Amba.Rmd

---
title: "AMBA"
output:
  html_document:
    toc: true
    toc_float: true
    collapsed: false
    number_sections: false
    toc_depth: 3
---


```{r setup, include=FALSE}
knitr::opts_chunk$set(echo = TRUE)
```

```{r carga, message=FALSE, warning=FALSE, include=FALSE, paged.print=FALSE}

library(readr)
library(dplyr)
library(tidyr)
library(ggplot2)
library(lubridate)
library(knitr)
library(kableExtra)
library(highcharter)
library(rjson)
library(plotly)
library(gganimate)
library(stringr)
library(leaflet)
library(leaflet.extras)
library(sf)
library(tmap)
library(googlesheets4)
library(readxl)
library(RcppRoll)
library(tidyverse)
library(latticeExtra)
library(DT)

  # theme_elegante_std <- function(base_family)
   color <- function(d){ 
     c <- if_else(d==0, '#FFFFFF',
          if_else(d < 250, '#fdd49e', if_else(d < 500, '#fc8d59',
          if_else(d < 750, '#d7301f',if_else(d < 1000, '#b30000', "#7f0000")))))  
    return(c)}
   
  urlign <- "https://wms.ign.gob.ar/geoserver/gwc/service/tms/1.0.0/capabaseargenmap@EPSG%3A3857@png/{z}/{x}/{-y}.png"
  
      
  # deptos <- st_read(dsn ="data/mapas/AMBA_dptos.shp")
  # poligonosMovil <- read_csv("data/poligonosMovil.csv",  locale = locale(encoding = "ISO-8859-1"))
  
  # movement <- read_delim("data/movement-range.txt", 
  #                        "\t", escape_double = FALSE, locale = locale(encoding = "ISO-8859-1"), 
  #                        trim_ws = TRUE) %>% filter(country=="ARG") 
  # datos_mov <- movement %>% left_join(poligonosMovil, by=c("polygon_id" = "GID_2"))

  
  cordones <- read_excel("data/argentina.xlsx", "POBLAC_AMBA")
  
 
 # covid19casos <- read_csv("data/Covid19Casos.csv")
 covid19casos <- read_rds("data/casos_pronvinciales.rds")
  names(covid19casos) <- c("id_evento_caso", "sexo", "edad", 	"edad_anos_meses", 	"residencia_pais_nombre", 	"residencia_provincia_nombre", 	"residencia_departamento_nombre", 	"carga_provincia_nombre", 	"fecha_inicio_sintomas", 	"fecha_apertura", 	"sepi_apertura", 	"fecha_internacion", 	"cuidado_intensivo", 	"fecha_cui_intensivo", "fallecido", 	"fecha_fallecimiento",	"asistencia_respiratoria_mecanica",	"carga_provincia_id",	"origen_financiamiento",	"clasificacion", 	"clasificacion_resumen",	"residencia_provincia_id", 	"fecha_diagnostico", 	"residencia_departamento_id",	"ultima_actualizacion")

  
  amba <- covid19casos %>%  
    filter(residencia_provincia_nombre==carga_provincia_nombre & 
             residencia_provincia_nombre %in% c("Buenos Aires", "CABA")) %>% 
    select(fecha_apertura, fecha_inicio_sintomas,  fecha_diagnostico, residencia_provincia_nombre, residencia_departamento_nombre,
           # edad, edad_anos_meses, sexo, fecha_internacion, cuidado_intensivo,
           # fecha_cui_intensivo, asistencia_respiratoria_mecanica, fallecido, fecha_fallecimiento, 
           # origen_financiamiento,  
           clasificacion_resumen, clasificacion) 
  
  amba$residencia_departamento_nombre <- if_else( amba$residencia_provincia_nombre=="CABA", "CABA",
                                                as.character(amba$residencia_departamento_nombre))
  
  # falle <- amba %>% filter(fallecido=="SI" & clasificacion_resumen=="Confirmado") %>%
  #         group_by(residencia_provincia_nombre, residencia_departamento_nombre, fecha_fallecimiento) %>%
  #         mutate(fallecidos=n()) %>%
  #         select(residencia_provincia_nombre, residencia_departamento_nombre, fecha_fallecimiento, fallecidos)

  # altas <- amba %>% filter(fallecido=="NO" & clasificacion_resumen=="Confirmado" &
  #                                    clasificacion %in% c("Caso confirmado - No activo (por laboratorio y tiempo de evolución)",
  #                                                          "Caso confirmado - No Activo por criterio de laboratorio",
  #                                                          "Caso confirmado - No activo (por tiempo de evolución)")) %>%
  #   group_by(residencia_provincia_nombre, residencia_departamento_nombre) %>%
  #   mutate(altas=n()) %>%
  #   select(residencia_provincia_nombre, residencia_departamento_nombre, altas) %>% unique()

  Tdeptal <- amba %>% #filter(clasificacion_resumen=="Confirmado") %>% 
