El equipo de okbstudio gracias a los datos de datadista (y a un servidor) ha creado este espectacular seguimiento de los datos del COVID19 en España:
Uno de los mejores seguimientos que hay para los datos en España que va a ir mejorando con la inclusión de nuevas dimensiones y que incluye el siguiente gráfico:
#Quedateencasa
No debería publicar esta simulación de la extensión del CODVID10 o coronavirus porque puede disparar alarmas, provocar insultos, levantar ampollas,… el caso es que yo llevo 7 días de aislamiento más que el resto de España porque sólo había que ver los datos de Italia para saber lo que iba a pasar y no avisé a nadie para no disparar alarmas, provocar insultos, levantar ampollas… Y AL FINAL YO TENÍA RAZÓN. Así que os voy a exponer el motivo por el cual estoy muy asustado, bueno, hoy quiero mostraros el inicio de una simulación mala y sin fundamento que estoy realizando sobre la extensión en España del COVID19. Para hacerla vamos a emplear la siguiente información:
Y allá voy a comentaros que estoy montando. Se trata de poner a los 47 millones de españoles en una tabla, situarlos en unas coordenadas y dadas 5 personas iniciales ver como se propaga el virus municipio a municipio y, en 98 días, determinar cuantas personas pueden estar contagiadas, cuantas enfermas, cuantas sanas o cuantas desgraciadamente muertas. Esto no es que tenga lagunas, es que está inventado, pero no os creáis que las cifras oficiales son más fiables. Evidentemente, lo voy a hacer con R y dplyr. No lo subo a git porque el equipo que uso tiene un usuario de github que no es el adecuado, pero ya sabéis que el código está a vuestra disposición.
library(tidyverse)
library(pxR)
library(sqldf)
#detach("package:dplyr", unload=TRUE)
censo = "C:\\temp\\personales\\covid19\\0001.px"
datos <- read.px(censo)
datos <- datos$DATA[[1]]
names(datos) = c("rango_edad", 'seccion', 'sexo', 'habitantes' )
datos <- data.frame(lapply(datos, as.character), stringsAsFactors=FALSE)
muestra <- datos %>% mutate(habitantes=round(as.numeric(habitantes)/10,0)) %>%
filter(seccion != "TOTAL" & sexo == "Ambos Sexos" & rango_edad != "Total") %>% select(-sexo) %>%
mutate(rango_edad = case_when(
rango_edad %in% c('0-4', '5-9', '10-14', '15-19', '20-24') ~ '<25',
rango_edad %in% c('80-84', '85-89', '90-94', '95-99', '100 y más') ~ '80 >',
TRUE ~rango_edad ))
muestra <- muestra %>% group_by(seccion,rango_edad) %>% summarise(habitantes=sum(habitantes))
espania <- muestra %>% group_by(seccion,rango_edad) %>% expand(count = seq(1:habitantes)) %>% as_tibble()
Nota: si no funciona la creación de la muestra hacéis detach de dplyr
Leemos los datos del censo que nos hemos descargado del INE, es un fichero px pero con el paquete pxR podemos manejarlo. Los datos que tenemos están a nivel de sección censal, rangos de edad, sexo y disponemos del número de habitantes. Con esta tabla de frecuencias generamos con expand una tabla que repite un registro tantas veces como digamos en una variable, es decir, repetirá la edad, el sexo, la sección censal tantas veces como habitantes tenga. Manejo una muestra del 10% porque el tema tiene un tiempo importante de procesamiento. Con esto también hago un llamamiento por si Amazon, Microsoft o Google pueden poner buenas máquinas en manos de los gestores de información (mal llamados científicos de datos ahora) de forma altruista. En fin, tenemos a todos los españoles, ahora vamos a ubicarlos con la cartografía por sección censal del INE.
