Examen Final

Manejo de Base de Datos

Cat Typing GIFfrom Cat GIFs

Utilizando la información brindada por la Secretaria de Salud Federal sobre los casos de COVID-19 detectados en la República Mexicana, y considerando solamente los casos positivos (verificar que la información que se obtenga de la base de datos sea igual a la reportada diariamente por dicha secretaría), obtener lo siguiente:
Primero, filtré la base de datos de todos los estados para quedarme solo con los datos asociados a mi estado. Después con ese filtrado creé un archivo .csv que es con el que trabajé durante todo el ejercicio. Paso 1, cargué la base de datos del estado que escogí (Coahuila) y todas las paqueterías que utilicé a lo largo del documento.

list.of.packages <- c("tidyverse", "lubridate", "dplyr", "ggplot2", "readxl", "RColorBrewer", "leaflet", "htmltools", "kableExtra", "plotly", "rgdal")
new.packages <- list.of.packages[!(list.of.packages %in% installed.packages()[,"Package"])]
if(length(new.packages)) install.packages(new.packages)

lapply(list.of.packages, require, character.only = TRUE)

## [[1]]
## [1] TRUE
## 
## [[2]]
## [1] TRUE
## 
## [[3]]
## [1] TRUE
## 
## [[4]]
## [1] TRUE
## 
## [[5]]
## [1] TRUE
## 
## [[6]]
## [1] TRUE
## 
## [[7]]
## [1] TRUE
## 
## [[8]]
## [1] TRUE
## 
## [[9]]
## [1] TRUE
## 
## [[10]]
## [1] TRUE
## 
## [[11]]
## [1] TRUE

1. Elegir estado.

Eligiendo un estado de la república de residencia del paciente que tenga más de 20 municipios, obtener (tablas):
Para este ejercicio escogí el estado de Coahuila. Primero, cargo la base de datos. Como la base de datos es muy grande, filtré solo los datos pertenecientes al estado de Coahuila con la paquetería “dyplr”, usando la función “filter”.

COAHUILA

1. Porcentaje de defunciones.

(5%) Porcentaje de defunciones por municipio (total de defunciones / total de casos positivos).
Para esta pregunta, primero, tuve que identificar los casos positivos. Leyendo las descripciones en el catálogo de datos de covid, decidí quedarme con aquellos que en la clasificación final tenían valores: 1, 2 o 3. Esos 3 valores corresponden a los únicos casos confirmados. Con eso en mente, agregué otra columna a la base de datos, si en la columna de clasificación había un 1, 2 o 3; entonces, en la nueva columna le pedí a R que me pusiera un 1 para poder contar al total de positivos. Por otro lado, para obtener el número de defunciones decidí agregar otra columna. Para llenar esa columna usé la información de “FECHA_DEF”, si esa columna tenía el dato de “9999-99-99” en la nueva columna le pedí a R que me pusiera 0, de lo contrario 1. Porque quería decir que si había fecha y, por lo tanto, si había fallecido el paciente. Por último, hice una tercera columna donde me dijera si el paciente que falleció había resultado positivo, ya que me di cuenta que había algunos registros de defunción con casos negativos a COVID. Con la columna de positivos y la de defunciones positivos pude hacer el conteo por municipio. Dividiendo el total de defunciones entre el total de positivos obtengo la proporción. Finalmente, utilicé la función “merge” para nombrar a los municipios con la base de datos del catálogo de INEGI.

datos_coahuila$def<-ifelse(datos_coahuila$FECHA_DEF=="9999-99-99", 0, 1)
datos_coahuila$pos<-ifelse(datos_coahuila$CLASIFICACION_FINAL %in% c(1,2,3), 1,0)
datos_coahuila$def_pos<-ifelse(datos_coahuila$def+datos_coahuila$pos==2,1,0)

coah_mun<-merge(x=datos_coahuila, y=mun, by.x="MUNICIPIO_RES", by.y="mun", sort =FALSE)

