-
Notifications
You must be signed in to change notification settings - Fork 3
/
Amba.Rmd
551 lines (376 loc) · 25 KB
/
Amba.Rmd
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
178
179
180
181
182
183
184
185
186
187
188
189
190
191
192
193
194
195
196
197
198
199
200
201
202
203
204
205
206
207
208
209
210
211
212
213
214
215
216
217
218
219
220
221
222
223
224
225
226
227
228
229
230
231
232
233
234
235
236
237
238
239
240
241
242
243
244
245
246
247
248
249
250
251
252
253
254
255
256
257
258
259
260
261
262
263
264
265
266
267
268
269
270
271
272
273
274
275
276
277
278
279
280
281
282
283
284
285
286
287
288
289
290
291
292
293
294
295
296
297
298
299
300
301
302
303
304
305
306
307
308
309
310
311
312
313
314
315
316
317
318
319
320
321
322
323
324
325
326
327
328
329
330
331
332
333
334
335
336
337
338
339
340
341
342
343
344
345
346
347
348
349
350
351
352
353
354
355
356
357
358
359
360
361
362
363
364
365
366
367
368
369
370
371
372
373
374
375
376
377
378
379
380
381
382
383
384
385
386
387
388
389
390
391
392
393
394
395
396
397
398
399
400
401
402
403
404
405
406
407
408
409
410
411
412
413
414
415
416
417
418
419
420
421
422
423
424
425
426
427
428
429
430
431
432
433
434
435
436
437
438
439
440
441
442
443
444
445
446
447
448
449
450
451
452
453
454
455
456
457
458
459
460
461
462
463
464
465
466
467
468
469
470
471
472
473
474
475
476
477
478
479
480
481
482
483
484
485
486
487
488
489
490
491
492
493
494
495
496
497
498
499
500
501
502
503
504
505
506
507
508
509
510
511
512
513
514
515
516
517
518
519
520
521
522
523
524
525
526
527
528
529
530
531
532
533
534
535
536
537
538
539
540
541
542
543
544
545
546
547
548
549
550
551
---
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") -->
<!-- ``` -->