library(maptools)
library(sf)
ub_shp = "C:\\temp\\mapas\\Seccion_censal\\SECC_CPV_E_20111101_01_R_INE.shp"
seccion_censal = readShapeSpatial(ub_shp)
mapa <- map_data(seccion_censal)
centroides <- mapa %>% group_by(OBJECTID = as.numeric(region)) %>%
summarise(centro_long=mean(long), centro_lat=mean(lat))
ggplot(data = centroides, aes(x = centro_long, y = centro_lat, group = 1)) +
geom_polygon()
secciones <- seccion_censal@data %>% mutate(seccion=as.character(CUSEC), municipio=as.character(CUMUN)) %>%
select(OBJECTID,seccion,municipio)
municipios <- left_join(secciones,centroides) %>% group_by(municipio) %>%
summarise(centro_long=mean(long), centro_lat=mean(lat)) %>%
select(municipio, centro_long, centro_lat)
#Matriz de distancias
distancias <- sqldf(" select a.municipio, b.municipio as municipio2,
a.centro_long, a.centro_lat, b.centro_long as centro_long2, b.centro_lat as centro_lat2
from municipios a , municipios b where a.municipio != b.municipio")
distancias <- distancias %>% mutate(distancia=sqrt((centro_long - centro_long2)**2 + (centro_lat-centro_lat2)**2))
Os habéis desgarcado el shapefile con las secciones censales de España y con ella calculamos el centroide de cada municipio, también he calculado una matriz de distancias porque, como veréis más adelante, la distancia de desplazamiento puede ser interesante para determinar como se mueve y como se expande el virus. En este punto está mi otra de mis reclamaciones, las compañías de telefonía podían ofrecer datos de movilidad para ayudarnos y controlar el movimiento de personas.
Aquellas personas cuyo teléfono móvil haya estado conectando con la antena próxima a su hogar y en el estado de alarma haya empezado a posicionar cerca de su segunda vivienda MULTA.
Yo los inflaba a ostias pero la multa será más práctica
— Raul Vaquerizo (@r_vaquerizo) March 21, 2020
En fin, si cruzáis ambas tablas empieza la simulación (de mierda):
#Proceso
indices <- sample( 1:nrow( espania ), nrow(espania)/2)
espania2 <- espania[indices,]
espania2 <- espania2 %>% left_join(secciones) %>%
mutate(id_persona=row_number(),
dia=0,contagiado=0, evolucion_dias=0)
sanos = espania2
contagiados = espania2[0,]
enfermos = espania2[0,]
curados = espania2[0,]
muertos = espania2[0,]
#Dia 1
#5 contagiados
dia <- sample_n(filter(espania2,seccion %in% c('2807908161','0810205003')) , 5)
contagiados <- inner_join(dia, select(sanos,id_persona)) %>%
mutate(contagiado=1)
lista_contagiados = unique(contagiados$id_persona)
sanos <- sanos %>% filter(id_persona %notin% lista_contagiados)
max_distancia =max(distancias$distancia,na.rm = T)
Tenemos una tabla con la población española por edad y ubicación, son 5 personas al azar de Igualada y Madrid las que empiezan todo… Veré si me atrevo a seguir contando porque lo que sigue me lo he inventado completamente.
En muchas ocasiones no quiero factores en mi dataframe cuando trabajo con R. Y estoy en mi derecho de poner una entrada sobre una de las tareas que más realizo y que siempre se me olvida el como la realizo, tardo menos en buscarlo en www.analisisydecision.es que entre mis programas:
df<- data.frame(lapply(df, as.character), stringsAsFactors=FALSE)
Todos los elementos factor ahora son character.
Estoy muy activo en twitter con el #covid-19 estos días y eso está dando lugar a algunas entradas en el blog. Sin embargo, he parado esa actividad porque el número de casos no me parece el indicador adecuado para medir la verdadera incidencia de la pandemia. Empiezo a tener posibles casos entre personas conocidas y no se realiza ningún test, permanecen en casa y son casos no informados. Sin embargo, quería que esta entrada sirviera de homenaje a la gente de Datadista que está recogiendo datos y realizan un seguimiento del número de camas ocupadas, uno de los mejores indicadores. Además sigo mi labor formativa con Rstats, hoy toca:
Esta entrada surge aquí:
Esto os puede interesar a los que estáis haciendo visualizaciones y análisis con datos #COVID19 en España 👇 @ramiroaznar @r_vaquerizo https://t.co/3NAP4YL51n
— Antonio Delgado (@adelgado) March 12, 2020
Datadista pone a nuestra disposición datos actualizados por Comunidad Autónoma y con ellos podemos construir los mapas.