          group_by(residencia_provincia_nombre, residencia_departamento_nombre, 
                   fecha_apertura, clasificacion_resumen) %>%
          mutate(cantidad= n()) %>%
          select(residencia_provincia_nombre, residencia_departamento_nombre,
                 fecha_apertura, clasificacion_resumen, cantidad) %>%
          unique() %>%  spread(clasificacion_resumen, cantidad) %>% unique()
  

  # Tdeptal$fecha_apertura <- as.Date(Tdeptal$fecha_apertura,  '%d-%m-%Y')
  Tdeptal$Confirmado <- if_else(is.na(Tdeptal$Confirmado), 0, as.double(Tdeptal$Confirmado))

  Tdeptal <- Tdeptal %>% group_by(residencia_provincia_nombre, residencia_departamento_nombre) %>%
    mutate(acumulados= cumsum(as.integer(Confirmado)))

  # amba$fecha_apertura <- as.Date(amba$fecha_apertura,"%d-%m-%Y")
  last_date <- last(amba$fecha_apertura)
  # Tdeptal$residencia_departamento_nombre <-  if_else( Tdeptal$residencia_departamento_nombre=="CABA", "CABA",
  #                                               as.character(Tdeptal$residencia_departamento_nombre))
    
  amba <- Tdeptal %>% left_join(cordones, by=c("residencia_departamento_nombre"="Partido")) %>% 
    select(provincia=residencia_provincia_nombre, Partido=residencia_departamento_nombre, diarios=Confirmado,
           fecha=fecha_apertura, 
           CASOS=acumulados, descartados=Descartado, sospechosos=Sospechoso,  zona=ZONA, CORDON, POBLACION)
  
    # amba2 <- read_excel("data/argentina.xlsx", "GBA")
  #   write.csv(amba, "amba.csv")
  # datos_mov <- movement %>% left_join(poligonosMovil, by=c("polygon_id" = "GID_2")) %>% 
  #   filter(NAME_1 %in% c("Ciudad de Buenos Aires", "Buenos Aires") & 
  #   NAME_2 %in%  c("Distrito Federal",  "Avellaneda", "General San Martín", 
  #                  "La Matanza", "Lanús", "Lomas de Zamora", 
  #                  "Morón", "San Isidro",  "Tres de Febrero", "Vicente López", 
  #                  
  #                  "Almirante Brown", "Berazategui", "Esteban Echeverría", 
  #                  "Ezeiza",  "Florencio Varela", "Hurlingham",
  #                  "Ituzaingó","José C. Paz",  "Malvinas Argentinas",  
  #                  "Merlo", "Moreno",  "Quilmes", "San Fernando", 
  #                  "San Miguel", "Tigre",
  #                  
  #                 "Beriso", "Ensenada", "Escobar",
  #                 "General Rodríguez", "La Plata",  "Marcos Paz",  
  #                 "Pilar",  "Presidente Perón",  "San Vicente"))
 # unique(datos_mov$NAME_2)
   primer <- c("CABA","Ciudad de Buenos Aires", "Distrito Federal",  
               "Avellaneda", "General San Martín", "La Matanza", "Lanús", "Lomas de Zamora", 
               "Morón",  "San Isidro",  "Tres de Febrero", "Vicente López")
   segundo <- c("Almirante Brown", "Berazategui", "Esteban Echeverría", "Ezeiza",  "Florencio Varela", "Hurlingham",
                   "Ituzaingó","José C. Paz",  "Malvinas Argentinas",  "Merlo", "Moreno",  "Quilmes", "San Fernando", 
                   "San Miguel", "Tigre")
   tercer <- c("Beriso",   "Ensenada", "Escobar", "General Rodríguez", "La Plata",  "Marcos Paz",  "Pilar", 
                  "Presidente Perón",  "San Vicente")
   
  # deptos$departam_1 <- if_else( deptos$departam_1=="Ciudad Autónoma de Buenos Aires", "CABA",
  #                              as.character(deptos$departam_1))
 
  # amba <- amba %>% group_by(provincia, Partido) %>% mutate(casos=cumsum(CASOS))
  
  casos_hoy <- amba %>% group_by(Partido) %>% filter(!is.na(fecha) & fecha==max(fecha)) %>% 
    mutate(incidencia = round(CASOS/POBLACION*100000, 1)) %>% 
     select(Partido, CASOS=CASOS, incidencia) %>% unique()
  
  # unique(amba$Partido)
  # casos_hoy$Partido <- gsub("Tres De Febrero", "Tres de Febrero", casos_hoy$Partido)
  # casos_hoy$Partido <- gsub("Lomas De Zamora", "Lomas de Zamora", casos_hoy$Partido)
  # write.csv(casos_hoy, "casos_hoy.csv")
  # deptos_covid <- deptos %>% left_join(casos_hoy, by=c("departam_1" = "Partido"))
  # deptos_covid$departam_1

  # primer <- gsub("Distrito Federal", "CABA", primer)

  # deptos_covid1 <- deptos_covid %>% filter(departam_1 %in% primer)
  # deptos_covid2 <- deptos_covid %>% filter(departam_1 %in% segundo)
  # deptos_covid3 <- deptos_covid %>% filter(departam_1 %in% tercer)
    # casos_hoy
  
