mape_r-01_reto.Rmd

---
title: "mape_r-01: reto #1"
author: "Andree Valle-Campos"
date: "13/2/2020"
output: 
  html_document:
    toc: TRUE
    number_sections: true
    toc_float: TRUE
    #code_folding: hide
    #df_print: kable
    highlight: tango
editor_options: 
  chunk_output_type: console
---

```{r setup, include=FALSE}
knitr::opts_chunk$set(echo = FALSE,
                      warning=FALSE,
                      message = FALSE,
                      fig.align = "center")
options(knitr.kable.NA = '.',digits = 2)
```

# objetivo

- __Crear un mapa con la georeferenciación de casos de coranovirus nCov-2019 en China.__

```{r}
library(tidyverse)
library(sf)
library(ggspatial)

ncovdb_china <- read_rds("ncovdb_china.rds")

ncovdb_china %>%
  count(hubei,latitude,longitude,sort = T) %>% 
  st_as_sf(coords = c("longitude", "latitude"), 
           remove = F,
           crs = 4610, 
           agr = "constant") %>% 
  ggplot(aes(size=n,color=hubei)) +
  geom_sf(alpha=0.5) +
  coord_sf() + 
  borders(database = "world",regions = "China") +
  theme_void() +
  annotation_scale(location = "bl", width_hint = 0.2) +
  annotation_north_arrow(location = "bl", which_north = "true", 
                         pad_x = unit(0.25, "in"), 
                         pad_y = unit(0.3, "in"),
                         style = north_arrow_fancy_orienteering)
```

```{r}
rm(list = ls())
```

- Si quieres seguir jugando __:)__ , envía tu avance (hasta donde hayas podido llegar, nomás)

- __¿qué enviar?__ un copia y pega de los comandos escritos, de tal forma que al pegarlos en la consola se ejecute tu avance.

- __fecha límite:__ jueves 20 de febrero del 2020 al mediodía (hora peruana) al correo `avallecam@gmail.com` con el tema: `mape_r-01_reto`

# indicaciones

> - lee cada uno de los pasos acá listados
> - usa la clase, la pista y referencias para poder cumplir con los pasos
> - puedes usar la sesión del __rstudio.cloud__ para ejecutar esta actividad

## importar base con `read_rds`

Algunos detalles:

- invoca los paquetes `tidyverse` y `sf`
- el nombre de la base es `ncovdb_china.rds`
- la base ya está alojada en el __rstudio.cloud__ (ver link en página web)
- también podrás descargarla acceciendo al siguiente [link](https://github.com/avallecam/spclustr/raw/master/ncovdb_china.rds)

```{r}
ncovdb_china <- read_rds("ncovdb_china.rds")
```

## contar casos por provincia y ubicación con `count`

Aquí solo usar las siguientes 4 variables: 

- `hubei`: categórica dicotómica __in__ o __out__, 
- `latitude` y 
- `longitude`

Puedes usar `glimpse` para visualizar el contenido completo de la base.

```{r}
ncovdb_china %>% 
  count(hubei,latitude,longitude,sort = T)
```

## transformar a formato `sf` con `geometry`

- usa `crs = 4610`
- los demás argumentos pueden ser los mismos de la clase

```{r}
ncovdb_china %>% 
  count(hubei,latitude,longitude,sort = T) %>%
  st_as_sf(coords = c("longitude", "latitude"), 
           remove = F,
           crs = 4610, 
           agr = "constant")
```

## crear ggplot con `geom_sf`

```{r}
ncovdb_china %>%
  count(hubei,latitude,longitude,sort = T) %>% 
  st_as_sf(coords = c("longitude", "latitude"), 
           remove = F,
           crs = 4610, 
           agr = "constant") %>% 
  ggplot() +
  geom_sf() +
  coord_sf()
```

## cada punto debe tener un diámetro proporcional a la cantidad de casos (usar `size` dentro de `aes`) 

```{r}
ncovdb_china %>%
  count(hubei,latitude,longitude,sort = T) %>% 
  st_as_sf(coords = c("longitude", "latitude"), 
           remove = F,
           crs = 4610, 
           agr = "constant") %>% 
  ggplot(aes(size=n)) +
  geom_sf() +
  coord_sf()
```

## cada punto debe tener un color de pertenecer o no a la provincia de Hubei (usar `color` dentro de `aes`)

```{r}
ncovdb_china %>%
  st_as_sf(coords = c("longitude", "latitude"), 
           remove = F,
           crs = 4610, 
           agr = "constant") %>% 
  count(hubei,latitude,longitude,sort = T) %>% 
  ggplot(aes(size=n,color=hubei)) +
  geom_sf() +
  coord_sf()
```