#Situación por Comunidad Autónoma
library(gganimate)
library(maptools)
library(raster)
library(maps)
library(tidyverse)
datadista = "https://raw.githubusercontent.com/datadista/datasets/master/COVID%2019/ccaa_covid19_casos.csv"
tabla_ccaa <- read.csv2(datadista, sep=',',encoding = 'UTF-8', check.names=FALSE)
Espania <- getData('GADM', country='Spain', level=1)
Espania$name = Espania$NAME_1
ccaa <- map_data(Espania)
pinta <- tabla_ccaa[,c(2,length(tabla_ccaa))]
names(pinta)=c("region","casos")
unique(ccaa$region)
unique(pinta$region)
ccaa <- ccaa %>% mutate(region=case_when(
region == "Región de Murcia" ~ "Murcia",
region == "Principado de Asturias" ~ "Asturias",
region == "Comunidad de Madrid" ~ "Madrid",
region == "Comunidad Foral de Navarra" ~ "Navarra",
region == "Comunidad Valenciana" ~ "C. Valenciana",
region == "Islas Canarias" ~ "Canarias",
region == "Islas Baleares" ~ "Baleares",
TRUE ~ region))
ccaa <- left_join(ccaa,pinta)
ggplot(data = ccaa, aes(x = long, y = lat, group = group)) +
geom_polygon(aes(fill = casos)) +
scale_fill_continuous(low="white",high="red") +
labs(title = "Mapa del COVID-19 por Comunidad Autónoma") +
theme(panel.background =
element_rect(fill='#838596',colour='#838596'),
panel.grid.major = element_blank(),
panel.grid.minor = element_blank()) +
theme(axis.line=element_blank(),axis.text.x=element_blank(),
axis.text.y=element_blank(),axis.ticks=element_blank(),
axis.title.x=element_blank(),
axis.title.y=element_blank())
Este código da lugar al mapa con el que se incia esta entrada. Como aspectos interesantes tiene descargar directamente el mapa con R de gadm o la lectura de cabeceras con formato fecha, algo que no conocía, nunca había usado check.names=FALSE. Por lo demás no es un código especialmente complicado. Pero me gustaría escribir sobre la relativización de los datos, no podemos decir que Madrid tiene 5 veces más casos que otra provincia si Madrid tiene 5 veces más habitantes que otra provincia, es necesario relativizar el número de casos y en este caso vamos a emplear el número de habitantes y además nos va a servir para hacer web scraping sobre una tabla de una página web.
