Ciencia, Economía & Negocios, Vol. 4, No. 2, julio-diciembre, 2020 ISSN: 2613-876X • E-ISSN: 2613-8778 • ISSN: 2613-8751 (en línea) • Sitio web: https://revistas.intec.edu.do/
Generando gráficos del COVID-19 en la República Dominicana usando R: el paquete drcovidplots
Generating charts to analyze COVID-19 in the Dominican Republic using R: the drcovidplots package
*Banco Central de la República Dominicana, Santiago de los Caballeros, República Dominicana. Correo-e: f.morla@bancentral.gov.do
**Banco Central de la República Dominicana, Santiago de los Caballeros, República Dominicana. Correo-e: j.rosa@bancentral.gov.do
Recibido: ● Aprobado:
Cómo citar: Morla, F., & Rosa, J. (2020). Generando gráficos del COVID-19 en la República Dominicana usando R: el paquete drcovidplots. Ciencia, Economía y Negocios, 4(2), 33-50. Doi: https://doi.org/10.22206/ceyn.2020.v4i2.pp33-50
1. Introducción
En estadística, una representación gráfica es una visualización de datos en forma de diagrama o gráfico. Es decir, representa un conjunto de datos de manera significativa. Además, observar información de forma gráfica puede ayudar a tomar mejores decisiones (Nussbaumer, 2015).
Usualmente, los economistas utilizan el método de representación gráfica ya que es efectivo para mostrar y resumir grandes cantidades de datos, y es útil para mostrar tendencias, patrones y relaciones entre variables. Adicionalmente, se pueden tomar decisiones comparando el valor o el costo, discutiendo algún informe de cómo se presentó una situación específica en el pasado respecto al presente. Considerando que este método facilita la interpretación de los datos, tiene muchas ventajas en los campos de la estadística y la economía. Por esto, los gráficos y cuadros son actualmente componentes fundamentales de la investigación moderna y la presentación de informes.
De esta forma, teniendo en cuenta la situación pandémica que vive el mundo producto del coronavirus y su consecuente enfermedad COVID-19, este documento presenta una herramienta de análisis gráfico con información del Ministerio de Salud Pública y Asistencia Social de la República Dominicana (MSPAS). Este instrumento es el paquete de R llamado drcovidplots, el cual simplifica esta tarea con las funciones que incluye. Solo se necesita un conocimiento básico de programación en R para ejecutar el paquete y reproducir los gráficos.
2. Instalación
La versión de desarrollo de drcovidplots puede instalarse desde GitHub desde el indicador de la consola R con:
install.packages(“devtools”)
devtools::install_github(“fidelmorla/drcovidplots”)
library(“drcovidplots”)
Todas las dependencias faltantes deben instalarse automáticamente.
3. Uso
3.1 Cargando la información
Para ejemplificar el uso de drcovidplots, utilizamos la información disponible en el boletín especial número 91 del MSPAS. Además, debe mencionarse que la información está en archivos con valores separados por comas en la página del repositorio en Github1 . Por esta razón, es imprescindible tener conexión a internet a la hora de cargar la información con la función que se muestra más abajo.
Para cargar estos datos, se debe correr el siguiente código en la consola de R:
load_data_covid_dr()
Esta función creará los siguientes objetos:
1 https://github.com/fidelmorla/drcovidplots/tree/master/csv_data
3.2 Funciones
La utilización de las funciones es relativamente sencilla. Todas las funciones tienen los siguientes dos argumentos:
Las únicas excepciones son: la función g_cases_province(), la cual incluye un argumento adicional n_province para determinar el número de provincias con las cuales se generará el gráfico. Esta función representa gráficamente, en orden descendente, las provincias dadas en n_province. De forma predeterminada, la función grafica las quince provincias con más casos de COVID-19 partiendo de la información del último boletín del MSPAS.
La otra función que cuenta con otros argumentos es la g_map_ covid(). Esta cuenta con:
i) el argumento date, para indicar la fecha para introducir en el mapa, predeterminado la última fecha disponible (“latest”),
ii) el argumento variable, para indicar cuál variable utilizar. Tiene tres posibilidades: “Cases”, “Deaths” y “Recovered”,
iii) el argumento by_inhabitants, una variable lógica que indica si crear el mapa teniendo en cuenta la población de cada provincia. De forma predeterminada es “TRUE”.
3.3 Ejemplos
Ahora ejemplificaremos el uso de algunas funciones. Debe mencionarse que para el siguiente ejercicio se asume que se ejecutaron las funciones descritas en la parte 3.1.
Por ejemplo, utilizaremos la función g_cases_province() con dos opciones para el número de provincias, dígase 11 y 22.
> g_cases_province(n_province = 11, savepng = TRUE)
4. Conclusión
Este documento se dedica principalmente a explicar el funcionamiento del paquete drcovidplots, el cual proporciona varias funciones para graficar diferentes variables sobre la situación del COVID19 en República Dominicana. Esta herramienta de análisis gráfico tiene 27 funciones que utilizan información de los boletines especiales del MSPAS. Cabe la posibilidad de que la herramienta continúe evolucionando, a medida que surja más información del COVID19 en República Dominicana. Por tal razón, siempre recomendamos actualizar el paquete ocasionalmente.
