pacman::p_load(fs, magrittr, purrr, tibble, dplyr, stringr, quanteda, pdftools, DT, ggplot2, reshape2, plotly)

pdf_filenames_1 <- dir_ls("../extdata/Temarios IDeIO finales/", recurse = TRUE, glob = "*.pdf")

pdf_files_1 <- pdf_filenames_1 %>%
  map(pdf_text) %>%
  map_chr(str_c, collapse = " ") %>%
  set_names(nm = pdf_filenames_1)

cycles <- names(pdf_files_1) %>%
  str_remove("^../") %>%
  str_split_fixed(pattern = "/", n = 4) %>%
  extract(, 3) %>%
  unique() %>%
  extract(c(2:4, 1))

syllabus <- cycles %>%
  map(~ keep(pdf_files_1, str_detect(names(pdf_files_1), pattern = .x))) %>%
  set_names(nm = cycles) %>%
  map_depth(1, ~ set_names(.x, str_extract(names(.x), pattern = "[A-Z]{2}[0-9]{3}.*(?=.pdf)")))

ls.str(syllabus)

stop_words_es <- stopwords(language = "es")

get_words <- compose(
  str_to_lower,
  ~ tokens(.x, remove_punct = TRUE, remove_numbers = TRUE, remove_url = TRUE),
  as.character,
  ~ .x[!.x %in% stop_words_es],
  ~ .x[str_length(.x) > 1],
  .dir = "forward"
)

words_by_syllabus <- syllabus %>%
  map_depth(2, get_words)

num_words_by_cycle <- words_by_syllabus %>%
  map_depth(2, length) %>%
  map_depth(1, reduce, sum) %>%
  as_tibble()

num_words_by_cycle <<- data.frame(num_words_by_cycle)
num_words_by_cycle <<- melt(num_words_by_cycle,measure.vars = names(num_words_by_cycle)) 
colnames(num_words_by_cycle)<-c("ciclo","conteo")
num_words_by_cycle["ciclo"] <- c("Primero","Segundo","Tercero","Cuarto")

c <- ggplot(data=num_words_by_cycle) + geom_bar(mapping = aes(x=ciclo, y=conteo, fill=ciclo), stat='identity')
fig <- ggplotly(c)
fig

most_freq_by_cycle <- words_by_syllabus %>%
  map_depth(1, ~ reduce(.x, append)) %>%
  map(dfm) %>%
  map(textstat_frequency, n = 10) %>%
  map(as_tibble) %>%
  map(~ select(.x, Palabras = feature, Frecuencia = docfreq)) %>%
  map2(cycles, ~ add_column(.x, Ciclo = .y)) %>%
  reduce(bind_rows)

d <- ggplot(data=most_freq_by_cycle) + geom_bar(mapping = aes(x=Frecuencia, y=Palabras, fill=Ciclo), stat='identity')
fig_2 <- ggplotly(d)
fig_2

datatable(most_freq_by_cycle, filter = 'top')

words_by_syllabus_no_cycle <- words_by_syllabus %>%
  flatten()

uniq_words_by_syllabus <- words_by_syllabus_no_cycle %>%
  map2(names(words_by_syllabus_no_cycle), ~ .x[!.x %in% reduce(words_by_syllabus_no_cycle[names(words_by_syllabus_no_cycle) != .y], append)]) %>%
  map(unique) %>%
  map(as_tibble) %>%
  map2(names(words_by_syllabus_no_cycle), ~ add_column(.x, Archivo = .y)) %>%
  reduce(bind_rows) %>%
  rename(Palabras = value)

datatable(uniq_words_by_syllabus, filter = 'top')

subjects_info <-
  list(
    "Nombre de la asignatura" = map_depth(syllabus, 1, ~ str_trim(str_extract(names(.x), pattern = "(?<=[A-Z]{2}[0-9]{4}).*"))),
    "Clave" = map_depth(syllabus, 1, ~ str_extract(names(.x), pattern = "[A-Z]{2}[0-9]{4}")),
    "Ciclo" = map_depth(syllabus, 1, ~ str_extract(.x, pattern = "(?<=Área de formación curricular\r?\n\\s?)[1-4]-[1-4]")),
    "Créditos" = map_depth(syllabus, 1, ~ str_trim(str_extract(.x, pattern = "(?<=[A-Z]{2}[0-9]{4}\\s{2,10}).*(?=\\s{2,10}(Profesional Asociado|Licenciatura (Básica|Elección|Preespecialidad)))")))
  ) %>%
  map_depth(1, ~ reduce(.x, append)) %>%
  as_tibble()

datatable(subjects_info, filter = 'top')

subjects_info %>%
  DT::datatable(
    extensions = 'Buttons', 
    options = list(dom = 'Bfrtip', 
                   buttons = list('copy', 'print', list(
                   extend = 'collection',
                   buttons = c('csv', 'excel', 'pdf'),
                   text = 'Download'
               ))))

# Extraccion del texto de los PDFs
pacman::p_load(fs, pdftools, tesseract, rvest, purrr, furrr, stringr)

# Definir el numero de workers que permitiran ejecutar funciones de purrr de forma paralela
plan(multisession, workers = 4)