El código empieza del siguiente modo:
library(rvest)
library(xml2)
library(tm)
numerea <- function(x) {as.numeric(sub(",",".",x)) }
url = 'https://datosmacro.expansion.com/demografia/poblacion/espana-comunidades-autonomas'
Si vais a la url indicada tenemos que extraer la tabla específica con el número de habitantes y para eso necesitamos saber en que lugar del código HTML se encuentra. En mi caso empleo Google Chrome, imagino que será análogo con otros navegadores. Hacemos lo siguiente:
Nos ubicamos sobre la tabla que deseamos scrapear (verbo regular de la primera conjugación) damos a inspeccionar y nos aparece la codificación, dentro de la codificación si pulsamos se marcará la tabla y Coppy + Copy XPath y con ello ya podemos crear un data frame con la tabla HTML:
poblacion <- url %>%
html() %>%
html_nodes(xpath='//*[@id="tb1"]') %>%
html_table()
poblacion <- poblacion[[1]]
poblacion <- poblacion [,-4] %>% mutate(CCAA = removePunctuation(CCAA),
CCAA = substr(CCAA,1,nchar(CCAA)-1),
habitantes=numerea(removePunctuation(Población))) %>%
rename(region=CCAA) %>%
select(region, habitantes) %>% mutate(region=case_when(
region == "Comunidad Valenciana" ~ "C. Valenciana",
region == "Castilla La Mancha" ~ "Castilla-La Mancha",
region == "Islas Baleares" ~ "Baleares",
TRUE ~ region
))
en html_nodes hemos puesto el XPath y ya sabe que parte tiene que leer, como se genera una lista nos quedamos con el primer elemento de la lista y posteriormente se realiza la homogeneización de los nombres de las comunidades, eliminación de signos de puntuación con removePunctuation (que ha cambiado mi vida porque odio regex). Esta tabla puede ser cruzada con los datos de Datadista y crear un número de casos entre habitantes x 1000:
unique(poblacion$region)
unique(ccaa$region)
ccaa <- left_join(ccaa,poblacion)
ccaa$tasa_COVID <- (ccaa$casos/ccaa$habitantes)*1000
ggplot(data = ccaa, aes(x = long, y = lat, group = group)) +
geom_polygon(aes(fill = tasa_COVID)) +
scale_fill_continuous(low="white",high="red") +
labs(title = "Mapa del COVID-19 por Comunidad Autónoma") +
theme(panel.background =
element_rect(fill='#838596',colour='#838596'),
panel.grid.major = element_blank(),
panel.grid.minor = element_blank()) +
theme(axis.line=element_blank(),axis.text.x=element_blank(),
axis.text.y=element_blank(),axis.ticks=element_blank(),
axis.title.x=element_blank(),
axis.title.y=element_blank())
Y el resultado sigue siendo alarmante en Madrid pero la tonalidad del rojo cambia mucho en otras zonas de España, la importancia relativizar un dato.
Seguimos a vueltas con la (ya) pandemia y R y hoy quería traeros unos buenos ejemplos de uso de la librería dplyr para preparar datos. Se trata de ver una evolución del número de casos diarios para saber en qué punto tanto España como Italia pueden frenar el crecimiento de los casos de coronavirus, se trata de crear este gráfico:
Se observa como países como China o Korea vivieron un fuerte crecimiento que ahora se ha transformado en una caída del número de casos de coronavirus, pero parece que Irán ha estabilizado en 1000 casos diarios pero Italia y España siguen en fase de crecimiento por lo que no se espera que el comportamiento sea similar a China o Korea y es probable que el número de casos siga aumentando.
Para crear este gráfico estoy mejorando códigos que ya he venido utilizando y creo que son un buen ejemplo de uso de dplyr. El primer paso es crear el conjunto de datos inicial, código ya conocido:
library(lubridate)
library(ggplot2)
library(dplyr)
library(gridExtra)
datos <- read.csv2("https://raw.githubusercontent.com/CSSEGISandData/COVID-19/master/csse_covid_19_data/csse_covid_19_time_series/time_series_19-covid-Confirmed.csv",
sep=',')
fechas <- seq(as.Date("2020/01/22"), as.Date(today()-1), "days")
fechas <- substr(as.character.Date(fechas),6,10)
names(datos) <- c("Provincia", "Pais","Latitud", "Longitud", fechas)
Para ver los datos de China es necesaria una agregación previa ya que China tiene los datos a nivel de región y no de país:
China <- filter(datos,Pais=="China")
China <- China %>% select(fechas)
China <- data.frame(casos=as.numeric(mapply(sum,China)))
China <- China %>% mutate(fecha=row.names(China), dias=row_number())
China2 <- China %>% mutate(dias=dias+1) %>% rename(casos_menos1=casos) %>% select(-fecha)
China <- left_join(China,China2) %>%
mutate(incremento = casos-casos_menos1,
incremento = case_when(is.na(incremento) ~0,
TRUE ~ incremento)) %>%
filter(dias<=50)
Aquí es interesante el uso de mapply para sumar todas las columnas del conjunto de datos. Por otro lado se trata de crear una variable incremento en función de los días que llevamos recogiendo datos, para ello lo que se hace es cruzar con los mismos datos pero sumamos un día al número de días de pandemia, de este modo, tenemos el dato del día y el dato del día anterior por lo que podemos crear una variable incremento. Para el resto de países, como la información no está a nivel de región, hacemos una función.
