module3/exo3/doevi_exo3.Rmd

+---
+title: "Autour du SARS-CoV-2 (Covid-19)"
+author: "Doévi BIAOU"
+date: "`r Sys.Date()`"
+output: 
+  pdf_document: 
+    toc: yes
+    number_sections: yes
+    fig_caption: yes
+---
+
+
+```{r setup, include=FALSE}
+knitr::opts_chunk$set(echo = TRUE)
+```
+
+# Présentation 
+Le but est ici de reproduire des graphes semblables à ceux du [South China Morning Post (SCMP)](https://www.scmp.com/), sur la page [The Coronavirus Pandemic](https://www.scmp.com/coronavirus?src=homepage_covid_widget) et qui montrent pour différents pays le nombre cumulé (c'est-à-dire le nombre total de cas depuis le début de l'épidémie) de personnes atteintes de la maladie à coronavirus 2019.  
+
+# Exercice proprement dit  
+
+## Méthodes  
+Les données utilisées sont celles fournies par le Johns Hopkins University Center for Systems Science and Engineering (JHU CSSE) et accessibles sous ce [lien](https://raw.githubusercontent.com/CSSEGISandData/COVID-19/master/csse_covid_19_data/csse_covid_19_time_series/time_series_covid19_confirmed_global.csv).  
+
+Les données ainsi recueillies ont été épurées puis analysées avec `r R.Version()$version.string` s'exécutant sous `r R.Version()$os`. Les graphiques ont été générés avec le package {ggplot2}.  
+
+## Import des données  
+
+```{r data_import}
+#  Enregistrement du lien de la base dans l'objet "link"
+link <- "https://raw.githubusercontent.com/CSSEGISandData/COVID-19/master/csse_covid_19_data/csse_covid_19_time_series/time_series_covid19_confirmed_global.csv"
+
+# Import du contenu du fichier csv dans une base de données  : 
+df <- read.csv(file = link, header = TRUE, sep = ",")
+df <- as.data.frame(df) # Transformation en base de données
+```
+
+
+## Manipulation des données  
+Nous utiliserons essentiellement le paquet {dplyr} de {Tidyverse} à cet effet.  
+
+En premier un aperçu de la base. 
+
+```{r}
+head(df[1:8]) # Affiche les dix premières lignes des colonnes 1 à 8. 
+```
+
+la manipulation va consister à :  
+- filtrer la base initiale pour ne retenir que les lignes concernant les pays qui nous intéressent  
+- pivoter de sorte à avoir trois colonnes : Pays ou région, date et incidence journalière.  
+- calculer les incidences nationales journalières (certains pays comme la Chine ont des données provenant de différentes provinces)  
+- mettre en forme les dates sous format iso : les dates étant sous format "Xmm.jj.aa"  
+
+```{r data_wrangling, include=FALSE}
+# Outils
+library(tidyverse)
+
+# Filtrer la base 
+dff <- filter(df, Country.Region == "Belgium"|
+                Country.Region == "China" |
+                Country.Region == "China, Hong-Kong" |
+                Country.Region == "France" |
+                Country.Region == "Germany" |
+                Country.Region == "Iran" |
+                Country.Region == "Italy" |
+                Country.Region == "Japan" |
+                Country.Region == "Korea, South" |
+                Country.Region == "Netherlands" |
+                Country.Region == "Portugal" |
+                Country.Region == "Spain" |
+                Country.Region == "United Kingdom" |
+                Country.Region  == "US")
+
+# Pivoter la base  
+dff_p <- dff %>% 
+  select(Country.Region, starts_with("X")) %>% # Sélection des colonnes utiles
+  pivot_longer(cols = !Country.Region, 
+               names_to = "Dates", 
+               values_to = "Incidence")
+
+# Nettoyage - mise en forme de la colonne "Dates"
+dff_p <- dff_p %>% 
+  mutate(Dates = substr(Dates, start = 2, stop = 100000L), # élimine le "X"
+         Dates = as.Date(Dates, "%m.%d.%y")
+         )
+
+# Calcul des incidences nationales  
+dff_p <- dff_p %>% 
+  arrange(Dates) %>% # Trier les lignes selon la date
+  group_by(Dates, Country.Region) %>% 
+  summarise(Incidence = sum(Incidence))
+
+# Aperçu de la base  
+head(dff_p)
+```
+
+## Représentation graphique proprement dite  
+
+Le graphique sera réalisé avec le paquet {ggplot2} déjà chargé au sein du {Tidyverse}. 