```



Dado que en Argentina la mayoría de los casos de COVID-19 detectados se concentran en la región denominada Area Metropolitana Buenos Aires, se tratarán en forma particular los valores de la misma.

Se analizarán considerando a la Ciudad de Buenos Aires y los cordones de la Provincia de Buenos Aires


## CABA y 1er Cordón

### Curva de Casos Acumulados
A continuación se grafica la evolución de los casos acumulados de Covid en CABA y el primer cordón del Gran Buenos Aires en base a la jurisdicción de residencia del paciente.


```{r primer, echo=FALSE, fig.align='center', message=FALSE, warning=FALSE, paged.print=FALSE, out.width='100%'}

  amba %>% filter(CORDON=="1er") %>% select(cordon=CORDON, dia=fecha, distrito=Partido, cantidad=CASOS) -> plot_data_n

    p <- plot_data_n %>% 
      ggplot(mapping=aes(x=dia, color=distrito, y=cantidad )) +
      geom_col(show.legend = F)+
      # geom_line(show.legend = F) + 
      # geom_point(show.legend = F) + 
      labs(title = paste("COVID-19- Casos acumulados en CABA y 1° cordón GBA (", last_date, ")"), 
           subtitle = paste0("Casos acumulados en CABA y 1° cordón GBA (al: ", last_date, ")") , 
           y = "Casos",  x = "Fecha") +
      # theme_elegante_std(base_family = "Assistant") +
       facet_wrap(~ distrito, scales = "free_y", ncol = 3) 
  
  ggplotly(p,   height = 800) %>% layout(showlegend=F)
  
   
  # fig <- plot_ly(plot_data_n, x = ~dia, y = ~cantidad, color = ~distrito, type = "bar") 
  # fig <- layout(fig, title="Evolución de Casos por Fecha de Inicio de Síntomas",
  #               xaxis = list(title = "día"), yaxis = list(title = "casos"))
  # fig
  
  
```



