cumsum.R

cumsum.R

## Auto-Install the following packages
.packs <- c("ggplot2", "tabulizer", "dplyr", "stringr",
            "rvest", "hrbrthemes", "scales", "tidyr", 
            "lubridate", "directlabels")
.success <- suppressWarnings(sapply(.packs, require, character.only = TRUE))
if (length(names(.success)[!.success])) {
  install.packages(names(.success)[!.success])
  sapply(names(.success)[!.success], require, character.only = TRUE)
}

options(stringsAsFactors = FALSE)


page <- read_html("https://serendipia.digital/2020/03/datos-abiertos-sobre-casos-de-coronavirus-covid-19-en-mexico/")
links <- page %>% html_nodes("a") %>% html_attr('href')

pos <- data.frame()
for (url in links[which(str_detect(links, "positivo.*\\.csv"))]) {
  df = read.csv(url)
  #df <- filter(df, Procedencia == "Contacto")
  df$date <- as.Date(df$Fecha.de.Inicio.de.síntomas, format = "%d/%m/%Y")
  df <- df %>%
    group_by(date) %>%
    tally() %>%
    arrange(date) %>%
    mutate(cumsum = cumsum(n), 
           source = str_extract(url, "[0-9]{4}\\.[0-9]{2}\\.[0-9]{2}"))
  df$source <- str_replace_all(df$source, "\\.", "-")
  pos <- rbind(pos, df)
}
pos$date <- as.Date(pos$date)

ggplot(pos, aes(date, cumsum, group = as.Date(source), color = as.Date(source))) +
  geom_line() +
  scale_colour_gradient("Fecha de\npublicación", trans = "date",
                        low = "#d9d9d9", high = "#000000") +
  theme_ipsum() +
  xlab("fecha de inicio de síntomas") +
  ylab("casos acumulados") +
  labs(title = "Casos acumulados de coronavirs, por fecha de inicio de síntomas",
       subtitle = "Cada línea corresponde a los datos presentados en un reporte de la SSA",
       caption = "Comunicado Técnico Diario. https://www.gob.mx/salud/documentos/coronavirus-covid-19-comunicado-tecnico-diario-238449")


pos$source <- as.Date(pos$source)
p <- pos %>%
  filter(date >= "2020-03-15") %>%
  group_by(date) %>%
  arrange(source, date) %>%
  mutate(day = time_length(interval(date, source), "days")) %>%
  ggplot(aes(day, n, group = date, color = date)) +
  geom_line() +
  scale_colour_gradient("Fecha de\npublicación", trans = "date",
                        low = "#d9d9d9", high = "#000000") +
  theme_ipsum() +
  xlim(0,16) +
  labs(title = "Casos acumulados de coronavirus desde el 15 de marzo, por día de inicio de síntomas",
       subtitle = paste0("Cada línea representa una fecha de incio de síntomas",
                         ". Por ejemplo, ",
                         "para los casos cuyos síntomas ",
                         "iniciaron el 2020-03-16, después de 5 días (el 21 de marzo)\n",
                         "apenas habían 21 casos, para el día 10 ",
                         "ya eran 65, y para el día 13 (el 29 de marzo) eran 88"),
       caption = "Comunicado Técnico Diario. https://www.gob.mx/salud/documentos/coronavirus-covid-19-comunicado-tecnico-diario-238449") +
  xlab("días desde el inicio de síntomas hasta el registro como positivo") +
  ylab("número de casos")

direct.label(p, "last.bumpup")