# Obtener las direcciones de los PDFs diarios del mes (Septiembre)
pdf_urls <- read_html("https://www.gob.mx/salud/documentos/coronavirus-covid-19-comunicados-tecnicos-diarios-septiembre-2020") %>%
  # Obtener los nodos HTML que corresponden a la etiqueta "a"
  html_nodes(css = "a") %>%
  # Extraer de los nodos el valor dentro del atributo "href", el cual contiene URLs
  html_attr(name = "href") %>%
  # Descartar los valores NA's
  discard(is.na) %>%
  # Quedarse con las URLS que terminen con ".pdf"
  keep(str_detect, pattern = ".pdf$") %>%
  # Completar cada URL
  map_chr(~ str_c("https://www.gob.mx", .x))

# Extraer el texto de cada PDF utilizando distintos valores de dpi
pdf_files_1000 <- pdf_urls %>%
  # Usar Tesseract para detectar el texto dentro de cada PDF (incluso del texto dentro de las imagenes)
  future_map(pdf_ocr_text, pages = c(1, 5), language = "spa", dpi = 1000) %>%
  # Renombrar cada elemento del resultado con su nombre de archivo original
  set_names(nm = str_extract(pdf_urls, pattern = "(?<=/)Comunicado.*\\.pdf$")) %>%
  # Invertir el orden del resultado para que los documentos se ordenen por fecha de forma ascendente
  rev()

pdf_files_800 <- pdf_urls %>%
  # Usar Tesseract para detectar el texto dentro de cada PDF (incluso del texto dentro de las imagenes)
  future_map(pdf_ocr_text, pages = c(1, 5), language = "spa", dpi = 800) %>%
  # Renombrar cada elemento del resultado con su nombre de archivo original
  set_names(nm = str_extract(pdf_urls, pattern = "(?<=/)Comunicado.*\\.pdf$")) %>%
  # Invertir el orden del resultado para que los documentos se ordenen por fecha de forma ascendente
  rev()

pdf_files_750 <- pdf_urls %>%
  # Usar Tesseract para detectar el texto dentro de cada PDF (incluso del texto dentro de las imagenes)
  future_map(pdf_ocr_text, pages = c(1, 5), language = "spa", dpi = 750) %>%
  # Renombrar cada elemento del resultado con su nombre de archivo original
  set_names(nm = str_extract(pdf_urls, pattern = "(?<=/)Comunicado.*\\.pdf$")) %>%
  # Invertir el orden del resultado para que los documentos se ordenen por fecha de forma ascendente
  rev()

pdf_files_700 <- pdf_urls %>%
  # Usar Tesseract para detectar el texto dentro de cada PDF (incluso del texto dentro de las imagenes)
  future_map(pdf_ocr_text, pages = c(1, 5), language = "spa", dpi = 700) %>%
  # Renombrar cada elemento del resultado con su nombre de archivo original
  set_names(nm = str_extract(pdf_urls, pattern = "(?<=/)Comunicado.*\\.pdf$")) %>%
  # Invertir el orden del resultado para que los documentos se ordenen por fecha de forma ascendente
  rev()

pdf_files_650 <- pdf_urls %>%
  # Usar Tesseract para detectar el texto dentro de cada PDF (incluso del texto dentro de las imagenes)
  future_map(pdf_ocr_text, pages = c(1, 5), language = "spa", dpi = 650) %>%
  # Renombrar cada elemento del resultado con su nombre de archivo original
  set_names(nm = str_extract(pdf_urls, pattern = "(?<=/)Comunicado.*\\.pdf$")) %>%
  # Invertir el orden del resultado para que los documentos se ordenen por fecha de forma ascendente
  rev()

pdf_files_600 <- pdf_urls %>%
  # Usar Tesseract para detectar el texto dentro de cada PDF (incluso del texto dentro de las imagenes)
  future_map(pdf_ocr_text, pages = c(1, 5), language = "spa", dpi = 600) %>%
  # Renombrar cada elemento del resultado con su nombre de archivo original
  set_names(nm = str_extract(pdf_urls, pattern = "(?<=/)Comunicado.*\\.pdf$")) %>%
  # Invertir el orden del resultado para que los documentos se ordenen por fecha de forma ascendente
  rev()

pdf_files_550 <- pdf_urls %>%
  # Usar Tesseract para detectar el texto dentro de cada PDF (incluso del texto dentro de las imagenes)
  future_map(pdf_ocr_text, pages = c(1, 5), language = "spa", dpi = 550) %>%
  # Renombrar cada elemento del resultado con su nombre de archivo original
  set_names(nm = str_extract(pdf_urls, pattern = "(?<=/)Comunicado.*\\.pdf$")) %>%
  # Invertir el orden del resultado para que los documentos se ordenen por fecha de forma ascendente
  rev()

pdf_files_500 <- pdf_urls %>%
  # Usar Tesseract para detectar el texto dentro de cada PDF (incluso del texto dentro de las imagenes)
  future_map(pdf_ocr_text, pages = c(1, 5), language = "spa", dpi = 500) %>%
  # Renombrar cada elemento del resultado con su nombre de archivo original
  set_names(nm = str_extract(pdf_urls, pattern = "(?<=/)Comunicado.*\\.pdf$")) %>%
  # Invertir el orden del resultado para que los documentos se ordenen por fecha de forma ascendente
  rev()