+
+Un aperçu du graphique de la Belgique. 
+
+```{r fig.cap="Nombre de cas confirmés, Belgique"}
+dff_p %>% 
+  filter(Country.Region == "Belgium") %>% 
+ ggplot(aes(x = Dates, y = Incidence)) +
+  geom_line() +
+  theme_bw() + scale_y_continuous(labels = scales::label_number()) +
+  labs(title = "Nombre de cas confirmés, Belgique")
+```
+
+L'on se rend compte que les incidences présentées dans la base de données sont des incidences cumulées. 
+
+Nous pouvons recalculer les incidences quotidiennes.  
+
+```{r}
+# Calcul des incidences journalières
+dff_p <- dff_p %>% 
+  group_by(Country.Region) %>% # Pour les regrouper par pays 
+  mutate(Incidence_journaliere = Incidence - lag(Incidence)) # calcul des incidences journalières
+  
+# Aperçu de la base 
+tail(dff_p)
+```
+
+## Graphique des incidences journalières  
+
+```{r}
+dff_p %>% 
+  ggplot(aes(x = Dates, y = Incidence_journaliere, color = Country.Region)) +
+  geom_line()
+```
+
+Quelques cas d'incidences négatives pouvant correspondre en réalité à des rectifications de statistiques nationales. Nous les définirons comme données manquantes.  
+
+```{r}
+# Aperçu, dates problématiques : 
+subset(dff_p, Incidence_journaliere < 0, c(Dates, Country.Region, Incidence_journaliere))
+
+# Les définir comme données manquantes 
+dff_p <- dff_p %>% 
+  mutate(Incidence_journaliere_2 = ifelse(Incidence_journaliere < 0, NA, Incidence_journaliere))
+
+```
+
+### Le nouveau graphe, tous les pays  
+
+```{r message=FALSE, warning=FALSE, fig.cap="Incidence journalière de covid 19, tous les pays"}
+dff_p %>% 
+  ggplot(aes(x = Dates, y = Incidence_journaliere_2, color = Country.Region)) +
+  geom_line() + scale_color_viridis_d() + 
+  scale_y_continuous(labels = scales::label_number()) +
+  theme_bw() +
+  labs(x = "", y = "Incidence journalière", color = "Pays", 
+       title = "Incidence journalière de covid 19")
+    
+```
+
+### Incidence journalière : Pays par pays, sur le même graphique 
+
+```{r fig.width=9, fig.height=9, fig.cap="Incidence journalière, pays par pays", warning=FALSE}
+dff_p %>% 
+  ggplot(aes(x = Dates, y = Incidence_journaliere_2, color = Country.Region)) +
+  geom_line() + scale_color_viridis_d() + 
+  scale_y_continuous(labels = scales::label_number()) + 
+  facet_wrap(~Country.Region, ncol = 3, scales = "free_y") + 
+  theme_bw() +
+  labs(x = "", y = "Incidences journalières", color = "Pays", 
+       title = "Incidences journalières de covid 19") + 
+  theme(legend.position = "none") # Pour supprimer la légende
+```
+
+## Nombre total de cas confirmés  
+
+Les incidences présentées par défaut étant des incidences cumulées, le nombre total de cas correspond donc à l'incidence cumulée à la date la plus récente, ou à l'incidence maximale renseignée (au cas où un pays serait en retard dans la notification de ses données).   
+
+```{r fig.cap="Nombre de cas confirmés de covid 19"}
+max(dff_p$Dates)
+dff_p %>% filter(Dates == max(dff_p$Dates)) %>% # Date la plus récente uniquement
+  ggplot(aes(x = fct_reorder(Country.Region, Incidence), y = Incidence)) + 
+  geom_col() +
+  coord_flip() +
+  theme_bw() +
+  labs(x = "", title = paste("Nombre de total de cas confirmés de covid 19 au", Sys.Date())) +
+  scale_y_continuous(labels = scales::number_format())
+```
+