select_pais <- function(pais, numdias) {
P <- filter(datos,Pais==pais) %>% select(fechas)
P <- P %>% mutate(fecha=row.names(P), dias=row_number())
P <- data.frame(casos=as.numeric(t(P)))
P <- P %>% mutate(fecha=row.names(P), dias=row_number())
P2 <- P %>% mutate(dias=dias+1) %>% rename(casos_menos1=casos) %>% select(-fecha)
P <- left_join(P,P2) %>%
mutate(incremento = casos-casos_menos1,
incremento = case_when(is.na(incremento) ~0,
TRUE ~ incremento)) %>%
filter(dias<=numdias)
return(P)}
Korea <- select_pais('Korea, South', 50)
Iran <- select_pais('Iran', 50)
Italia <- select_pais('Italy', 50)
Espania <- select_pais('Spain', 50)
Ya tenemos los datos con la forma deseada. Ahora nos toca realizar un gráfico para cada país:
evolucion <- function(pais) {
df <- pais
df$incremento <- ifelse(df$casos<=4,0,df$incremento)
ggplot(df, aes(x=dias, y=incremento)) +
geom_bar(stat="identity") +
scale_y_continuous(limits = c(0, 3000)) +
ggtitle(paste0('Incremento de casos en ',deparse(substitute(pais)) )) +
theme(plot.title = element_text(hjust = 0.5)) +
xlab("Días desde 22/01/2020")}
p1 = evolucion(China)
p2 = evolucion(Korea)
p3 = evolucion(Espania)
p4 = evolucion(Italia)
p5 = evolucion(Iran)
Una función que realiza un gráfico de barras con ggplo2 para cada país y tiene un uso interesante de la función deparse que junto con sustitute nos permite poner en la función el nombre del data frame y no los datos que contiene. Es una forma sencilla de obtener el nombre de un data frame en una función. Si leéis que me reitero en algunas frases no os asustéis, sirve para facilitar búsquedas.
Ahora empleamos una librería que cambió mi vida gridExtra y podemos realizar el gráfico que abre esta entrada:
grid.arrange(p1, p2,p3,p4,p5,ncol=1)
En este punto sólo queda ejecutar este código todos los días y esperar a que Italia y España lleguen a ese máximo. Saludos.
Una entrada anterior del blog ha dado lugar a una conversación interesante en twitter:
Evolución del número de casos de #coronavirusEspana una analogía con Italia https://t.co/GhWtlFL3Df
— Raul Vaquerizo (@r_vaquerizo) March 11, 2020
Es necesario obtener los datos del Ministerio y estos datos se hayan en un pdf (https://www.mscbs.gob.es/profesionales/saludPublica/ccayes/alertasActual/nCov-China/documentos/Actualizacion_41_COVID-19.pdf) Bien, tendremos que leer el pdf y crear un data frame para poder trabajar con estos datos. Para leer el pdf vamos a emplear el paquete de R tabulizer y la función extract_table pero necesitamos “algo de talento”.