TablaDef<-aggregate(cbind(as.numeric(def_pos),as.numeric(pos))~nombre,data=coah_mun, FUN=sum)
TablaDef$Prop<-round((TablaDef$V1/TablaDef$V2)*100, 2)

write.csv(TablaDef, file="def_coahuila.csv")

colnames(TablaDef)<-c("Municipio", "Total de Defunciones", "Total de Positivos", "Proporcion")

fixed_header = list(enabled = T, background = "pink")
kbl(TablaDef, caption = "Porcentaje de Defunciones por Municipio") %>%
  kable_paper("hover",bootstrap_options = "striped", full_width = F, font_size=10, fixed_thead = T, html_font= "Cambria", position = "center")

Porcentaje de Defunciones por Municipio

Municipio	Total de Defunciones	Total de Positivos	Proporcion
Abasolo	0	2	0.00
Acuña	28	406	6.90
Allende	8	125	6.40
Arteaga	4	51	7.84
Candela	1	6	16.67
Castaños	12	107	11.21
Cuatro Ciénegas	2	197	1.02
Escobedo	1	6	16.67
Francisco I. Madero	26	267	9.74
Frontera	48	466	10.30
General Cepeda	2	48	4.17
Guerrero	1	13	7.69
Hidalgo	0	6	0.00
Jiménez	1	2	50.00
Juárez	0	1	0.00
Lamadrid	3	24	12.50
Matamoros	31	282	10.99
Monclova	248	2480	10.00
Morelos	2	17	11.76
Múzquiz	28	474	5.91
Nadadores	4	46	8.70
Nava	10	190	5.26
Ocampo	1	21	4.76
Parras	12	255	4.71
Piedras Negras	98	1353	7.24
Progreso	0	4	0.00
Ramos Arizpe	23	134	17.16
Sabinas	11	468	2.35
Sacramento	3	54	5.56
Saltillo	425	4352	9.77
San Buenaventura	12	121	9.92
San Juan de Sabinas	25	413	6.05
San Pedro	20	265	7.55
Sierra Mojada	3	8	37.50
Torreón	319	4551	7.01
Viesca	0	14	0.00
Villa Unión	1	85	1.18
Zaragoza	3	37	8.11

2. Porcentaje de casos positivos con al menos una comorbilidad.

(5%) Porcentaje de casos positivos con al menos una comorbilidad a nivel municipal.
Para esta pregunta igual utilicé la información que ya tenía del total de positivos. Para el caso de la comorbilidad, dado que dice “al menos una”, entonces si no tuviera ninguna el total de las 10 columnas que indican alguna comorbilidad sumaría en total 20 (2 por cada negativo en cada opción de comorbilidad). Con este análisis en mente, decidí agregar dos nuevas columnas, la primera, si el resultado de la suma era diferente a 20, quería decir que si existe una comorbilidad y le pedí a R que en ese caso me pusiera 1, en caso contrario 0. En la segunda, que me identificara si esa comorbilidad se asociaba a un caso positivo. Al final, con esas nuevas columnas pude hacer un conteo por municipio y dividiendo el total de comorbilidades entre el total de positivos, con eso obtuve la proporción.

coah_mun$co_mor<-ifelse(coah_mun$DIABETES+coah_mun$EPOC+coah_mun$ASMA+coah_mun$INMUSUPR+coah_mun$HIPERTENSION+coah_mun$OTRA_COM+coah_mun$CARDIOVASCULAR+coah_mun$OBESIDAD+coah_mun$RENAL_CRONICA+coah_mun$TABAQUISMO !=20, 1, 0)
coah_mun$co_mor_pos<-ifelse(coah_mun$pos+coah_mun$co_mor==2,1,0)
TablaPos<-aggregate(cbind(as.numeric(co_mor_pos),as.numeric(pos))~nombre,data=coah_mun, FUN=sum)
TablaPos$Prop<-round((TablaPos$V1/TablaPos$V2)*100, 2)

colnames(TablaPos)<-c("Municipio", "Total de Personas con Comorbilidades", "Total de Positivos", "Proporción")

fixed_header = list(enabled = T, background = "pink")
kbl(TablaPos, caption = "Total de Personas con Comorbilidades por Municipio") %>%
  kable_paper("hover",bootstrap_options = "striped", full_width = F, font_size=10, fixed_thead = T, html_font= "Cambria", position = "center")