### Casos diarios
Los casos diarios son obtenidos de la base de datos abiertas del Ministerio de Salud de Nación en base a la fecha de apertura del caso.

Por este motivo es usual que los últimos días presente siempre una cantidad menor de casos confirmados. Es recomendable observar las tendencias hasta diez días antes del actual.


```{r primerPromS, echo=FALSE, fig.align='center', message=FALSE, warning=FALSE, paged.print=FALSE, out.width='100%'}

  amba %>% filter(CORDON=="1er") %>% select(cordon=CORDON, dia=fecha, distrito=Partido, cantidad=diarios) -> plot_data_n

    p <- plot_data_n %>% 
      ggplot(mapping=aes(x=dia, color=distrito, y=cantidad)) +
      geom_line(show.legend = F,alpha = 0.5 ) + geom_point(show.legend = F, alpha = 0.5 ) + 
      geom_smooth(method = 'loess', formula = 'y ~ x', alpha = 0.2, size = 1, span = .3, se=FALSE) +
      labs(title = paste("COVID-19- Casos diarios en CABA y 1° cordón GBA (", last_date, ")"), 
           subtitle = paste0("Casos diarios en CABA y 1° cordón GBA (al: ", last_date, ")") , 
           y = "Casos",  x = "Fecha") +
       facet_wrap(~ distrito, scales = "free_y", ncol = 2) 
  
  ggplotly(p, width = 900,  height = 900) %>% layout(showlegend=F)
  
```



### Casos diarios Promedio 1
Los casos diarios promediados a 7 días


```{r primerProm, echo=FALSE, fig.align='center', message=FALSE, warning=FALSE, paged.print=FALSE, out.width='100%'}
 primer <- amba %>% filter(CORDON=="1er") %>% select(cordon=CORDON, dia=fecha, distrito=Partido, cantidad=diarios)


primer <- primer %>% group_by(distrito) %>%  mutate(prom = round(roll_mean(cantidad, n=7, fill = 0),0) ) 

fig <- plot_ly(primer, x = ~dia, y = ~prom, color = ~distrito, 
               text= ~round(prom, 0),  textposition = 'outside', type = "bar")
fig <- layout(fig, title="Evolución de casos diarios por Distrito \n (promedio de 7 días)",
              xaxis = list(title = "día"), yaxis = list(title = "casos"))
fig

```



 
<!-- ### Movilidad CABA y 1° Cordón -->

<!-- Los datos de movilidad son obtenidos por Facebook tomando la movilidad existente en febrero como base para comparar la de los días posteriores.   -->

<!--  ```{r movilidad1, echo=FALSE, fig.align='center', message=FALSE, warning=FALSE, paged.print=FALSE, out.width='100%'} -->
 
<!--   ### NORTE -->
<!--   datos <- datos_mov %>% filter(NAME_2 %in% primer) %>%  -->
<!--   select(polygon_name=NAME_2, ds, all_day_bing_tiles_visited_relative_change) %>% unique()  -->

<!--   datos$polygon_name <- gsub("Distrito Federal", "CABA", datos$polygon_name ) -->
<!--   # unique(datos_mov$NAME_2) -->
<!--   datos$movilidad <- round(datos$all_day_bing_tiles_visited_relative_change*100, 1) -->
<!--   datos$fecha <- datos$ds -->