La función extract_tables nos permite extraer información de un archivo pdf con R pero es necesario especificar la página que deseamos leer (fácil) y el área que deseamos leer. ¿El área de la hoja del pdf que deseamos leer? ¿Eso qué es? Pues ese es el “talento” que necesitamos, con la función locale_areas vamos a encontrar ese área. Veamos el código necesario:
library(tidyverse) library(tabulizer) ministerio = "https://www.mscbs.gob.es/profesionales/saludPublica/ccayes/alertasActual/nCov-China/documentos/Actualizacion_41_COVID-19.pdf" area <- locate_areas(ministerio, pages = 2)
Al ejecutar ese código podemos seleccionar a mano alzada el área que deseamos seleccionar de la página específica del pdf:
Ya estamos en disposición de ver el área a leer:
area[[1]]
Un poco complicado, pero una vez sabemos el área crear un objeto con R que contenga la información actualizada por Comunidad Autónoma de los datos del coronavirus en España con R es así de sencillo:
pdf_lista <- extract_tables(
ministerio,
output = "data.frame",
pages = c(2),
area = list(
c(337.89431, 90.69972, 684.23597, 510.25186)
),
guess = FALSE,
encoding = "UTF-8"
)
datos <- data.frame(pdf_lista[1])
Ahora ya tenéis los datos por Comunidad Autónoma actualizados, solo queda que alguien los tabule por día y haga representaciones gráficas. Ahora a esperar que el Ministerio no cambie el pdf. Mañana haremos algo con ellos.
Ayer escribrí sobre la obtención de los datos del coronavirus con R y después me disponía ha escribir sobre modelos de regresión no lineal, hacer una estimación del coronavirus en España,… Pero estuve hablando con una amiga residente en Italia y allí el número de casos está dos semanas por delante de España, bueno, dos semanas exactamente no, 10 días:
library(lubridate)
library(ggplot2)
library(dplyr)
library(reshape2)
datos <- read.csv2("https://raw.githubusercontent.com/CSSEGISandData/COVID-19/master/csse_covid_19_data/csse_covid_19_time_series/time_series_19-covid-Confirmed.csv",
sep=',')
fechas <- seq(as.Date("2020/01/22"), as.Date(today()-1), "days")
fechas <- substr(as.character.Date(fechas),6,10)
names(datos) <- c("Provincia", "Pais","Latitud", "Longitud", fechas)
esp_ita <- data.frame(fecha=fechas)
esp_ita <- cbind.data.frame(esp_ita, Espania = t(datos %>% filter(Pais=="Spain") %>% select(fechas)))
esp_ita <- cbind.data.frame(esp_ita, Italia = t(datos %>% filter(Pais=="Italy") %>% select(fechas)))
p <- ggplot(esp_ita, aes(x=fecha)) +
geom_line(aes(y=Espania, group = 1, color="España")) +
geom_line(aes(y=Italia, group = 1, color="Italia")) +
scale_color_manual(values = c("España" = "red", "Italia" = "blue")) +
xlab("") + ylab("")
p
A la vista de las dos evoluciones hace pensar que el número de casos en España siga la misma evolución que sigue en Italia, por eso en este caso en vez de manejar fechas vamos a manejar días de evolución y al dato de España vamos a quitarle 10 días:
esp_ita <- data.frame(fecha=fechas)
esp_ita <- esp_ita %>% mutate(dia=row_number())
Italia <- data.frame(Italia=t(datos %>% filter(Pais=="Italy") %>% select(fechas)))
Italia <- Italia %>% mutate(dia = row_number())
Espania <- data.frame(Espania=t(datos %>% filter(Pais=="Spain") %>% select(fechas)))
Espania <- Espania %>% filter(row_number() >= 10) %>% mutate(dia=row_number())
esp_ita <- esp_ita %>% left_join(Espania) %>% left_join(Italia)
p <- ggplot(esp_ita, aes(x=fecha)) +
geom_line(aes(y=Espania, group = 1, color="España")) +
geom_line(aes(y=Italia, group = 1, color="Italia")) +
scale_color_manual(values = c("España" = "red", "Italia" = "blue")) +
xlab("") + ylab("")
p
Mi estimación para los próximos 10 días sobre la evolución del coronavirus en España está clara, ahora solo queda que no salga el ejército a la calle como en Milán.
