MadelaineGuevara-web

Actividad dirigida 4

En esta actividad dirigida 4 nos conectaremos con el API del COVID19 y analizaremos con Panda

Nos conectaremos al API: https://api.covid19api.com/

Lo siguiente sería instalar la librería de Panda

Instalación e importación de Pandas

A continuación los códigos para la instalación e importación de la librería Pandas

pip install pandas

Defaulting to user installation because normal site-packages is not writeableNote: you may need to restart the kernel to use updated packages.

Requirement already satisfied: pandas in d:\anaconda\lib\site-packages (1.4.2)
Requirement already satisfied: python-dateutil>=2.8.1 in d:\anaconda\lib\site-packages (from pandas) (2.8.2)
Requirement already satisfied: numpy>=1.18.5 in d:\anaconda\lib\site-packages (from pandas) (1.21.5)
Requirement already satisfied: pytz>=2020.1 in d:\anaconda\lib\site-packages (from pandas) (2021.3)
Requirement already satisfied: six>=1.5 in d:\anaconda\lib\site-packages (from python-dateutil>=2.8.1->pandas) (1.16.0)

import pandas as pd

Conexión con URL

Creamos una variable llamada url y la definimos como la dirección del API que tiene la información del COVID19 en los distintos países.

url = 'https://api.covid19api.com/countries'

Comprobamos la variable invocando url

url

'https://api.covid19api.com/countries'

Data Frame

Como el API tiene la información en un lista de datos JSON, creamos un Data Frame df(estructuras de lista de datos de Python) compuesto por la función de Pandas que permite leer el formato JSON.

df = pd.read_json(url)

Comprobamos el df invocándolo y nos aparece el JSON en formato de tabla.

df

	Country	Slug	ISO2
0	Gibraltar	gibraltar	GI
1	Oman	oman	OM
2	France	france	FR
3	Jersey	jersey	JE
4	Mali	mali	ML
...	...	...	...
243	Puerto Rico	puerto-rico	PR
244	Papua New Guinea	papua-new-guinea	PG
245	Saint Pierre and Miquelon	saint-pierre-and-miquelon	PM
246	Timor-Leste	timor-leste	TL
247	Montenegro	montenegro	ME

248 rows × 3 columns

Datos por país

España

Para obtener los datos específicamente de España, utilizamos el siguiente código:

df[df['Country'] == 'Spain']

	Country	Slug	ISO2
141	Spain	spain	ES

A continuación creamos una nueva variable llamada url_rt_es y la definimos con la sección del API que tiene los datos en tiempo real de los casos en España.

También hacemos un data frame que ayudado por la función de Pandas, lea el JSON de estos datos específicos y terminamos invocándo este mismo data frame para obtener la tabla.

url_rt_es = 'https://api.covid19api.com/country/spain/status/confirmed/live'
df_rt_es = pd.read_json(url_rt_es) 
df_rt_es

	Country	CountryCode	Province	City	CityCode	Lat	Lon	Cases	Status	Date
0	Spain	ES				40.46	-3.75	0	confirmed	2020-01-22 00:00:00+00:00
1	Spain	ES				40.46	-3.75	0	confirmed	2020-01-23 00:00:00+00:00
2	Spain	ES				40.46	-3.75	0	confirmed	2020-01-24 00:00:00+00:00
3	Spain	ES				40.46	-3.75	0	confirmed	2020-01-25 00:00:00+00:00
4	Spain	ES				40.46	-3.75	0	confirmed	2020-01-26 00:00:00+00:00
...	...	...	...	...	...	...	...	...	...	...
894	Spain	ES				40.46	-3.75	12818184	confirmed	2022-07-04 00:00:00+00:00
895	Spain	ES				40.46	-3.75	12890002	confirmed	2022-07-05 00:00:00+00:00
896	Spain	ES				40.46	-3.75	12890002	confirmed	2022-07-06 00:00:00+00:00
897	Spain	ES				40.46	-3.75	12890002	confirmed	2022-07-07 00:00:00+00:00
898	Spain	ES				40.46	-3.75	12973615	confirmed	2022-07-08 00:00:00+00:00

899 rows × 10 columns

Para obtener la cabecera de esta tabla utilizamos el siguiente código:

df_rt_es.head()

	Country	CountryCode	Lat	Lon	Status	Date
0	Spain	ES	40.46	-3.75	confirmed	2020-01-22 00:00:00+00:00
1	Spain	ES	40.46	-3.75	confirmed	2020-01-23 00:00:00+00:00
2	Spain	ES	40.46	-3.75	confirmed	2020-01-24 00:00:00+00:00
3	Spain	ES	40.46	-3.75	confirmed	2020-01-25 00:00:00+00:00
4	Spain	ES	40.46	-3.75	confirmed	2020-01-26 00:00:00+00:00

Para obtener la parte final de esta tabla utilizamos el siguiente código:

df_rt_es.tail()