# Almacenar los resultados en una sola lista
pdf_files_2 <- list(
  dpi_500 = pdf_files_500,
  dpi_550 = pdf_files_550,
  dpi_600 = pdf_files_600,
  dpi_650 = pdf_files_650,
  dpi_700 = pdf_files_700,
  dpi_750 = pdf_files_750,
  dpi_800 = pdf_files_800,
  dpi_1000 = pdf_files_1000
)

# Se almacena el resultado en un archivo RData para usarlo el resto del proyecto
save(pdf_files_2, file = "../extdata/base_de_datos_2_raw.RData")

pacman::p_load(purrr, stringr, dplyr, tidyr, ggplot2, lubridate)

# Importar al entorno el texto de los PDFs diarios (obtenidos previamente mediante web scraping)
load("../extdata/base_de_datos_2_raw.RData")

# 2. Con la información proporcionada a nivel mundial, cree un tabla y muestre un gráfico que visualice la información mensual.

# Extraer el texto del que se obtiene la informacion por regiones de la OMS
regions_info <- map_depth(pdf_files_2, 2, pluck, 1)

# Extraer los datos de cada continente

# America
america <-
  # Extraer el numero de acuerdo con la secuencia de valores detectada al principio y final del mes
  map(regions_info, str_extract_all, pattern = "1[3-6],([:digit:]{3},?){2}") %>%
  # Eliminar los numeros que no corresponden a posibles resultados
  map_depth(2, str_subset, pattern = "0{3}", negate = TRUE) %>%
  # Poner los resultados en un solo arreglo por dia
  transpose() %>%
  map_depth(1, flatten_chr) %>%
  # Eliminar los numeros repetidos
  map(unique) %>%
  # Elegir manualmente ciertos numeros
  map_if(~ length(.x) == 2, pluck, 1) %>%
  # Completar manualmente los numero faltantes
  map_at(24, ~ "15,872,421") %>%
  # Convertir la lista en un arreglo numerico
  flatten_chr() %>%
  str_remove_all(pattern = ",") %>%
  as.integer()

# Europa
europe <-
  # Extraer el numero de acuerdo con la secuencia de valores detectada al principio y final del mes
  map(regions_info, str_extract_all, pattern = "(?<=\\n|\\s)[4-5],([:digit:]{3},?){2}") %>%
  # Eliminar los numeros que no corresponden a posibles resultados
  map_depth(2, str_subset, pattern = "0{3}", negate = TRUE) %>%
  # Poner los resultados en un solo arreglo por dia
  transpose() %>%
  map_depth(1, flatten_chr) %>%
  # Eliminar los numeros repetidos
  map(unique) %>%
  # Elegir manualmente ciertos numeros
  map_at(c(1, 7), pluck, 1) %>%
  map_if(~ length(.x) > 1, pluck, 2) %>%
  # Corregir manualmente ciertos numeros
  map_at(9, ~ "4,600,967") %>%
  # Convertir la lista en un arreglo numerico
  flatten_chr() %>%
  str_remove_all(pattern = ",") %>%
  as.integer()

# Asia Sudoriental
southeastern_asia <-
  # Extraer el numero de acuerdo con la secuencia de valores detectada al principio y final del mes
  map(regions_info, str_extract_all, pattern = "(?<=\\s)[4-6],([:digit:]{3},?){2}") %>%
  # Eliminar los numeros que no corresponden a posibles resultados
  map_depth(2, str_subset, pattern = "0{3}", negate = TRUE) %>%
  # Poner los resultados en un solo arreglo por dia
  transpose() %>%
  map_depth(1, flatten_chr) %>%
  # Eliminar los numeros repetidos
  map(unique) %>%
  # Elegir manualmente ciertos numeros
  map_at(7, pluck, 2) %>%
  map_if(~ length(.x) > 1, pluck, 1) %>%
  # Corregir manualmente ciertos numeros
  map_at(24, ~ "6,436,394") %>%
  map_at(28, ~ "6,810,494") %>%
  # Convertir la lista en un arreglo numerico
  flatten_chr() %>%
  str_remove_all(pattern = ",") %>%
  as.integer()

# África
africa <-
  # Extraer el numero de acuerdo con la secuencia de valores detectada al principio y final del mes
  map(regions_info, str_extract_all, pattern = "(?<=\\n)1,([:digit:]{3},?){2}") %>%
  # Eliminar los numeros que no corresponden a posibles resultados
  map_depth(2, str_subset, pattern = "0{3}", negate = TRUE) %>%
  # Poner los resultados en un solo arreglo por dia
  transpose() %>%
  map_depth(1, flatten_chr) %>%
  # Eliminar los numeros repetidos
  map(unique) %>%
  # Elegir manualmente ciertos numeros
  map_at(c(2, 4, 23), pluck, 1) %>%
  map_at(5:6, pluck, 2) %>%
  # Convertir la lista en un arreglo numerico
  flatten_chr() %>%
  str_remove_all(pattern = ",") %>%
  as.integer()