<!--   uno <-  datos %>% ggplot(mapping=aes(x=fecha, y=movilidad)) + -->
<!--     geom_line(color="#67a9cf") + -->
<!--     geom_point(color="#67a9cf") + -->
<!--     geom_smooth(method = 'loess', -->
<!--                 formula = 'y ~ x', alpha = 0.2, size = 1, span = .3, se=FALSE, color="#ef8a62") + -->
<!--     labs(title = paste("COVID-19: Variación de la movilidad en CABA y 1° cordón de PBA "),  -->
<!--          y = "Movilidad",  -->
<!--          x = "Fecha") + -->
<!--     facet_wrap(~ polygon_name, scales = "free_y", ncol = 2) #+ theme_elegante_std(base_family = "Assistant") -->

<!--   ggplotly(uno, name="Movilidad",  height = 900)%>% layout(showlegend=F) -->




<!-- ``` -->



<!-- ### Mapa de Incidencia -->

<!-- La incidencia se calcula en base a los datos reportados por los Ministerios de Salud de la Ciudad de Buenos Aires y de la provincia de Buenos Aires.  -->
<!-- Como población se considera la proyectada por INDEC para el 2020. -->

<!-- # ```{r inc1, echo=FALSE, fig.align='center', message=FALSE, warning=FALSE, paged.print=FALSE, out.width='100%'} -->
<!-- #   -->
<!-- # # incidencia <- deptos_covid %>% select(departam_1, incidencia) -->
<!-- # # write.csv(incidencia, "incidencia.csv") -->
<!-- #   leaflet(data = deptos_covid1) %>%  -->
<!-- #     addTiles(urlTemplate = urlign, attribution="IGN") %>% -->
<!-- #     addPolygons( color = "#444444", weight = 1, -->
<!-- #                  fillColor = color(deptos_covid1$incidencia), fillOpacity = 0.6, -->
<!-- #                  label = paste0(deptos_covid1$departam_1, ": ", deptos_covid1$CASOS), -->
<!-- #                  popup = paste0(deptos_covid1$departam_1, -->
<!-- #                                " <br/> Casos: ", deptos_covid1$CASOS, -->
<!-- #                                " <br/>- Incidencia: ", deptos_covid1$incidencia), -->
<!-- #                  highlightOptions = highlightOptions(color = "white", weight = 2, bringToFront = TRUE))  %>% -->
<!-- #         addFullscreenControl()  %>%      -->
<!-- #     addLegend(colors = c('#FFFFFF','#fdd49e', '#fc8d59', '#d7301f', '#b30000', '#7f0000'), -->
<!-- #               labels= c("0", "1-249", "250-499", "500-999", "1000 - 1499", "1500 o más"), position ="bottomright")  -->
<!-- #  -->
<!-- # ``` -->


## PBA: 2° Cordón



```{r segundo, echo=FALSE, fig.align='center', message=FALSE, warning=FALSE, paged.print=FALSE, out.width='100%'}

  amba %>% filter(CORDON=="2do") %>% select(cordon=CORDON, dia=fecha, distrito=Partido, cantidad=CASOS) -> plot_data_n

    p <- plot_data_n %>% 
      ggplot(mapping=aes(x=dia, color=distrito, y=cantidad)) +
      geom_line(show.legend = F) + geom_point(show.legend = F) + 
      # geom_smooth(method = 'loess', formula = 'y ~ x', alpha = 0.2, size = 1, span = .3, se=FALSE) +
      labs(title = paste("COVID-19- Casos acumulados en CABA y 2° cordón GBA (", last_date, ")"), 
           # subtitle = paste0("Casos acumulados en CABA y 1° cordón GBA (al: ", last_date, ")") , 
           y = "Casos",  x = "Fecha") +
      # theme_elegante_std(base_family = "Assistant") +
       facet_wrap(~ distrito, scales = "free_y", ncol = 4) 
  
  ggplotly(p,   height = 800) %>% layout(showlegend=F)
  