Los códigos del paquete están disponibles en el enlace https://github.com/fidelmorla/drcovidplots. Además, los usuarios que utilicen el paquete y encuentren problemas o dificultades pueden reportarlas en la página https://github.com/fidelmorla/drcovidplots/issues.
Cita oficial
Para citar el paquete “drcovidplots” en publicaciones, use:
Morla, F. (2020). drcovidplots: Plots for COVID19 data from Dominican Republic. R package version 0.1.11. https://github.com/fidelmorla/drcovidplots.
Referencias
Arnold, J. B. (2019). ggthemes: Extra Themes, Scales and Geoms for ‘ggplot2’. R package version 4.2.0. Recuperado de http://github. com/jrnold/ggthemes
Auguie, B. (2017). gridExtra: Miscellaneous Functions for “Grid” Graphics. R package version 2.3.
Grolemund, G., & Wickham, H. (2011). Dates and Times Made Easy with lubridate. Journal of Statistical Software, 40(3), 1-25. Recuperado de http://www.jstatsoft.org/v40/i03/
Henry, L. & Wickham, H. (2020). purrr: Functional Programming Tools. Recuperado de http://purrr.tidyverse.org, https://github. com/tidyverse/purrr
Lin, T., & Robinson, D. (2020). gganimate: A Grammar of Animated Graphics. Recuperado de https://gganimate.com, https:// github.com/thomasp85/gganimate
McKinnon, S. E. (2020). lemon: Freshing Up your ‘ggplot2’ Plots. R package version 0.4.4. Recuperado de https://github.com/stefanedwards/lemon
Milton, S. & Wickham, H. (2014). magrittr: A Forward-Pipe Operator for R. R package version 1.5.
Nussbaumer, C. (2015). Storytelling with Data: A Data Visualization Guide for Business Professionals. John Wiley & Sons: New York.
Ooms, J. (2018). gifski: Highest Quality GIF Encoder. Recuperado de https://gif.ski/ (upstream), https://github.com/r-rust/gifski (devel).
Pebesma, E. (2018). Simple Features for R: Standardized Support for Spatial Vector Data. The R Journal, 10(1), 439-446, doi: https://doi.org/10.32614/RJ-2018-009
R Core Team. (2020). R: A language and environment for statistical computing. R Foundation for Statistical Computing, Vienna, Austria. Recuperado de https://www.R-project.org/
Rudis, B., Bolker, B. & Schulz, J. (2017). ggalt: Extra Coordinate Systems, ‘Geoms’, Statistical Transformations, Scales and Fonts for ‘ggplot2’. R package version 0.4.0. Recuperado de https://github.com/hrbrmstr/ggalt
Slowikowski, K. (2020). ggrepel: Automatically Position Non-Overlapping Text Labels with ‘ggplot2’. R package version 0.8.2. Recuperado de http://github.com/slowkow/ggrepel
Stengel, D., Calori, G. & Giannoudis, P. (2008). Graphical data presentation. Injury, 39(6), 659-665.
Temple, D. (2020). XML: Tools for Parsing and Generating XML Within R and S-Plus. R package version 3.99-0.3. Recuperado de http://www.omegahat.net/RSXML
Wickham, H. & Henry, L. (2020). tidyr: Tidy Messy Data. https://tidyr.tidyverse.org, Recuperado de https://github.com/tidyverse/tidyr
Wickham, H. (2016). ggplot2: Elegant Graphics for Data Analysis. New York: Springer-Verlag.
Wickham, H. (2019). rvest: Easily Harvest (Scrape). Recuperado de http://rvest.tidyverse.org/, https://github.com/tidyverse/rvest
Wickham, H. (2019). stringr: Simple, Consistent Wrappers for Common String Operations. Recuperado de http://stringr.tidyverse.org, https://github.com/tidyverse/stringr
Wickham, H. (2020). forcats: Tools for Working with Categorical Variables (Factors). Recuperado de http://forcats.tidyverse.org, https://github.com/tidyverse/forcats
Wickham, H., Hester, J., & Ooms, J. (2020). xml2: Parse XML. Recuperado de https://xml2.r-lib.org/, https://github.com/r-lib/xml2
Wickham, H., François, R., Henry, L., & Müller, K. (2020). dplyr: A Grammar of Data Manipulation. R package version 1.0.0. Recuperado de https://CRAN.R-project.org/package=dplyr
Zeileis, A., Fisher, J.C., Hornik, K., Ihaka, R., McWhite, C.D., Murrell, P., Stauffer, R., & Wilke, C.O. (2019). colorspace: A Toolbox for Manipulating and Assessing Colors and Palettes. arXiv 1903.06490, arXiv.org E-Print Archive. Recuperado de http://arxiv.org/abs/1903.06490