# Mediterráneo Oriental
eastern_mediterranean <-
  # Extraer el numero de acuerdo con la secuencia de valores detectada al principio y final del mes
  map(regions_info, str_extract_all, pattern = "[1-2],([:digit:]{3},?){2}") %>%
  # Eliminar los numeros que no corresponden a posibles resultados
  map_depth(2, str_subset, pattern = "0{3}", negate = TRUE) %>%
  # Poner los resultados en un solo arreglo por dia
  transpose() %>%
  map_depth(1, flatten_chr) %>%
  # Eliminar los numeros repetidos
  map(unique) %>%
  # Elegir manualmente ciertos numeros
  map_at(c(1:2, 17, 18, 28), pluck, 1) %>%
  map_at(c(22:27, 30), pluck, 2) %>%
  map_at(3, pluck, 3) %>%
  map_if(~ length(.x) == 2, pluck, 1) %>%
  # Convertir la lista en un arreglo numerico
  flatten_chr() %>%
  str_remove_all(pattern = ",") %>%
  as.integer()

# Pacífico Occidental
western_pacific <-
  # Extraer el numero de acuerdo con la secuencia de valores detectada al principio y final del mes
  map(regions_info, str_extract_all, pattern = "(?<=\\n)[4-6][:digit:]{2},[:digit:]{3}") %>%
  # Eliminar los numeros que no corresponden a posibles resultados
  map_depth(2, str_subset, pattern = "0{3}", negate = TRUE) %>%
  # Poner los resultados en un solo arreglo por dia
  transpose() %>%
  map_depth(1, flatten_chr) %>%
  # Eliminar los numeros repetidos
  map(unique) %>%
  # Elegir manualmente ciertos numeros
  map_if(~ length(.x) == 2, pluck, 1) %>%
  # Completar manualmente los numero faltantes
  map_at(3, ~ "505,156") %>%
  map_at(11, ~ "535,413") %>%
  map_at(14, ~ "550,664") %>%
  map_at(16, ~ "560,287") %>%
  map_at(19, ~ "573,120") %>%
  map_at(20, ~ "577,905") %>%
  map_at(26, ~ "598,060") %>%
  map_at(27, ~ "600,891") %>%
  # Convertir la lista en un arreglo numerico
  flatten_chr() %>%
  str_remove_all(pattern = ",") %>%
  as.integer()

# Almacenar los resultados en una tabla
worldwide_info <- as_tibble(
  list(
    "Días" = seq(from = ymd('2020-09-01'), to = ymd('2020-09-30'), by = 'days'),
    "América" = america,
    "Asia Sudoriental" = southeastern_asia,
    "Europa" = europe,
    "Mediterráneo Oriental" = eastern_mediterranean,
    "África" = africa,
    "Pacífico Occidental" = western_pacific
  )
)

datatable(worldwide_info)

# Crear grafico para visualizar la información mensual
worldwide_info %>%
  pivot_longer(-1, names_to = "Regiones de la OMS", values_to = "cases") %>%
  ggplot(aes(x = `Días`, y = cases, color = `Regiones de la OMS`)) %>%  +
    geom_line() +
    scale_colour_manual(values = c("green", "red2", "purple", "blue2", "green4", "yellow3")) +
    labs(y = "Número de casos", title = "Casos acumulados de COVID-19 por SARS-CoV-2 por regiones de la OMS\n(Septiembre 2020)")

  ggplotly()

# Extraer el texto del que se obtiene la informacion por entidad federativa
entities_info <- map_depth(pdf_files_2, 2, pluck, 2) %>%
  map(str_extract_all, pattern = "([:alpha:]+\\s){1,3}\\| [:digit:]+")

## Estados terminados ##

## Chihuahua, Chiapas, Campeche y Michoacan ##
ch <- entities_info %>%
  # Elegir los valores que contengan "CH"
  map_depth(2, str_subset, pattern = "[C|c][H|h]") %>%
  # Poner los resultados en un solo arreglo por dia
  transpose() %>%
  map_depth(1, flatten_chr) %>%
  # Eliminar los valores repetidos
  map(unique)