	Country	CountryCode	Lat	Lon	Cases	Status	Date
894	Spain	ES	40.46	-3.75	12818184	confirmed	2022-07-04 00:00:00+00:00
895	Spain	ES	40.46	-3.75	12890002	confirmed	2022-07-05 00:00:00+00:00
896	Spain	ES	40.46	-3.75	12890002	confirmed	2022-07-06 00:00:00+00:00
897	Spain	ES	40.46	-3.75	12890002	confirmed	2022-07-07 00:00:00+00:00
898	Spain	ES	40.46	-3.75	12973615	confirmed	2022-07-08 00:00:00+00:00

Visualización

A continuación definimos los datos que queremos representar en la visualización gráfica. En esta ocasión escogimos la fecha y la cantidad de casos. Además, le pedimos que plotée, le añada el título y sumamos el parametro kind “area” para determinar este tipo de gráfica.

casos_es = df_rt_es.set_index('Date')['Cases']
casos_es.plot(title="Casos de Covid-19 en España desde 20/01/2020 hasta 9/07/2022", kind = "area")

<AxesSubplot:title={'center':'Casos de Covid-19 en España desde 20/01/2020 hasta 9/07/2022'}, xlabel='Date'>

png

Datos Panamá

Seguiremos el mismo procedimiento que hemos hecho con España para obtener y visualizar los datos de COVID19 en Panamá

df[df['Country'] == 'Panama']

	Country	Slug	ISO2
190	Panama	panama	PA

url_rt_pa = 'https://api.covid19api.com/country/panama/status/confirmed/live'
df_rt_pa = pd.read_json(url_rt_pa) 
df_rt_pa

	Country	CountryCode	Province	City	CityCode	Lat	Lon	Cases	Status	Date
0	Panama	PA				8.54	-80.78	0	confirmed	2020-01-22 00:00:00+00:00
1	Panama	PA				8.54	-80.78	0	confirmed	2020-01-23 00:00:00+00:00
2	Panama	PA				8.54	-80.78	0	confirmed	2020-01-24 00:00:00+00:00
3	Panama	PA				8.54	-80.78	0	confirmed	2020-01-25 00:00:00+00:00
4	Panama	PA				8.54	-80.78	0	confirmed	2020-01-26 00:00:00+00:00
...	...	...	...	...	...	...	...	...	...	...
895	Panama	PA				8.54	-80.78	925254	confirmed	2022-07-05 00:00:00+00:00
896	Panama	PA				8.54	-80.78	925254	confirmed	2022-07-06 00:00:00+00:00
897	Panama	PA				8.54	-80.78	925254	confirmed	2022-07-07 00:00:00+00:00
898	Panama	PA				8.54	-80.78	932710	confirmed	2022-07-08 00:00:00+00:00
899	Panama	PA				8.54	-80.78	932710	confirmed	2022-07-10 00:00:00+00:00

900 rows × 10 columns

casos_pa = df_rt_pa.set_index('Date')['Cases']
casos_pa.plot(title="Casos de Covid-19 en Panamá desde 20/01/2020 hasta 9/07/2022", kind = "area")

<AxesSubplot:title={'center':'Casos de Covid-19 en Panamá desde 20/01/2020 hasta 9/07/2022'}, xlabel='Date'>

png

Comparación de datos de dos países (España y Panamá)

Después de obtener los datos de ambos países, ahora contrastaremos el comportamiento del virus en España y Panamá a través de una gráfica comparativa.

Para lograr esto primero tendremos que concatenar los resultados basándonos en el eje de las filas (axis=1) creando la variable pa_vs_es

pa_vs_es = pd.concat([casos_es,casos_pa],axis=1)
pa_vs_es

	Cases	Cases
Date
2020-01-22 00:00:00+00:00	0.0	0
2020-01-23 00:00:00+00:00	0.0	0
2020-01-24 00:00:00+00:00	0.0	0
2020-01-25 00:00:00+00:00	0.0	0
2020-01-26 00:00:00+00:00	0.0	0
...	...	...
2022-07-05 00:00:00+00:00	12890002.0	925254
2022-07-06 00:00:00+00:00	12890002.0	925254
2022-07-07 00:00:00+00:00	12890002.0	925254
2022-07-08 00:00:00+00:00	12973615.0	932710
2022-07-10 00:00:00+00:00	NaN	932710

900 rows × 2 columns

Luego tendremos que titular las columnas con el nombre del país al que pertenecen los datos (porque solo aparece la variable cases en ambas columnas.

Para eso creamos un nuevo objeto llamado pa_vs_es.columns

pa_vs_es.columns = ['España', 'Panamá']
pa_vs_es

	España	Panamá
Date
2020-01-22 00:00:00+00:00	0.0	0
2020-01-23 00:00:00+00:00	0.0	0
2020-01-24 00:00:00+00:00	0.0	0
2020-01-25 00:00:00+00:00	0.0	0
2020-01-26 00:00:00+00:00	0.0	0
...	...	...
2022-07-05 00:00:00+00:00	12890002.0	925254
2022-07-06 00:00:00+00:00	12890002.0	925254
2022-07-07 00:00:00+00:00	12890002.0	925254
2022-07-08 00:00:00+00:00	12973615.0	932710
2022-07-10 00:00:00+00:00	NaN	932710

900 rows × 2 columns

Gráfica de comparación Panamá vs España

Ahora plotearemos la variable pa_vs_es colocándole un título acorde.

pa_vs_es.plot(title="Comparativa Covid19 España-Panamá")

<AxesSubplot:title={'center':'Comparativa Covid19 España-Panamá'}, xlabel='Date'>

png

Comparativa del comportamiento del COVID19 en países centroamericanos.