Total de Personas con Comorbilidades por Municipio

Municipio	Total de Personas con Comorbilidades	Total de Positivos	Proporción
Abasolo	0	2	0.00
Acuña	184	406	45.32
Allende	56	125	44.80
Arteaga	16	51	31.37
Candela	1	6	16.67
Castaños	44	107	41.12
Cuatro Ciénegas	75	197	38.07
Escobedo	2	6	33.33
Francisco I. Madero	88	267	32.96
Frontera	208	466	44.64
General Cepeda	18	48	37.50
Guerrero	7	13	53.85
Hidalgo	3	6	50.00
Jiménez	2	2	100.00
Juárez	1	1	100.00
Lamadrid	8	24	33.33
Matamoros	118	282	41.84
Monclova	1078	2480	43.47
Morelos	4	17	23.53
Múzquiz	202	474	42.62
Nadadores	17	46	36.96
Nava	61	190	32.11
Ocampo	8	21	38.10
Parras	58	255	22.75
Piedras Negras	314	1353	23.21
Progreso	2	4	50.00
Ramos Arizpe	52	134	38.81
Sabinas	228	468	48.72
Sacramento	21	54	38.89
Saltillo	1496	4352	34.38
San Buenaventura	56	121	46.28
San Juan de Sabinas	162	413	39.23
San Pedro	69	265	26.04
Sierra Mojada	4	8	50.00
Torreón	1201	4551	26.39
Viesca	8	14	57.14
Villa Unión	30	85	35.29
Zaragoza	8	37	21.62

3. Total de casos positivos acumulados.

(10%) Total de casos positivos acumulados por día a nivel estatal.
Para esta pregunta ya no me interesaba hacer la división por municipios, sino el acumulado a nivel estatal. Por lo tanto, primero, transformé la columna de “FECHA_INGRESO” con “as.Date” de la paquetería “lubridate” para poder ordernar cronológicamente el acumulado de pacientes. Después, con la información de casos positivos que ya tenía en los incisos anteriores la asocié a los días para dividirlos en lugar de por municipios por días. Al final agregué una nueva columna a mi tabla para hacer ahí la suma de acumulados de los casos positivos a nivel estatal.

coah_mun$dia_acumulados<- as.Date(coah_mun$FECHA_INGRESO, format="%Y-%m-%d")

Tabla_Pos_Est<-aggregate(pos~dia_acumulados,data=coah_mun, FUN=sum)
Tabla_Pos_Est$Acum<-cumsum(Tabla_Pos_Est$pos)


colnames(Tabla_Pos_Est)<-c("Fecha_Ingreso", "Total de Positivos", "Total_Acumulados")

fixed_header = list(enabled = T, background = "pink")
kbl(Tabla_Pos_Est, caption = "Total de Casos Positivos Acumulados por Día a Nivel Estatal") %>%
  kable_paper("hover",bootstrap_options = "striped", full_width = F, font_size=10, fixed_thead = T, html_font= "Cambria", position = "center")