# Chihuahua
chihuahua <- ch %>%
  # Aproximar la busqueda de texto usando logica difusa (Usando la distancia de edicion de Levenshtein)
  map_depth(2, agrep, pattern = "CHIHU", value = TRUE) %>%
  # Poner los resultados en un solo arreglo por dia
  map_depth(1, flatten_chr) %>%
  # Extraer los numeros de 4 digitos de las cadenas
  map_depth(1, str_extract_all, pattern = "[:digit:]{4}") %>%
  # Poner los resultados en un solo arreglo por dia
  map_depth(1, flatten_chr) %>%
  # Eliminar los resultados repetido
  map(unique) %>%
  # Elegir manualmente ciertos numeros
  map_at(c(21, 25), pluck, 1) %>%
  # Completar manualmente ciertos numeros
  map_at(1, ~ "1147") %>%
  map_at(2, ~ "1159") %>%
  map_at(3, ~ "1169") %>%
  map_at(4, ~ "1177") %>%
  map_at(5, ~ "1187") %>%
  map_at(6, ~ "1198") %>%
  map_at(8, ~ "1211") %>%
  map_at(11, ~ "1233") %>%
  map_at(13, ~ "1240") %>%
  map_at(14, ~ "1241") %>%
  map_at(17, ~ "1258") %>%
  map_at(22, ~ "1291") %>%
  map_at(29, ~ "1371") %>%
  map_at(30, ~ "1382") %>%
  # Corregir manualmente ciertos numeros
  map_at(24, ~ "1318") %>%
  map_at(25, ~ "1336") %>%
  # Convertir la lista en un arreglo numerico
  flatten_chr() %>%
  str_remove_all(pattern = ",") %>%
  as.integer()

# Chiapas
chiapas <- ch %>%
  # Aproximar la busqueda de texto usando logica difusa (Usando la distancia de edicion de Levenshtein)
  map_depth(2, agrep, pattern = "CHIAPAS", value = TRUE) %>%
  # Poner los resultados en un solo arreglo por dia
  map_depth(1, flatten_chr) %>%
  # Extraer los numeros de las cadenas
  map_depth(1, str_extract_all, pattern = "[:digit:]+") %>%
  # Poner los resultados en un solo arreglo por dia
  map_depth(1, flatten_chr) %>%
  # Eliminar los resultados repetido
  map(unique) %>%
  # Elegir manualmente ciertos numeros
  map_at(3, pluck, 1) %>%
  map_at(c(21, 23, 25), pluck, 2) %>%
  map_at(c(22, 24), pluck, 3) %>%
  # Completar manualmente ciertos numeros
  map_at(1, ~ "1002") %>%
  map_at(c(5, 8, 9, 11), ~ "1009") %>%
  map_at(16, ~ "1016") %>%
  map_at(26, ~ "1018") %>%
  map_at(27, ~ "1019") %>%
  map_at(29:30, ~ "1020") %>%
  # Corregir manualmente ciertos numeros
  map_at(19:20, ~ "1016") %>%
  # Convertir la lista en un arreglo numerico
  flatten_chr() %>%
  str_remove_all(pattern = ",") %>%
  as.integer()

# Michoacan
michoacan <- ch %>%
  # Aproximar la busqueda de texto usando logica difusa (Usando la distancia de edicion de Levenshtein)
  map_depth(2, agrep, pattern = "MICH", value = TRUE) %>%
  # Poner los resultados en un solo arreglo por dia
  map_depth(1, flatten_chr) %>%
  # Extraer los numeros de 4 digitos de las cadenas
  map_depth(1, str_extract_all, pattern = "[:digit:]{4}") %>%
  # Poner los resultados en un solo arreglo por dia
  map_depth(1, flatten_chr) %>%
  # Eliminar los resultados repetido
  map(unique) %>%
  # Elegir manualmente ciertos numeros
  map_at(24:25, pluck, 1) %>%
  # Completar manualmente ciertos numeros
  map_at(1, ~ "1187") %>%
  map_at(2, ~ "1227") %>%
  map_at(4, ~ "1259") %>%
  map_at(5, ~ "1277") %>%
  map_at(6, ~ "1281") %>%
  map_at(7, ~ "1288") %>%
  map_at(8, ~ "1303") %>%
  map_at(9, ~ "1328") %>%
  map_at(12, ~ "1380") %>%
  map_at(14, ~ "1399") %>%
  map_at(17, ~ "1452") %>%
  map_at(18, ~ "1468") %>%
  map_at(19, ~ "1480") %>%
  map_at(21, ~ "1489") %>%
  map_at(22, ~ "1517") %>%
  map_at(27, ~ "1588") %>%
  # Corregir manualmente ciertos numeros
  map_at(10, ~ "1345") %>%
  map_at(16, ~ "1441") %>%
  # Convertir la lista en un arreglo numerico
  flatten_chr() %>%
  str_remove_all(pattern = ",") %>%
  as.integer()

## Sonora, Sinaloa y San Luis Potosi ##
sn <- entities_info %>%
  # Elegir los valores que comiencen con "S"
  map_depth(2, str_subset, pattern = "^[S|s]") %>%
  # Poner los resultados en un solo arreglo por dia
  transpose() %>%
  map_depth(1, flatten_chr) %>%
  # Eliminar los valores repetidos
  map(unique)

