SOC4001 Procesamiento avanzado de bases de datos en R

Ponderación: 12% de la nota final del curso

Formato: Desarrollar esta tarea en un RScript, agregando comentarios cuando sea necesario.

Instrucciones:

Usa el siguiente cógigo para cargar la base de datos sobre Covid-19 usados en clase y seleccionar sólo las variables numéricas más el identificador de continente.

library("tidyverse")
library("cowplot")
library("lubridate")
library("viridis")

path <- url("https://raw.githubusercontent.com/mebucca/dar_soc4001/master/slides/class_12/covid_data.csv")
# leer archivo csv
covid_data <- read_delim(path, delim=";")
covid_data <-  covid_data %>% select(continent, total_cases_per_million, total_deaths_per_million, new_cases_per_million, new_deaths_per_million)

Referencia: Hasell, J., Mathieu, E., Beltekian, D. et al. A cross-country database of COVID-19 testing. Sci Data 7, 345 (2020). https://doi.org/10.1038/s41597-020-00688-8 y utilizad

Los datos deben verse así:

Rows: 56,748
Columns: 5
$ continent                <chr> "Asia", "Asia", "Asia", "Asia", "Asia", "Asia…
$ total_cases_per_million  <dbl> NA, NA, NA, NA, NA, NA, NA, NA, NA, NA, NA, N…
$ total_deaths_per_million <dbl> NA, NA, NA, NA, NA, NA, NA, NA, NA, NA, NA, N…
$ new_cases_per_million    <dbl> 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, …
$ new_deaths_per_million   <dbl> 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, …

Ejercicio

1. Usando las funciones nest() y map()del paquete purrr, para cada continente crea un matriz de correlaciones entre todas las variables.

• Nota: para crear la matriz de correlaciones la función map() debe tomar el siguente argumento: .f = ~ cor(., use = "pairwise.complete.obs"). Guarda la matriz en una nueva columna llamada corrs y asigna el resultado a un nuevo objecto llamado miscors.

El objeto miscors debe verse así:

# A tibble: 6 × 3
  continent     data                  corrs        
  <chr>         <list>                <list>       
1 Asia          <tibble [13,528 × 4]> <dbl [4 × 4]>
2 Europe        <tibble [14,828 × 4]> <dbl [4 × 4]>
3 Africa        <tibble [13,637 × 4]> <dbl [4 × 4]>
4 North America <tibble [9,116 × 4]>  <dbl [4 × 4]>
5 South America <tibble [3,404 × 4]>  <dbl [4 × 4]>
6 Oceania       <tibble [2,235 × 4]>  <dbl [4 × 4]>

y cada matriz de correlación contenida en corrs de ve así

                         total_cases_per_million total_deaths_per_million
total_cases_per_million               1.00000000               0.02057843
total_deaths_per_million              0.02057843               1.00000000
new_cases_per_million                 0.16873694               0.06326542
new_deaths_per_million                0.16440194              -0.13163684
                         new_cases_per_million new_deaths_per_million
total_cases_per_million             0.16873694             0.16440194
total_deaths_per_million            0.06326542            -0.13163684
new_cases_per_million               1.00000000            -0.02377809
new_deaths_per_million             -0.02377809             1.00000000

2. Continua trabajando con el objeto miscors. Usando las funciones nest() y map()del paquete purrr, crea nueva columna llamada mean_cor que contenga el promedio de cada matriz de correlacciones almacenada en la columna corrs.

• Nota: para el promedio de las correlaciones la función map() debe tomar el siguente argumento: .f = ~mean(., na.rm=T). Asigna el resultado a un nuevo objecto llamado miscors. El nuevo objeto miscors debe verse así:

# A tibble: 6 × 4
  continent     data                  corrs         mean_cor 
  <chr>         <list>                <list>        <list>   
1 Asia          <tibble [13,528 × 4]> <dbl [4 × 4]> <dbl [1]>
2 Europe        <tibble [14,828 × 4]> <dbl [4 × 4]> <dbl [1]>
3 Africa        <tibble [13,637 × 4]> <dbl [4 × 4]> <dbl [1]>
4 North America <tibble [9,116 × 4]>  <dbl [4 × 4]> <dbl [1]>
5 South America <tibble [3,404 × 4]>  <dbl [4 × 4]> <dbl [1]>
6 Oceania       <tibble [2,235 × 4]>  <dbl [4 × 4]> <dbl [1]>

3. Usando la función unnest() crea un nueva base de datos que contenga solo la correlación promedio mean_cor por continente. Asigna el resultado a un nuevo objecto llamado miscors. El nuevo objeto miscors debe verse así:

# A tibble: 6 × 2
  continent     mean_cor
  <chr>            <dbl>
1 Asia             0.283
2 Europe           0.376
3 Africa           0.239
4 North America    0.380
5 South America    0.353
6 Oceania          0.327

4. En base a los datos almacenados en miscors crea el siguiente gráfico usando la geometría geom_bar(stat = "identity"):