```



### Casos diarios

```{r segundoProm, echo=FALSE, fig.align='center', message=FALSE, warning=FALSE, paged.print=FALSE, out.width='100%'}

  amba %>% filter(CORDON=="2do") %>% select(cordon=CORDON, dia=fecha, distrito=Partido, cantidad=diarios) -> plot_data_n

    p <- plot_data_n %>% 
      ggplot(mapping=aes(x=dia, color=distrito, y=cantidad)) +
      geom_line(show.legend = F,alpha = 0.5 ) + geom_point(show.legend = F, alpha = 0.5 ) + 
      geom_smooth(method = 'loess', formula = 'y ~ x', alpha = 0.2, size = 1, span = .3, se=FALSE) +
      labs(title = paste("COVID-19- Casos diarios en 2° cordón GBA (", last_date, ")"), 
           subtitle = paste0("Casos diarios en 2° cordón GBA (al: ", last_date, ")") , 
           y = "Casos",  x = "Fecha") +
       facet_wrap(~ distrito, scales = "free_y", ncol = 2) 
  
  ggplotly(p,   height = 900) %>% layout(showlegend=F)
  
```




### Casos diarios Promedio 2
Los casos diarios promediados a 7 días


```{r segrProm, echo=FALSE, fig.align='center', message=FALSE, warning=FALSE, paged.print=FALSE, out.width='100%'}
 primer <- amba %>% filter(CORDON=="2do") %>% select(cordon=CORDON, dia=fecha, distrito=Partido, cantidad=diarios)


primer <- primer %>% group_by(distrito) %>%  mutate(prom = round(roll_mean(cantidad, n=7, fill = 0),0) ) 

fig <- plot_ly(primer, x = ~dia, y = ~prom, color = ~distrito, 
               text= ~round(prom, 0),  textposition = 'outside', type = "bar")
fig <- layout(fig, title="Evolución de casos diarios por Distrito \n (promedio de 7 días)",
              xaxis = list(title = "día"), yaxis = list(title = "casos"))
fig

```





<!-- ### Movilidad 2° Cordón -->

<!-- # ```{r movilidad2, echo=FALSE, fig.align='center', message=FALSE, warning=FALSE, paged.print=FALSE, out.width='100%'} -->

<!--   datos <- datos_mov %>% filter(NAME_2 %in% segundo) %>%  -->
<!--   select(polygon_name=NAME_2, ds, all_day_bing_tiles_visited_relative_change) %>% unique()  -->

<!-- # unique(datos_mov$NAME_2) -->
<!--   datos$movilidad <- round(datos$all_day_bing_tiles_visited_relative_change*100, 1) -->
<!--   datos$fecha <- datos$ds -->

<!--   dos <-  datos %>% ggplot(mapping=aes(x=fecha, y=movilidad)) + -->
<!--     geom_line(color="#67a9cf") + -->
<!--     geom_point(color="#67a9cf") + -->
<!--     geom_smooth(method = 'loess', -->
<!--                 formula = 'y ~ x', alpha = 0.2, size = 1, span = .3, se=FALSE, color="#ef8a62") + -->
<!--     labs(title = paste("COVID-19: Variación de la movilidad en el 2° cordón de PBA "),  -->
<!--          y = "Movilidad",  -->
<!--          x = "Fecha") + -->
<!--     facet_wrap(~ polygon_name, scales = "free_y", ncol = 2) #+ theme_elegante_std(base_family = "Assistant") -->

<!--   ggplotly(dos, name="Movilidad",  height = 900)%>% layout(showlegend=F) -->

  
<!-- ``` -->

<!-- ### Mapa de Incidencia -->

<!-- La incidencia se calcula en base a los datos reportados por los Ministerios de Salud de la Ciudad de Buenos Aires y de la provincia de Buenos Aires.  -->
<!-- Como población se considera la proyectada por INDEC para el 2020. -->