## cada punto debe tener una transparencia (usa `alpha = 0.5`)

```{r}
ncovdb_china %>%
  st_as_sf(coords = c("longitude", "latitude"), 
           remove = F,
           crs = 4610, 
           agr = "constant") %>% 
  count(hubei,latitude,longitude,sort = T) %>% 
  ggplot(aes(size=n,color=hubei)) +
  geom_sf(alpha=0.5) +
  coord_sf()
```

## nuevo: agrega el las fronteras de China

Solo debe de agregar esta línea a la cadena de comandos de ggplot

`borders(database = "world",regions = "China")`

```{r}
ncovdb_china %>%
  st_as_sf(coords = c("longitude", "latitude"), 
           remove = F,
           crs = 4610, 
           agr = "constant") %>% 
  count(hubei,latitude,longitude,sort = T) %>% 
  ggplot(aes(size=n,color=hubei)) +
  geom_sf(alpha=0.5) +
  coord_sf() + 
  borders(database = "world",regions = "China")
```

## modifica el tema del ggplot con `theme_void()`

```{r}
ncovdb_china %>%
  st_as_sf(coords = c("longitude", "latitude"), 
           remove = F,
           crs = 4610, 
           agr = "constant") %>% 
  count(hubei,latitude,longitude,sort = T) %>% 
  ggplot(aes(size=n,color=hubei)) +
  geom_sf(alpha=0.5) +
  coord_sf() + 
  borders(database = "world",regions = "China") +
  theme_void()
```

# pista

```r
library(paquete_uno)
library(paquete_dos)

ncovdb_china <- read_xxx("nombre_del_archivo.xxx")

ncovdb_china %>%
  count(variable_uno, variable_dos, variable_tres) %>% 
  st_as_sf(argumento_coordinadas = c("aqui_va_longitud", "aqui_va_latitud"), 
           argumento_otros = ver_opciones_en_la_clase_anterior) %>% 
  ggplot(aes(estetica_uno = variable_uno, estetica_dos = variable_dos)) +
  geom_cual(estetica_tres = un_numero) +
  coord_cual() + 
  borders(database = "world",regions = "China") +
  theme_cual()
```

> recuerda que el __pipe__ o ` %>% ` se puede crear con la combinación de teclas __`Ctrl + Alt + M`__ (En Mac cambiar `Cmd` por `Ctrl`)

> no olvides usar el __Tab__ para aprovechas las opciones de autocompletado de Rstudio

# ¿cómo obtuvimos la base de datos?

```{r,eval=FALSE,echo=TRUE}
# if(!require("tidyverse")) install.packages("tidyverse")
# if(!require("devtools")) install.packages("devtools")
# if(!require("googlesheets4")) devtools::install_github("tidyverse/googlesheets4")
# if(!require("sf")) install.packages("sf")

library(tidyverse)
library(googlesheets4)
library(janitor)
library(sf)

ncovdb_sheetname <- "https://docs.google.com/spreadsheets/d/1itaohdPiAeniCXNlntNztZ_oRvjh0HsGuJXUJWET008/"

ncovdb_in_hubei <- sheets_get(ss = ncovdb_sheetname) %>% 
  read_sheet(sheet = "Hubei") %>% 
  mutate(hubei="in")

ncovdb_out_hubei <- sheets_get(ss = ncovdb_sheetname) %>% 
  read_sheet(sheet = "outside_Hubei") %>% 
  mutate(hubei="out")

ncovdb_in_hubei %>% glimpse()
ncovdb_out_hubei %>% glimpse()

ncovdb_out_hubei_china <- ncovdb_out_hubei %>% 
  filter(country=="China") %>% 
  select(-chronic_disease_binary)

ncovdb_china <- ncovdb_in_hubei %>% 
  union_all(ncovdb_out_hubei_china) %>% 
  filter(!is.na(longitude)) %>% 
  filter(!is.na(latitude)) %>% 
  clean_names() 

ncovdb_china %>% write_rds("ncovdb_china.rds")
```

# Referencias

## Ayuda

- https://r4ds.had.co.nz/data-visualisation.html
- español: https://es.r4ds.hadley.nz/
- https://rstudio-education.github.io/tidyverse-cookbook/
- https://ggplot2-book.org/

## Data

- http://virological.org/t/epidemiological-data-from-the-ncov-2019-outbreak-early-descriptions-from-publicly-available-data/337

- https://github.com/Emergent-Epidemics/Emergent_Epidemics_Lab_nCoV2019

## Dashboards

- https://scarpino.shinyapps.io/Emergent_Epidemics_Lab_nCoV2019/

- https://gisanddata.maps.arcgis.com/apps/opsdashboard/index.html#/bda7594740fd40299423467b48e9ecf6

- https://www.dge.gob.pe/salasituacional/sala/index/salasit_dash/143

## Más práctica

- https://www.r-spatial.org/r/2018/10/25/ggplot2-sf.html
- https://eriqande.github.io/rep-res-eeb-2017/map-making-in-R.html#map-making-intro
- https://www.youtube.com/watch?v=5_6O2oDy5Jk