O datacovidbr é um pacote em R com o objetivo de facilitar a
importação e leitura dos dados da COVID-19 de fontes brasileiras e
mundiais, automatizando os mecanismos de análise desses dados em R. No
momento as fontes de dados disponíveis são:
- Dados do Ministério da Saúde para dados brasileiros por estados e regiões.
- Repositório Brasil.io para dados brasileiros por município.
- Repositório CSSEGISandData/COVID-19 mantido pela Johns Hopkins University Center for Systems Science and Engineering (JHU CSSE).
- Dados do infoGripe.
Algumas funções fazem download de fontes de dados quando estão disponíveis e fazem um mínimo de pré-processamento, outras obtém os dados das fontes por web-scraping.
Pela alta demanda no momento no CRAN, que gera muita demora no processo
de aceitação de novos pacotes e atualizações, o datacovidbr será
mantido apenas no Github. Para instalação de pacotes disponíveis no
Github, basta utilizar a função abaixo:
# install.packages("devtools")
devtools::install_github("Freguglia/datacovidbr")Os dados podem ser carregados com as funções brMinisterioSaude(),
brasilio(), CSSEGISandData(), infoGripe():
library(datacovidbr)
# Dados do Ministério da Saúde
est <- brMinisterioSaude()
est
#> # A tibble: 82,282 x 14
#> regiao estado municipio coduf codmun codRegiaoSaude nomeRegiaoSaude
#> <chr> <chr> <chr> <chr> <chr> <chr> <chr>
#> 1 Brasil <NA> <NA> 76 <NA> <NA> <NA>
#> 2 Brasil <NA> <NA> 76 <NA> <NA> <NA>
#> 3 Brasil <NA> <NA> 76 <NA> <NA> <NA>
#> 4 Brasil <NA> <NA> 76 <NA> <NA> <NA>
#> 5 Brasil <NA> <NA> 76 <NA> <NA> <NA>
#> 6 Brasil <NA> <NA> 76 <NA> <NA> <NA>
#> 7 Brasil <NA> <NA> 76 <NA> <NA> <NA>
#> 8 Brasil <NA> <NA> 76 <NA> <NA> <NA>
#> 9 Brasil <NA> <NA> 76 <NA> <NA> <NA>
#> 10 Brasil <NA> <NA> 76 <NA> <NA> <NA>
#> # … with 82,272 more rows, and 7 more variables: date <date>, semanaEpi <chr>,
#> # populacaoTCU2019 <dbl>, casosAcumulado <dbl>, obitosAcumulado <dbl>,
#> # Recuperadosnovos <dbl>, emAcompanhamentoNovos <dbl>
# Dados do Brasil.io
mun <- brasilio()
mun
#> # A tibble: 85,615 x 11
#> date state city place_type confirmed deaths is_last estimated_popul…
#> <date> <chr> <chr> <chr> <int> <int> <lgl> <int>
#> 1 2020-05-16 AC Acre… city 67 1 TRUE 15256
#> 2 2020-05-16 AC Assi… city 1 0 TRUE 7417
#> 3 2020-05-16 AC Bras… city 2 0 TRUE 26278
#> 4 2020-05-16 AC Buja… city 18 0 TRUE 10266
#> 5 2020-05-16 AC Capi… city 2 0 TRUE 11733
#> 6 2020-05-16 AC Cruz… city 210 1 TRUE 88376
#> 7 2020-05-16 AC Epit… city 4 0 TRUE 18411
#> 8 2020-05-16 AC Feijó city 2 0 TRUE 34780
#> 9 2020-05-16 AC Impo… city 0 0 TRUE NA
#> 10 2020-05-16 AC Mânc… city 5 0 TRUE 18977
#> # … with 85,605 more rows, and 3 more variables: city_ibge_code <int>,
#> # confirmed_per_100k_inhabitants <dbl>, death_rate <dbl>
#Dados da CSSEGISandData
wor <- CSSEGISandData()
wor
#> # A tibble: 21,808 x 7
#> Country.Region data Lat Long casosAcumulados obitosAcumulado
#> <chr> <date> <dbl> <dbl> <int> <int>
#> 1 Afghanistan 2020-01-22 33 65 0 0
#> 2 Afghanistan 2020-01-23 33 65 0 0
#> 3 Afghanistan 2020-01-24 33 65 0 0
#> 4 Afghanistan 2020-01-25 33 65 0 0
#> 5 Afghanistan 2020-01-26 33 65 0 0
#> 6 Afghanistan 2020-01-27 33 65 0 0
#> 7 Afghanistan 2020-01-28 33 65 0 0
#> 8 Afghanistan 2020-01-29 33 65 0 0
#> 9 Afghanistan 2020-01-30 33 65 0 0
#> 10 Afghanistan 2020-01-31 33 65 0 0
#> # … with 21,798 more rows, and 1 more variable: recuperadosAcumulado <int>Os data.frames já vem em um formato que pode ser utilizado com todas
as outras ferramentas disponíveis em R, por exemplo, o ggplot2.
library(ggplot2)
ggplot(est[est$regiao != "Brasil" & is.na(est$municipio) & is.na(est$codmun),],
aes(x = date, y = casosAcumulado, group = estado, color = regiao)) +
geom_line() +
scale_x_date(limits = c(as.Date("2020-03-15"),NA)) 
Caso queira contribuir de alguma forma, pode enviar um Pull Request ou abrir uma Issue caso tenha dúvidas. Contribuições podem ser em forma de
- Sugestões em geral
- Melhorias no pré-processamento
- Inclusão de novas fontes para importar dados
- Reportar problemas encontrados