<!-- # ```{r inc2, echo=FALSE, fig.align='center', message=FALSE, warning=FALSE, paged.print=FALSE, out.width='100%'} -->
 
<!-- # deptos_covid$departam_1 -->
<!--   leaflet(data = deptos_covid2) %>%  -->
<!--     addTiles(urlTemplate = urlign, attribution="IGN") %>% -->
<!--     addPolygons( color = "#444444", weight = 1, -->
<!--                  fillColor = color(deptos_covid2$incidencia), fillOpacity = 0.6, -->
<!--                  label = paste0(deptos_covid2$departam_1, ": ", deptos_covid2$CASOS), -->
<!--                  popup = paste0(deptos_covid2$departam_1, -->
<!--                                " <br/> Casos: ", deptos_covid2$CASOS, -->
<!--                                " <br/>- Incidencia: ", deptos_covid2$incidencia), -->
<!--                  highlightOptions = highlightOptions(color = "white", weight = 2, bringToFront = TRUE))  %>% -->
<!--         addFullscreenControl()  %>%      -->
<!--     addLegend(colors = c('#FFFFFF','#fdd49e', '#fc8d59', '#d7301f', '#b30000', '#7f0000'), -->
<!--               labels= c("0", "1-249", "250-499", "500-999", "1000 - 1499", "1500 o más"), position ="bottomright")  -->

<!-- ``` -->




## PBA: 3° Cordón

Casos acumulados del Tercer cordón

```{r tercer, echo=FALSE, fig.align='center', message=FALSE, warning=FALSE, paged.print=FALSE, out.width='100%'}

  amba %>% filter(CORDON=="3ro") %>% select(cordon=CORDON, dia=fecha, distrito=Partido, cantidad=CASOS) -> plot_data_n

    p <- plot_data_n %>% 
      ggplot(mapping=aes(x=dia, color=distrito, y=cantidad)) +
      geom_line(show.legend = F) + geom_point(show.legend = F) + 
      # geom_smooth(method = 'loess', formula = 'y ~ x', alpha = 0.2, size = 1, span = .3, se=FALSE) +
      labs(title = paste("COVID-19- Casos acumulados en CABA y 3° cordón GBA (", last_date, ")"), 
           # subtitle = paste0("Casos acumulados en CABA y 1° cordón GBA (al: ", last_date, ")") , 
           y = "Casos",  x = "Fecha") +
      # theme_elegante_std(base_family = "Assistant") +
       facet_wrap(~ distrito, scales = "free_y", ncol = 3) 
  
  ggplotly(p, name="Tercer",  height = 800) %>% layout(showlegend=F)
  
```



### Casos diarios

```{r tercerProm, echo=FALSE, fig.align='center', message=FALSE, warning=FALSE, paged.print=FALSE, out.width='100%'}

  amba %>% filter(CORDON=="3ro") %>% select(cordon=CORDON, dia=fecha, distrito=Partido, cantidad=diarios) -> plot_data_n

    p <- plot_data_n %>% 
      ggplot(mapping=aes(x=dia, color=distrito, y=cantidad)) +
      geom_line(show.legend = F,alpha = 0.5 ) + geom_point(show.legend = F, alpha = 0.5 ) + 
      geom_smooth(method = 'loess', formula = 'y ~ x', alpha = 0.2, size = 1, span = .3, se=FALSE) +
      labs(title = paste("COVID-19- Casos diarios en 3° cordón GBA (", last_date, ")"), 
           subtitle = paste0("Casos diarios en 3° cordón GBA (al: ", last_date, ")") , 
           y = "Casos",  x = "Fecha") +
       facet_wrap(~ distrito, scales = "free_y", ncol = 2) 
  
  ggplotly(p,   height = 900) %>% layout(showlegend=F)
  