# Sonora
sonora <- sn %>%
  # Aproximar la busqueda de texto usando logica difusa (Usando la distancia de edicion de Levenshtein)
  map_depth(2, agrep, pattern = "SONO", value = TRUE) %>%
  # Poner los resultados en un solo arreglo por dia
  map_depth(1, flatten_chr) %>%
  # Extraer los numeros de 4 digitos de las cadenas
  map_depth(1, str_extract_all, pattern = "[:digit:]{4}") %>%
  # Poner los resultados en un solo arreglo por dia
  map_depth(1, flatten_chr) %>%
  # Eliminar los resultados repetido
  map(unique) %>%
  # Elegir manualmente ciertos numeros
  map_at(2, pluck, 1) %>%
  map_at(7, pluck, 2) %>%
  # Completar manualmente ciertos numeros
  map_at(5, ~ "1277") %>%
  map_at(9, ~ "2771") %>%
  map_at(11, ~ "2794") %>%
  map_at(13, ~ "2804") %>%
  map_at(14, ~ "2806") %>%
  map_at(17, ~ "2814") %>%
  map_at(23, ~ "2868") %>%
  map_at(25, ~ "2879") %>%
  map_at(26, ~ "2883") %>%
  map_at(27, ~ "2884") %>%
  map_at(28, ~ "2886") %>%
  map_at(29, ~ "2897") %>%
  map_at(30, ~ "2899") %>%
  # Corregir manualmente ciertos numeros
  map_at(5, ~ "2693") %>%
  # Convertir la lista en un arreglo numerico
  flatten_chr() %>%
  str_remove_all(pattern = ",") %>%
  as.integer()

# Sinaloa
sinaloa <- sn %>%
  # Aproximar la busqueda de texto usando logica difusa (Usando la distancia de edicion de Levenshtein)
  map_depth(2, agrep, pattern = "SINA", value = TRUE) %>%
  # Poner los resultados en un solo arreglo por dia
  map_depth(1, flatten_chr) %>%
  # Extraer los numeros de 4 digitos de las cadenas
  map_depth(1, str_extract_all, pattern = "[:digit:]{4}") %>%
  # Poner los resultados en un solo arreglo por dia
  map_depth(1, flatten_chr) %>%
  # Eliminar los resultados repetido
  map(unique) %>%
  # Elegir manualmente ciertos numeros
  map_at(c(3:4, 11, 13), pluck, 1) %>%
  # Completar manualmente ciertos numeros
  map_at(5, ~ "2868") %>%
  map_at(7, ~ "2879") %>%
  map_at(9, ~ "2914") %>%
  map_at(10, ~ "2949") %>%
  map_at(15, ~ "2993") %>%
  map_at(17, ~ "3004") %>%
  map_at(25, ~ "3119") %>%
  map_at(26, ~ "3128") %>%
  map_at(27, ~ "3142") %>%
  map_at(28, ~ "3150") %>%
  # Corregir manualmente ciertos numeros
  map_at(12, ~ "2969") %>%
  map_at(20, ~ "3052") %>%
  # Convertir la lista en un arreglo numerico
  flatten_chr() %>%
  str_remove_all(pattern = ",") %>%
  as.integer()

# San Luis Potosi
san_luis_potosi <- sn %>%
  # Aproximar la busqueda de texto usando logica difusa (Usando la distancia de edicion de Levenshtein)
  map_depth(2, agrep, pattern = "SANL", value = TRUE) %>%
  # Poner los resultados en un solo arreglo por dia
  map_depth(1, flatten_chr) %>%
  # Extraer los numeros de 4 digitos de las cadenas
  map_depth(1, str_extract_all, pattern = "[:digit:]{4}") %>%
  # Poner los resultados en un solo arreglo por dia
  map_depth(1, flatten_chr) %>%
  # Eliminar los resultados repetido
  map(unique) %>%
  # Completar manualmente ciertos numeros
  map_at(1, ~ "1190") %>%
  map_at(2, ~ "1211") %>%
  map_at(4, ~ "1243") %>%
  map_at(6, ~ "1297") %>%
  map_at(7, ~ "1298") %>%
  map_at(8, ~ "1319") %>%
  map_at(9, ~ "1355") %>%
  map_at(12, ~ "1421") %>%
  map_at(13, ~ "1427") %>%
  map_at(14, ~ "1431") %>%
  map_at(16, ~ "1457") %>%
  map_at(17, ~ "1463") %>%
  map_at(21, ~ "1542") %>%
  map_at(24, ~ "1624") %>%
  map_at(29, ~ "1681") %>%
  # Convertir la lista en un arreglo numerico
  flatten_chr() %>%
  str_remove_all(pattern = ",") %>%
  as.integer()

## Ciudad de Mexico y Estado de Mexico ##
mex <- entities_info %>%
  # Aproximar la busqueda de texto usando logica difusa (Usando la distancia de edicion de Levenshtein)
  map_depth(2, agrep, pattern = "MEXICO", value = TRUE) %>%
  # Poner los resultados en un solo arreglo por dia
  transpose() %>%
  map_depth(1, flatten_chr) %>%
  # Eliminar los valores repetidos
  map(unique)