Total de Casos Positivos Acumulados por Día a Nivel Estatal

Fecha_Ingreso	Total de Positivos	Total_Acumulados
2020-01-30	0	0
2020-03-23	0	0
2020-05-28	1	1
2020-06-03	0	1
2020-06-05	0	1
2020-06-11	0	1
2020-06-13	0	1
2020-06-18	0	1
2020-06-22	0	1
2020-06-29	1	2
2020-06-30	1	3
2020-07-01	2	5
2020-07-02	2	7
2020-07-03	2	9
2020-07-04	1	10
2020-07-05	2	12
2020-07-06	2	14
2020-07-07	1	15
2020-07-08	1	16
2020-07-10	1	17
2020-07-11	0	17
2020-07-12	0	17
2020-07-13	0	17
2020-07-14	0	17
2020-07-15	0	17
2020-07-16	0	17
2020-07-17	0	17
2020-07-18	0	17
2020-07-19	0	17
2020-07-20	0	17
2020-07-21	0	17
2020-07-22	2	19
2020-07-23	3	22
2020-07-24	0	22
2020-07-25	1	23
2020-07-26	1	24
2020-07-27	3	27
2020-07-28	3	30
2020-07-29	2	32
2020-07-30	4	36
2020-07-31	2	38
2020-08-01	3	41
2020-08-02	1	42
2020-08-03	6	48
2020-08-04	4	52
2020-08-05	3	55
2020-08-06	5	60
2020-08-07	7	67
2020-08-08	5	72
2020-08-09	2	74
2020-08-10	19	93
2020-08-11	21	114
2020-08-12	25	139
2020-08-13	41	180
2020-08-14	75	255
2020-08-15	182	437
2020-08-16	136	573
2020-08-17	287	860
2020-08-18	295	1155
2020-08-19	315	1470
2020-08-20	300	1770
2020-08-21	396	2166
2020-08-22	157	2323
2020-08-23	103	2426
2020-08-24	317	2743
2020-08-25	276	3019
2020-08-26	333	3352
2020-08-27	269	3621
2020-08-28	256	3877
2020-08-29	127	4004
2020-08-30	54	4058
2020-08-31	234	4292
2020-09-01	237	4529
2020-09-02	202	4731
2020-09-03	186	4917
2020-09-04	191	5108
2020-09-05	96	5204
2020-09-06	96	5300
2020-09-07	196	5496
2020-09-08	199	5695
2020-09-09	163	5858
2020-09-10	153	6011
2020-09-11	137	6148
2020-09-12	73	6221
2020-09-13	69	6290
2020-09-14	187	6477
2020-09-15	122	6599
2020-09-16	100	6699
2020-09-17	198	6897
2020-09-18	151	7048
2020-09-19	87	7135
2020-09-20	47	7182
2020-09-21	212	7394
2020-09-22	181	7575
2020-09-23	175	7750
2020-09-24	167	7917
2020-09-25	164	8081
2020-09-26	125	8206
2020-09-27	64	8270
2020-09-28	191	8461
2020-09-29	243	8704
2020-09-30	221	8925
2020-10-01	196	9121
2020-10-02	200	9321
2020-10-03	127	9448
2020-10-04	106	9554
2020-10-05	257	9811
2020-10-06	322	10133
2020-10-07	246	10379
2020-10-08	236	10615
2020-10-09	250	10865
2020-10-10	159	11024
2020-10-11	106	11130
2020-10-12	319	11449
2020-10-13	384	11833
2020-10-14	275	12108
2020-10-15	297	12405
2020-10-16	276	12681
2020-10-17	176	12857
2020-10-18	164	13021
2020-10-19	403	13424
2020-10-20	431	13855
2020-10-21	408	14263
2020-10-22	417	14680
2020-10-23	403	15083
2020-10-24	232	15315
2020-10-25	167	15482
2020-10-26	382	15864
2020-10-27	363	16227
2020-10-28	327	16554
2020-10-29	316	16870
2020-10-30	287	17157
2020-10-31	142	17299
2020-11-01	43	17342
2020-11-02	1	17343
2020-11-03	1	17344
2020-11-05	1	17345
2020-11-07	1	17346
2020-11-09	1	17347
2020-11-13	1	17348
2020-11-27	0	17348
2021-01-07	1	17349
2021-01-12	0	17349
2021-01-26	1	17350
2021-03-19	0	17350
2021-04-06	0	17350
2021-05-25	0	17350
2021-07-17	0	17350
2021-08-10	1	17351
2021-09-14	0	17351
2021-10-04	0	17351
2021-10-15	0	17351

