Limpiar

socioeconomicos/coneval_ind.r

@@ -1,7 +1,6 @@
 library(tidyverse)
 library(broom)
 library(geojsonio)
-source("util/leer_datos_abiertos.r")
 
 #' Title
 #'
@@ -37,39 +36,16 @@ modelar <- function(expresion, Dat){
     arrange(p.value)
 }
 
-
-args <- list(base_de_datos = "../datos/datos_abiertos/base_de_datos.csv",
-             densidad = "../socioeconomicos/cedrus/DENSIDAD-POB-MUNS-MEXICO.csv",
-             indicadores = "../socioeconomicos/coneval/coneval_indicadores_pobreza_municipa_2015.csv",
-             serie_municipios = "../datos/datos_abiertos/serie_tiempo_municipio_res_confirmados.csv",
+args <- list(indicadores = "../socioeconomicos/coneval/coneval_indicadores_pobreza_municipa_2015.csv",
              mapa_shp = "../socioeconomicos/mapas/municipalities.shp",
              datos_municipios = "estimados/municipios_obs_esp.csv",
-             min_casos = 0)
+             dir_salida = "../sitio_hugo/static/imagenes/")
 
 # Leer mapa
 mun_sp <- geojson_read(args$mapa_shp, what = "sp")
 mun_sp@data$clave <- paste(mun_sp@data$CVE_ENT, mun_sp@data$CVE_MUN, sep = "_")
 mun_sp <- tidy(mun_sp, region = "clave")
 
-# # Número de pruebas por municipio
-# n_pruebas <- leer_datos_abiertos(archivo = args$base_de_datos, solo_confirmados = FALSE, solo_fallecidos = FALSE)
-# n_pruebas <- n_pruebas %>%
-#   filter(RESULTADO %in% c("1", "2")) %>%
-#   group_by(ENTIDAD_RES, MUNICIPIO_RES) %>%
-#   summarise(n_pruebas = length(ID_REGISTRO)) %>%
-#   ungroup() %>%
-#   mutate(clave_municipio = paste(ENTIDAD_RES, MUNICIPIO_RES, sep = "")) %>%
-#   select(clave_municipio, n_pruebas) %>%
-#   mutate(clave_municipio = str_remove(clave_municipio, "^0"))
-#   
-# # Leer densidad
-# Dens <- read_csv(args$densidad,
-#                  col_types = cols(NOM_MUN = col_character(),
-#                                                  CVMUN = col_character(),
-#                                                  .default = col_number()))
-# Dens <- Dens %>%
-#   select(NOM_MUN, CVMUN, POBTOT15, AREAKM, DENS15)
-
 # Leer indicadores
 Ind <- read_csv(args$indicadores,
                 col_types = cols(clave_entidad = col_character(),
@@ -87,77 +63,38 @@ Ind <- Ind %>%
   mutate(clave = paste(clave_entidad, mun, sep = "_")) %>%
   select(clave, everything(), -clave_entidad, -clave_municipio, -mun)
 
-# # Leer datos
-# Casos <- read_csv(args$serie_municipios)
-# Casos <- Casos %>%
-#   group_by(clave) %>%
-#   summarise(casos_totales = sum(sintomas_nuevos),
-#             muertes_totales = sum(muertes_nuevas),
-#             dia_1 = min(fecha[ sintomas_acumulados >= 1]),
-#             dia_10 = min(fecha[ sintomas_acumulados >= 10])) %>%
-#   filter(casos_totales >= args$min_casos) %>%
-#   mutate(brote_dias = as.numeric(dia_10 - dia_1))
+# Leer datos
 Casos <- read_csv(args$datos_municipios)
-Casos
 
+# Unir datos e indicadores
 Dat <- Casos %>%
   left_join(Ind, by = "clave")
 
-# datos e indicadores
-# Dat <- Dens %>%
-#   mutate(CVMUN = str_remove(string = CVMUN, pattern = "^0")) %>%
-#   rename(clave_municipio = CVMUN) %>%
-#   full_join(Ind, by = "clave_municipio") %>%
-#   full_join(n_pruebas, by = "clave_municipio") %>%
-#   select(-POBTOT15, -AREAKM,
-#          -NOM_MUN, -municipio, -entidad_federativa) %>%
-#   mutate(mun = str_sub(clave_municipio, start = -3)) %>%
-#   mutate(clave_entidad = str_pad(string = clave_entidad, width = 2, side = "left", pad = "0")) %>%
-#   mutate(clave = paste(clave_entidad, mun, sep = "_")) %>%
-#   select(clave, everything(), -clave_entidad, -clave_municipio, -mun)
-# 
-# # Unir datos COVID19 con indicadores
-# Dat <- Casos %>%
-#   left_join(Dat, by = "clave") %>%
-#   # mutate(incidencia = casos_totales,
-#   #        mortalidad = muertes_totales,
-#   #        letalidad = (muertes_totales)/ (casos_totales))
-#   mutate(incidencia = 1e5 * (casos_totales) / (poblacion),
-#          mortalidad = 1e5 * (muertes_totales) / (poblacion),
-#          letalidad = (muertes_totales)/ (casos_totales))
-
-# mutate(incidencia = 1e5 * (casos_totales + 1) / (poblacion + 1),
-  #        mortalidad = 1e5 * (muertes_totales + 1) / (poblacion + 1),
-  #        letalidad = (muertes_totales + 1)/ (casos_totales + 1))
-# Dat
-
-Dat
-
-# Mapas
+# Graficar mapa exceso de casos
 mun_sp <- mun_sp %>%
   left_join(Dat %>%
               select(clave, resid_incidencia),
             by = c(id = "clave"))
-mun_sp
 p1 <- mun_sp %>%
   ggplot() +
   geom_polygon(aes(x = long, y = lat, group = group, fill = resid_incidencia), color = NA) +
-  # geom_polygon(aes(x = long, y = lat, group = group, fill = brote_dias), color = NA) +
   scale_fill_gradient2(low = "#053061", high = "#67001f", mid = "#f7f7f7", midpoint = 0,
                        name = expression(frac("Casos observados en municipio",
                                               "Casos esperados en municipio")),
                        labels = function(x){
                          labs <- (10 ^ x)
                          scales::number(labs, accuracy = 0.1)
                        }) +
-  # scale_fill_gradient(low = "#f7f4f9", high = "#67001f") +
   theme_void() +
   coord_map() +
   theme(legend.position = "top",
         plot.margin = margin(t = 0, r = 0 , b = 0, l = 0))
 # p1
-ggsave("test.png", p1, width = 7, height = 6.7, dpi = 75)
-
+# ggsave("test.png", p1, width = 7, height = 6.7, dpi = 75)
+archivo <- file.path(args$dir_salida, "exceso_incidencia_mapa.png")
+ggsave(archivo, p1, width = 7, height = 6.7, dpi = 75)
+archivo <- file.path(args$dir_salida, "[email protected]")
+ggsave(archivo, p1, width = 7, height = 6.7, dpi = 150)
 
 
 # Limpiar para análisis de indicadores