# Ciudad de Mexico
ciudad_de_mexico <- mex %>%
  # Elegir los valores que comiencen con "C"
  map_depth(2, str_subset, pattern = "^C") %>%
  # Poner los resultados en un solo arreglo por dia
  map_depth(1, flatten_chr) %>%
  # Extraer los numeros de 5 digitos de las cadenas
  map_depth(1, str_extract_all, pattern = "[:digit:]{5}") %>%
  # Poner los resultados en un solo arreglo por dia
  map_depth(1, flatten_chr) %>%
  # Eliminar los resultados repetido
  map(unique) %>%
  # Completar manualmente ciertos numeros
  map_at(4, ~ "10780") %>%
  map_at(6, ~ "10869") %>%
  map_at(7, ~ "10900") %>%
  map_at(8, ~ "10986") %>%
  map_at(9, ~ "11043") %>%
  map_at(10, ~ "11103") %>%
  map_at(11, ~ "11146") %>%
  map_at(12, ~ "11199") %>%
  map_at(13, ~ "11224") %>%
  map_at(15, ~ "11318") %>%
  map_at(16, ~ "11351") %>%
  map_at(17, ~ "11403") %>%
  map_at(18, ~ "11491") %>%
  map_at(19, ~ "11545") %>%
  map_at(20, ~ "11571") %>%
  map_at(24, ~ "11814") %>%
  map_at(25, ~ "11894") %>%
  map_at(26, ~ "11926") %>%
  map_at(27, ~ "11962") %>%
  map_at(28, ~ "11996") %>%
  # Convertir la lista en un arreglo numerico
  flatten_chr() %>%
  str_remove_all(pattern = ",") %>%
  as.integer()

## Baja California y Baja California Sur ##
bc <- entities_info %>%
  # Aproximar la busqueda de texto usando logica difusa (Usando la distancia de edicion de Levenshtein)
  map_depth(2, agrep, pattern = "CALIFORNIA", value = TRUE) %>%
  # Poner los resultados en un solo arreglo por dia
  transpose() %>%
  map_depth(1, flatten_chr) %>%
  # Eliminar los valores repetidos
  map(unique)

# Baja California
baja_california <- bc %>%
  # Elegir las
  map_depth(2, str_subset, pattern = "[S|s][U|u][R|r]", negate = TRUE) %>%
  # Poner los resultados en un solo arreglo por dia
  map_depth(1, flatten_chr) %>%
  # Extraer los numeros de 4 digitos de las cadenas
  map_depth(1, str_extract_all, pattern = "[:digit:]{4}") %>%
  # Poner los resultados en un solo arreglo por dia
  map_depth(1, flatten_chr) %>%
  # Eliminar los resultados repetido
  map(unique) %>%
  # Elegir manualmente ciertos numeros
  map_at(12, pluck, 1) %>%
  # Completar manualmente ciertos numeros
  map_at(2, ~ "3174") %>%
  map_at(5, ~ "3223") %>%
  map_at(8, ~ "3249") %>%
  map_at(17, ~ "3334") %>%
  map_at(20, ~ "3374") %>%
  map_at(22, ~ "3411") %>%
  map_at(23, ~ "3434") %>%
  map_at(24, ~ "3450") %>%
  map_at(26, ~ "3478") %>%
  # Convertir la lista en un arreglo numerico
  flatten_chr() %>%
  str_remove_all(pattern = ",") %>%
  as.integer()

## Estados no terminados ##

## Quintana Roo y Queretaro ##
qr <- entities_info %>%
  # Elegir los valores que comiencen con "QU"
  map_depth(2, str_subset, pattern = "^[Q|q][U|u]") %>%
  # Poner los resultados en un solo arreglo por dia
  transpose() %>%
  map_depth(1, flatten_chr) %>%
  # Eliminar los valores repetidos
  map(unique)

## Tabasco y Tamaulipas ##
ta <- entities_info %>%
  # Elegir los valores que comiencen con "TA"
  map_depth(2, str_subset, pattern = "^[T|t][A|a]") %>%
  # Poner los resultados en un solo arreglo por dia
  transpose() %>%
  map_depth(1, flatten_chr) %>%
  # Eliminar los valores repetidos
  map(unique)

## Guanajuato y Guerrero ##
gu <- entities_info %>%
  # Elegir los valores que comiencen con "GU"
  map_depth(2, str_subset, pattern = "^[G|g][U|u]") %>%
  # Poner los resultados en un solo arreglo por dia
  transpose() %>%
  map_depth(1, flatten_chr) %>%
  # Eliminar los valores repetidos
  map(unique)

## Colima y Coahuila ##
co <- entities_info %>%
  # Elegir los valores que comiencen con "CO"
  map_depth(2, str_subset, pattern = "^[C|c][O|o]") %>%
  # Poner los resultados en un solo arreglo por dia
  transpose() %>%
  map_depth(1, flatten_chr) %>%
  # Eliminar los valores repetidos
  map(unique)

## Tlaxcala y Oaxaca ##
xla <- entities_info %>%
  # Elegir los valores que contengan "XA o XC"
  map_depth(2, str_subset, pattern = "[X|x]([A|a]|[C|c])") %>%
  # Poner los resultados en un solo arreglo por dia
  transpose() %>%
  map_depth(1, flatten_chr) %>%
  # Eliminar los valores repetidos
  map(unique)

# Veracruz
ver <- entities_info %>%
  # Aproximar la busqueda de texto usando logica difusa (Usando la distancia de edicion de Levenshtein)
  map_depth(2, agrep, pattern = "VERACRUZ", value = TRUE) %>%
  # Poner los resultados en un solo arreglo por dia
  transpose() %>%
  map_depth(1, flatten_chr) %>%
  # Eliminar los valores repetidos
  map(unique)