4. Total acumulado de defunciones.

(10%) Total acumulado de defunciones por día a nivel estatal.
Para esta pregunta tampoco me interesaba hacer la división por municipios, sino el acumulado a nivel estatal. Por lo tanto, uso solo las filas donde si hay fecha de defunción. También usé el filtrado de positivos porque había ciertas defunciones asociadas a casos no confirmados como positivos.

coahuila_covid_def$dia_defunciones<- as.Date(coahuila_covid_def$FECHA_DEF, format="%Y-%m-%d")

coahuila_covid_def$pos<-ifelse(coahuila_covid_def$CLASIFICACION_FINAL %in% c(1,2,3), 1,0)

Tabla_Def_Est<-aggregate(pos~dia_defunciones,data=coahuila_covid_def, FUN=sum)
Tabla_Def_Est$Acum_def<-cumsum(Tabla_Def_Est$pos)

colnames(Tabla_Def_Est)<-c("Fecha de Defunción", "Total de Defunciones", "Total de Acumulados")

fixed_header = list(enabled = T, background = "pink")
kbl(Tabla_Def_Est, caption = "Total de Defunciones Acumuladas por Día a Nivel Estatal") %>%
  kable_paper("hover",bootstrap_options = "striped", full_width = F, font_size=10, fixed_thead = T, html_font= "Cambria", position = "center")

Total de Defunciones Acumuladas por Día a Nivel Estatal

Fecha de Defunción	Total de Defunciones	Total de Acumulados
2020-03-23	0	0
2020-06-10	0	0
2020-06-11	0	0
2020-07-03	0	0
2020-07-04	0	0
2020-07-12	1	1
2020-07-14	0	1
2020-07-15	0	1
2020-07-16	0	1
2020-07-17	0	1
2020-07-18	0	1
2020-07-20	0	1
2020-07-21	0	1
2020-07-23	0	1
2020-07-25	2	3
2020-07-26	0	3
2020-07-27	0	3
2020-07-28	0	3
2020-08-01	2	5
2020-08-05	0	5
2020-08-06	2	7
2020-08-07	1	8
2020-08-08	1	9
2020-08-09	2	11
2020-08-10	0	11
2020-08-11	0	11
2020-08-12	1	12
2020-08-13	1	13
2020-08-14	1	14
2020-08-15	3	17
2020-08-16	7	24
2020-08-17	9	33
2020-08-18	6	39
2020-08-19	11	50
2020-08-20	8	58
2020-08-21	10	68
2020-08-22	11	79
2020-08-23	10	89
2020-08-24	11	100
2020-08-25	8	108
2020-08-26	13	121
2020-08-27	10	131
2020-08-28	23	154
2020-08-29	14	168
2020-08-30	14	182
2020-08-31	27	209
2020-09-01	18	227
2020-09-02	19	246
2020-09-03	14	260
2020-09-04	18	278
2020-09-05	13	291
2020-09-06	12	303
2020-09-07	19	322
2020-09-08	14	336
2020-09-09	17	353
2020-09-10	13	366
2020-09-11	24	390
2020-09-12	19	409
2020-09-13	13	422
2020-09-14	20	442
2020-09-15	13	455
2020-09-16	10	465
2020-09-17	13	478
2020-09-18	7	485
2020-09-19	17	502
2020-09-20	14	516
2020-09-21	10	526
2020-09-22	18	544
2020-09-23	10	554
2020-09-24	14	568
2020-09-25	17	585
2020-09-26	10	595
2020-09-27	12	607
2020-09-28	17	624
2020-09-29	8	632
2020-09-30	9	641
2020-10-01	11	652
2020-10-02	7	659
2020-10-03	21	680
2020-10-04	7	687
2020-10-05	11	698
2020-10-06	11	709
2020-10-07	9	718
2020-10-08	12	730
2020-10-09	14	744
2020-10-10	12	756
2020-10-11	12	768
2020-10-12	19	787
2020-10-13	10	797
2020-10-14	19	816
2020-10-15	19	835
2020-10-16	14	849
2020-10-17	22	871
2020-10-18	18	889
2020-10-19	19	908
2020-10-20	23	931
2020-10-21	23	954
2020-10-22	22	976
2020-10-23	25	1001
2020-10-24	25	1026
2020-10-25	31	1057
2020-10-26	35	1092
2020-10-27	37	1129
2020-10-28	23	1152
2020-10-29	25	1177
2020-10-30	26	1203
2020-10-31	24	1227
2020-11-01	24	1251
2020-11-02	30	1281
2020-11-03	17	1298
2020-11-04	16	1314
2020-11-05	19	1333
2020-11-06	14	1347
2020-11-07	9	1356
2020-11-08	9	1365
2020-11-09	12	1377
2020-11-10	10	1387
2020-11-11	6	1393
2020-11-12	11	1404
2020-11-13	4	1408
2020-11-14	2	1410
2020-11-15	2	1412
2020-11-16	0	1412
2020-11-17	4	1416
2020-11-18	2	1418
2020-11-19	1	1419
2020-11-22	2	1421
2020-11-23	1	1422
2020-11-24	2	1424
2020-11-25	1	1425
2020-11-26	0	1425
2020-11-27	0	1425
2020-12-10	0	1425
2020-12-11	1	1426
2020-12-12	0	1426
2021-01-06	1	1427
2021-01-13	0	1427