```



### Casos diarios Promedio 3
Los casos diarios promediados a 7 días


```{r terProm, echo=FALSE, fig.align='center', message=FALSE, warning=FALSE, paged.print=FALSE, out.width='100%'}
 primer <- amba %>% filter(CORDON=="3ro") %>% select(cordon=CORDON, dia=fecha, distrito=Partido, cantidad=diarios)


primer <- primer %>% group_by(distrito) %>%  mutate(prom = round(roll_mean(cantidad, n=7, fill = 0),0) ) 

fig <- plot_ly(primer, x = ~dia, y = ~prom, color = ~distrito, 
               text= ~round(prom, 0),  textposition = 'outside', type = "bar")
fig <- layout(fig, title="Evolución de casos diarios por Distrito \n (promedio de 7 días)",
              xaxis = list(title = "día"), yaxis = list(title = "casos"))
fig

```




<!-- ### Movilidad 3° Cordón -->

<!-- ```{r movilidad3, echo=FALSE, fig.align='center', message=FALSE, warning=FALSE, paged.print=FALSE, out.width='100%'} -->

<!--   datos <- datos_mov %>% filter(NAME_2 %in% tercer) %>%  -->
<!--   select(polygon_name=NAME_2, ds, all_day_bing_tiles_visited_relative_change) %>% unique()  -->

<!--   datos$movilidad <- round(datos$all_day_bing_tiles_visited_relative_change*100, 1) -->
<!--   datos$fecha <- datos$ds -->

<!--   tres <-  datos %>% ggplot(mapping=aes(x=fecha, y=movilidad)) + -->
<!--     geom_line(color="#67a9cf") + -->
<!--     geom_point(color="#67a9cf") + -->
<!--     geom_smooth(method = 'loess', -->
<!--                 formula = 'y ~ x', alpha = 0.2, size = 1, span = .3, se=FALSE, color="#ef8a62") + -->
<!--     labs(title = paste("COVID-19: Variación de la movilidad en el 2° cordón de PBA "),  -->
<!--          y = "Movilidad",  -->
<!--          x = "Fecha") + -->
<!--     facet_wrap(~ polygon_name, scales = "free_y", ncol = 2) #+ theme_elegante_std(base_family = "Assistant") -->

<!--   ggplotly(tres, name="Movilidad",  height = 900)%>% layout(showlegend=F) -->


<!-- ``` -->



<!-- ### Mapa de Incidencia -->

<!-- La incidencia se calcula en base a los datos reportados por los Ministerios de Salud de la Ciudad de Buenos Aires y de la provincia de Buenos Aires.  -->
<!-- Como población se considera la proyectada por INDEC para el 2020. -->

<!-- ```{r inc3, echo=FALSE, fig.align='center', message=FALSE, warning=FALSE, paged.print=FALSE, out.width='100%'} -->

<!-- # deptos_covid$departam_1 -->
<!--   leaflet(data = deptos_covid3) %>%  -->
<!--     addTiles(urlTemplate = urlign, attribution="IGN") %>% -->
<!--     addPolygons( color = "#444444", weight = 1, -->
<!--                  fillColor = color(deptos_covid3$incidencia), fillOpacity = 0.6, -->
<!--                  label = paste0(deptos_covid3$departam_1, ": ", deptos_covid3$CASOS), -->
<!--                  popup = paste0(deptos_covid3$departam_1, -->
<!--                                " <br/> Casos: ", deptos_covid3$CASOS, -->
<!--                                " <br/>- Incidencia: ", deptos_covid3$incidencia), -->
<!--                  highlightOptions = highlightOptions(color = "white", weight = 2, bringToFront = TRUE))  %>% -->
<!--         addFullscreenControl()  %>%      -->
<!--     addLegend(colors = c('#FFFFFF','#fdd49e', '#fc8d59', '#d7301f', '#b30000', '#7f0000'), -->
<!--               labels= c("0", "1-249", "250-499", "500-999", "1000 - 1499", "1500 o más"), position ="bottomright")  -->

<!-- ``` -->