

]

---
## Animacion de graficos

.pull-left[
1. Comando *gganimate* para poder dar vida a los graficos generados

1. Generar un objeto que almacena el grafico generado

1. Comando *transition* para poder dar iteraccion de time (variable de tiempo)
]

.pull-right[

```r
Z1 <- ggplot(data=tabla_sinadef_3,aes(x=time,y=casos))+
  geom_line() + theme_classic()+
  labs(caption ="SINADEF, reporte al 04-02-2021")+
  ylab("N fallecidos") + xlab("") +
  ggtitle("Excess of Deceased") +
  theme(plot.title=element_text(size=20))

Z2 <- Z1 + transition_reveal(time) 
```
]

---
## Animacion de graficos

1. En el objeto *Z2* se almacena la animacion del grafico

2. Guardar informacion con el comando *aim_save*

```r
Z2
```

```r
anim_save("SINADEF_Animate.gif")
```