5. Porcentaje de mujeres.

(10%) Porcentaje de mujeres, a nivel municipal, que representan un caso positivo (Número de mujeres positivas en el municipio / Número de casos positivos en ese municipio).
Aquí si usé la base de datos con la división por municipios. Para esta pregunta agregué dos columnas, la primera para contar al total de mujeres y la segunda para filtrar cuáles de esas eran casos positivos. Ya con esa segunda columna pude hacer una tabla de los casos positivos de mujeres y casos positivos totales. De ahí saqué el porcentaje de mujeres que representan un caso positivo.

coah_mun$mujer<-ifelse(coah_mun$SEXO ==1, 1, 0)
coah_mun$mujer_pos<-ifelse(coah_mun$mujer+coah_mun$pos == 2, 1, 0)

TablaMujer<-aggregate(cbind(as.numeric(mujer_pos),as.numeric(pos))~nombre,data=coah_mun, FUN=sum)

TablaMujer$Prop<-round((TablaMujer$V1/TablaMujer$V2)*100, 2)

colnames(TablaMujer)<-c("Municipio", "Total de Mujeres", "Total de Positivos", "Proporción")

fixed_header = list(enabled = T, background = "pink")
kbl(TablaMujer, caption = "Porcentaje de Mujeres que Representan un Caso Positivo por Municipio") %>%
  kable_paper("hover",bootstrap_options = "striped", full_width = F, font_size=10, fixed_thead = T, html_font= "Cambria", position = "center")

Porcentaje de Mujeres que Representan un Caso Positivo por Municipio

Municipio	Total de Mujeres	Total de Positivos	Proporción
Abasolo	2	2	100.00
Acuña	214	406	52.71
Allende	67	125	53.60
Arteaga	23	51	45.10
Candela	0	6	0.00
Castaños	53	107	49.53
Cuatro Ciénegas	106	197	53.81
Escobedo	3	6	50.00
Francisco I. Madero	136	267	50.94
Frontera	230	466	49.36
General Cepeda	22	48	45.83
Guerrero	7	13	53.85
Hidalgo	5	6	83.33
Jiménez	1	2	50.00
Juárez	0	1	0.00
Lamadrid	13	24	54.17
Matamoros	163	282	57.80
Monclova	1233	2480	49.72
Morelos	9	17	52.94
Múzquiz	277	474	58.44
Nadadores	21	46	45.65
Nava	102	190	53.68
Ocampo	11	21	52.38
Parras	144	255	56.47
Piedras Negras	696	1353	51.44
Progreso	4	4	100.00
Ramos Arizpe	54	134	40.30
Sabinas	221	468	47.22
Sacramento	24	54	44.44
Saltillo	2255	4352	51.82
San Buenaventura	66	121	54.55
San Juan de Sabinas	228	413	55.21
San Pedro	153	265	57.74
Sierra Mojada	5	8	62.50
Torreón	2450	4551	53.83
Viesca	7	14	50.00
Villa Unión	38	85	44.71
Zaragoza	17	37	45.95