# Puebla
pue <- entities_info %>%
  # Aproximar la busqueda de texto usando logica difusa (Usando la distancia de edicion de Levenshtein)
  map_depth(2, agrep, pattern = "PUEBLA", value = TRUE) %>%
  # Poner los resultados en un solo arreglo por dia
  transpose() %>%
  map_depth(1, flatten_chr) %>%
  # Eliminar los valores repetidos
  map(unique)

# Jalisco
ja <- entities_info %>%
  # Aproximar la busqueda de texto usando logica difusa (Usando la distancia de edicion de Levenshtein)
  map_depth(2, agrep, pattern = "JALISCO", value = TRUE) %>%
  # Poner los resultados en un solo arreglo por dia
  transpose() %>%
  map_depth(1, flatten_chr) %>%
  # Eliminar los valores repetidos
  map(unique)

# Nuevo Leon
nl <- entities_info %>%
  # Aproximar la busqueda de texto usando logica difusa (Usando la distancia de edicion de Levenshtein)
  map_depth(2, agrep, pattern = "LEON", value = TRUE) %>%
  # Poner los resultados en un solo arreglo por dia
  transpose() %>%
  map_depth(1, flatten_chr) %>%
  # Eliminar los valores repetidos
  map(unique)

# Hidalgo
hi <- entities_info %>%
  # Elegir los valores que comiencen con "H"
  map_depth(2, str_subset, pattern = "^[H|h]") %>%
  # Poner los resultados en un solo arreglo por dia
  transpose() %>%
  map_depth(1, flatten_chr) %>%
  # Eliminar los valores repetidos
  map(unique)

# Yucatan
yu <- entities_info %>%
  # Aproximar la busqueda de texto usando logica difusa (Usando la distancia de edicion de Levenshtein)
  map_depth(2, agrep, pattern = "YUC", value = TRUE) %>%
  # Poner los resultados en un solo arreglo por dia
  transpose() %>%
  map_depth(1, flatten_chr) %>%
  # Eliminar los valores repetidos
  map(unique)

# Morelos
mo <- entities_info %>%
  # Aproximar la busqueda de texto usando logica difusa (Usando la distancia de edicion de Levenshtein)
  map_depth(2, agrep, pattern = "MORELOS", value = TRUE) %>%
  # Poner los resultados en un solo arreglo por dia
  transpose() %>%
  map_depth(1, flatten_chr) %>%
  # Eliminar los valores repetidos
  map(unique)

# Nayarit
na <- entities_info %>%
  # Aproximar la busqueda de texto usando logica difusa (Usando la distancia de edicion de Levenshtein)
  map_depth(2, agrep, pattern = "NAYAR", value = TRUE) %>%
  # Poner los resultados en un solo arreglo por dia
  transpose() %>%
  map_depth(1, flatten_chr) %>%
  # Eliminar los valores repetidos
  map(unique)

# Zacatecas
za <- entities_info %>%
  # Elegir los valores que contengan "ZA"
  map_depth(2, str_subset, pattern = "[Z|z][A|a]") %>%
  # Poner los resultados en un solo arreglo por dia
  transpose() %>%
  map_depth(1, flatten_chr) %>%
  # Eliminar los valores repetidos
  map(unique)

# Durango
du <- entities_info %>%
  # Elegir los valores que contengan "DU"
  map_depth(2, str_subset, pattern = "[D|d][U|u]") %>%
  # Poner los resultados en un solo arreglo por dia
  transpose() %>%
  map_depth(1, flatten_chr) %>%
  # Eliminar los valores repetidos
  map(unique)

# Aguascalientes
ag <- entities_info %>%
  # Elegir los valores que comiencen con "AG"
  map_depth(2, str_subset, pattern = "^[A|a][G|g]") %>%
  # Poner los resultados en un solo arreglo por dia
  transpose() %>%
  map_depth(1, flatten_chr) %>%
  # Eliminar los valores repetidos
  map(unique)

# Almacenar los resultados en una tabla
positive_deaths_info <- as_tibble(
  list(
    "Días" = seq(from = ymd('2020-09-01'), to = ymd('2020-09-30'), by = 'days'),
    "Baja California" = baja_california,
    "Chiapas" = chiapas,
    "Chihuahua" = chihuahua,
    "Ciudad de México" = ciudad_de_mexico,
    "Michoacán" = michoacan,
    "San Luis Potosí" = san_luis_potosi,
    "Sinaloa" = sinaloa,
    "Sonora" = sonora
  )
)

datatable(positive_deaths_info)

positive_deaths_info %>%
  pivot_longer(-1, names_to = "Entidades federativas", values_to = "cases") %>%
  ggplot(aes(x = `Días`, y = cases, color = `Entidades federativas`)) %>% +
  geom_line() +
  labs(y = "Defunciones positivas", title = "Defunciones positivas a COVID-19 por entidad federativa\n(Septiembre 2020)")

  ggplotly()