No he podido evitarlo, os traigo unas líneas de código en R para seguir la evolución del coronavirus en España (podéis filtrar cualquier país). Me hubiera gustado hacer un scraping de la página https://www.worldometers.info/coronavirus/ sin embargo me ha parecido más sencillo leer directamente los datos del repositorio de la Universidad Jonh Hopkins (https://github.com/CSSEGISandData/COVID-19) creo que la actualización es diaria. También existe ya un paquete en R denominado coronavirus pero su funcionamiento deja que desear. Por mi parte os ofrezco para seguir su evolución el siguiente script:
library(lubridate)
library(ggplot2)
datos <- read.csv2("https://raw.githubusercontent.com/CSSEGISandData/COVID-19/master/csse_covid_19_data/csse_covid_19_time_series/time_series_19-covid-Confirmed.csv",
sep=',')
fechas <- seq(as.Date("2020/01/22"), as.Date(today()-1), "days")
fechas <- as.character.Date(fechas)
names(datos) <- c("Provincia", "Pais","Latitud", "Longitud", fechas)
espania <- datos %>% filter(Pais=="Spain") %>% select(fechas)
espania <- data.frame(t(espania))
espania$fecha <- row.names(espania)
names(espania) <- c("casos", "fecha")
p <- ggplot(espania, aes(x=fecha, y=casos, group = 1)) +
geom_line() +
xlab("")
p
Tendría que mejorar los ejes y el aspecto, pero no es eso lo más importante. Estaba escribiendo sobre distribuciones tweedie, ahora me siento tentado para escribir sobre modelos exponenciales y si hacéis esto mismo para los datos de Italia hace 10 días la verdad es que el gráfico es calcado.
Hace tiempo que no ponía trucos de Excel y el de hoy es muy sencillo pero que a mi me ha sido de especial utilidad, un acceso a la calculadora para esos cálculos rápidos que siempre he hecho con la calculadora de sobre mesa. Se trata de añadir un acceso a la Calculadora de Windows desde la barra de herramientas de acceso rápido. Vamos a personalizar la barra:
Y desde ese menú nos vamos a Más comandos. Se abre un cuadro de diálogo que nos sugiere elementos a añadir pero la calculadora saldrá si queremos ver todos los elementos disponibles:
Seleccionamos la calculadora y ya tenemos nuestro acceso rápido. Evidentemente podéis añadir muchos más accesos a esa barra, en este caso problemas con mi vieja calculadora han hecho que sea necesario el uso de la calculadora de Windows.
Hace años ya tuvimos nubes de palabras en el blog y ya era hora de ir actualizando algunas cosas. Y además quería aprovechar y presentaros un paquete de R que nos permite consultar la API del Europe PMC. Para quien no sepa que es el Europe PMC podemos decir que es un un buscador de documentos y artículos científicos (que ahora todo el mundo molón llama papers) y que tiene una API desde la que podemos acceder desde R mediante el paquete europepmc.
El primer paso para trabajar con la librería de R europepmc sería obtener el número de artículos publicados con el topic “Autism” en su descripción, para ello podemos hacer:
#install.packages("europepmc")
library(dplyr)
library(ggplot2)
library(europepmc)
autismo <- epmc_hits_trend("Autism", period = 2000:2019, synonym = TRUE)
autismo
ggplot(autismo, aes(year, query_hits)) +
geom_line() +
xlab("Año de Publicación") +
ylab("Articulos publicados sobre Autismo")
La función del paquete de R europepmc epmc_hits_trend obtiene de un periodo dado el número de artículos y el número de artículos de un determinado tópico. Como vemos se está incrementando casi exponencialmente el número de artículos dedicados al Autismo en los últimos años, no es una tendencia particular, se está incrementando el número de papers (asco de término pero que tiene que aparecer para las búsquedas), estamos ante la “burbuja de los papers” ya que da mas notoriedad hacer mucho que hacer bien, ya se lo leerá una inteligencia artificial, en fin que me disperso. Pero la función que puede resultarnos más interesante es epmc_search que crea un data frame con las búsquedas de los artículos con su ISBN, fechas de referencia, autores,… nos va a servir para obtener unas nubes de palabras sobre los escritos acerca del autismo Seguir leyendo Cloud words con R. Trabajar con la API del Europe PMC con R