2. Gráfico de barras con mayor porcentaje de defunciones.

(10%) Gráfico de barras de los 10 municipios con mayor porcentaje de defunciones. Para esta pregunta, primero ordené los 10 municipios con mayor porcentaje de defunciones. Después con la paquetería “plotly” hice el gráfico de barras para mostrar a los 10 municipios con mayor porcentaje de defunciones en el estado de Coahuila.

top_def<-top_n(TablaDef, 10, Proporcion)%>% arrange(desc(Proporcion))
colnames(top_def)<-c("Municipio", "Total_Defunciones", "Total_Positivos", "Proporcion")

fixed_header = list(enabled = T, background = "pink")
kbl(top_def, caption = "10 Municipios con Mayor Número de Defunciones") %>%
  kable_paper("hover",bootstrap_options = "striped", full_width = F, font_size=10, fixed_thead = T, html_font= "Cambria", position = "center")

10 Municipios con Mayor Número de Defunciones

Municipio	Total_Defunciones	Total_Positivos	Proporcion
Jiménez	1	2	50.00
Sierra Mojada	3	8	37.50
Ramos Arizpe	23	134	17.16
Candela	1	6	16.67
Escobedo	1	6	16.67
Lamadrid	3	24	12.50
Morelos	2	17	11.76
Castaños	12	107	11.21
Matamoros	31	282	10.99
Frontera	48	466	10.30

def_top<-cbind(top_def$Municipio, top_def$Proporcion)

def_top_<-as.data.frame(def_top)

colnames(def_top_)<-c("Municipio", "Porcentaje")

graf_def<-plot_ly(data=def_top_, x=~Municipio, y=~Porcentaje, type="bar", color = rainbow(10))
graf_def<- graf_def %>% layout (showlegend=FALSE)
graf_def

3. Gráfico de barras con mayor número de casos positivos detectados.

(15%) Gráfico de barras de los 10 municipios con mayor número de casos positivos detectados, divido por hombres y por mujeres. Primero, cargué el catálogo de sexos del inegi para poder unir mi base de datos de los municipios de Coahuila con el indicador por sexo. Con eso hice una nueva tabla donde tuviese los datos de los 10 municipios con mayor número de casos positivos acumulados divididos en dos columnas: hombres y mujeres.

cat_sex<-read_excel("201128 Catalogos.xlsx",sheet = "Catálogo SEXO")

coah_mun_sex<-merge(x=coah_mun, y=cat_sex, by.x = "SEXO", by.y = "CLAVE", sort = FALSE)

coah_mun_sex$hombre<-ifelse(coah_mun_sex$SEXO == 2, 1, 0)
coah_mun_sex$hombre_pos<-ifelse(coah_mun_sex$hombre+coah_mun_sex$pos == 2, 1, 0)

tabla_pos_hm<-aggregate(cbind(coah_mun_sex$hombre_pos, coah_mun_sex$mujer_pos)~coah_mun_sex$nombre, FUN = sum)

tabla_pos_hm$total<-tabla_pos_hm$V1+tabla_pos_hm$V2

tabla_pos_hm<-as.data.frame.array(tabla_pos_hm)

top_hm<-top_n(tabla_pos_hm, 10, total)%>% arrange(desc(total))

colnames(top_hm)<-c("Municipio", "Hombres", "Mujeres", "Total")

fixed_header = list(enabled = T, background = "pink")
kbl(top_hm, caption = "10 Municipios con Mayor Número de Casos Positivos (divididos por hombres y mujeres)") %>%
  kable_paper("hover",bootstrap_options = "striped", full_width = F, font_size=10, fixed_thead = T, html_font= "Cambria", position = "center")

10 Municipios con Mayor Número de Casos Positivos (divididos por hombres y mujeres)

	Municipio	Hombres	Mujeres	Total
35	Torreón	2101	2450	4551
30	Saltillo	2097	2255	4352
18	Monclova	1247	1233	2480
25	Piedras Negras	657	696	1353
20	Múzquiz	197	277	474
28	Sabinas	247	221	468
10	Frontera	236	230	466
32	San Juan de Sabinas	185	228	413
2	Acuña	192	214	406
17	Matamoros	119	163	282

graf_sex<-plot_ly(data=top_hm, x=~Municipio, y=~Mujeres, type="bar", name="Mujeres")
graf_sex<- graf_sex %>% add_bars(data = top_hm, x=~Municipio, y=~Hombres, name="Hombres")
graf_sex<- graf_sex %>% layout (barmode="stack", legend=list(title=list(text='<b> sexo </b>')), title="10 municipios con mayor número de casos positivos detectados")
graf_sex

4. Gráfico de líneas.

(15%) Gráfico de líneas que representa el número acumulado de defunciones a nivel estatal por día. Al desplazar el cursor sobre la línea, se debe de mostrar la cantidad representada en la línea.

acum_graf<-plot_ly(data=Tabla_Pos_Est, x=~Fecha_Ingreso, y=~Total_Acumulados, mode="lines", marker = list(size = 15, color = colorRampPalette(brewer.pal(10,"Spectral"))(200))) %>%
  layout(title = "Número acumulado de defunciones a nivel estatal por día", xaxis = list(title = "Fecha"), yaxis = list(title = "casos acumulados"))
acum_graf

5. Mapa.

(20%) Mapa que muestre la distribución espacial, por municipio, del porcentaje de defunciones. Utilizar el corte por cuantiles. Al situar el cursor sobre el municipio, se debe de desplegar el porcentaje de defunciones y el total de casos de defunciones del correspondiente.

Importo el mapa desde “QGIS” al ambiente de R.

plot(mapa_coahuila)

Utilizando la función “merge” uno la base de datos de defunciones con el mapa por medio de las variables “CVE_MUN” y “CVE”. Creo el corte por cuantiles del porcentaje de defunciones y creo la paleta de colores.

tabla_coahuila<-merge(x=mapa_coahuila@data, y=def_coahuila, by.x="CVE_MUN", by.y="CVE", sort =FALSE)

mapa_coahuila@data$PorDef<-tabla_coahuila$Proporción
mapa_coahuila@data$Total<-tabla_coahuila$`Total de Defunciones`

cuantil_coahuila<-cut(mapa_coahuila@data$PorDef,5)

cortes_cuantiles_coah<- c(0, 10, 20, 40, Inf)
colores_<-brewer.pal(4, "BuPu")
colores <- colorBin( palette="BuPu", domain=mapa_coahuila@data$PorDef, na.color="black", bins=cortes_cuantiles_coah)

textos_<- paste("Mun: ", def_coahuila$Municipio,
                "-% de defunciones: ", mapa_coahuila@data$PorDef,
                "-Total de defunciones: ", mapa_coahuila@data$Total) %>% lapply(htmltools::HTML)

leaflet(data=mapa_coahuila) %>% 
  addTiles() %>% 
  addPolygons(fillColor = colores(mapa_coahuila$PorDef), fillOpacity = 0.7, label = textos_, labelOptions = labelOptions (style = list("font-weight" = "normal", padding = "3px 8px"), textsize = "12px", direction = "auto")) %>%
  addLegend(color=colores_, labels=c("0-10%", "10-20%", "20-40%", "40-50%"))