A continuación contrastaremos los datos de Panamá con el resto de países centroamericanos (Costa Rica, Honduras, El Salvador, Guatemala y Nicaragua).

Para conseguir esto, aplicaremos el procedimiento antes descrito para cada país.

Costa Rica

url_rt_cr = 'https://api.covid19api.com/country/costa-rica/status/confirmed/live'
df_rt_cr = pd.read_json(url_rt_cr) 
df_rt_cr

	Country	CountryCode	Province	City	CityCode	Lat	Lon	Cases	Status	Date
0	Costa Rica	CR				9.75	-83.75	0	confirmed	2020-01-22 00:00:00+00:00
1	Costa Rica	CR				9.75	-83.75	0	confirmed	2020-01-23 00:00:00+00:00
2	Costa Rica	CR				9.75	-83.75	0	confirmed	2020-01-24 00:00:00+00:00
3	Costa Rica	CR				9.75	-83.75	0	confirmed	2020-01-25 00:00:00+00:00
4	Costa Rica	CR				9.75	-83.75	0	confirmed	2020-01-26 00:00:00+00:00
...	...	...	...	...	...	...	...	...	...	...
895	Costa Rica	CR				9.75	-83.75	904934	confirmed	2022-07-05 00:00:00+00:00
896	Costa Rica	CR				9.75	-83.75	904934	confirmed	2022-07-06 00:00:00+00:00
897	Costa Rica	CR				9.75	-83.75	904934	confirmed	2022-07-07 00:00:00+00:00
898	Costa Rica	CR				9.75	-83.75	904934	confirmed	2022-07-08 00:00:00+00:00
899	Costa Rica	CR				9.75	-83.75	904934	confirmed	2022-07-10 00:00:00+00:00

900 rows × 10 columns

casos_cr = df_rt_cr.set_index('Date')['Cases']
casos_cr.plot(title="Casos de Covid-19 en Costa Rica desde 20/01/2020 hasta 9/07/2022")

<AxesSubplot:title={'center':'Casos de Covid-19 en Costa Rica desde 20/01/2020 hasta 9/07/2022'}, xlabel='Date'>

png

Honduras

url_rt_hnd = 'https://api.covid19api.com/country/honduras/status/confirmed/live'
df_rt_hnd = pd.read_json(url_rt_hnd) 
df_rt_hnd

	Country	CountryCode	Province	City	CityCode	Lat	Lon	Cases	Status	Date
0	Honduras	HN				15.2	-86.24	0	confirmed	2020-01-22 00:00:00+00:00
1	Honduras	HN				15.2	-86.24	0	confirmed	2020-01-23 00:00:00+00:00
2	Honduras	HN				15.2	-86.24	0	confirmed	2020-01-24 00:00:00+00:00
3	Honduras	HN				15.2	-86.24	0	confirmed	2020-01-25 00:00:00+00:00
4	Honduras	HN				15.2	-86.24	0	confirmed	2020-01-26 00:00:00+00:00
...	...	...	...	...	...	...	...	...	...	...
895	Honduras	HN				15.2	-86.24	427718	confirmed	2022-07-05 00:00:00+00:00
896	Honduras	HN				15.2	-86.24	427718	confirmed	2022-07-06 00:00:00+00:00
897	Honduras	HN				15.2	-86.24	427718	confirmed	2022-07-07 00:00:00+00:00
898	Honduras	HN				15.2	-86.24	429408	confirmed	2022-07-08 00:00:00+00:00
899	Honduras	HN				15.2	-86.24	429408	confirmed	2022-07-10 00:00:00+00:00

900 rows × 10 columns

casos_hnd = df_rt_hnd.set_index('Date')['Cases']
casos_hnd.plot(title="Casos de Covid-19 en Honduras desde 20/01/2020 hasta 9/07/2022")

<AxesSubplot:title={'center':'Casos de Covid-19 en Honduras desde 20/01/2020 hasta 9/07/2022'}, xlabel='Date'>

png

## El Salvador

url_casos_elsalv = 'https://api.covid19api.com/country/el-salvador/status/confirmed/live'
df_rt_elsalv = pd.read_json(url_casos_elsalv)
df_rt_elsalv 

	Country	CountryCode	Province	City	CityCode	Lat	Lon	Cases	Status	Date
0	El Salvador	SV				13.79	-88.9	0	confirmed	2020-01-22 00:00:00+00:00
1	El Salvador	SV				13.79	-88.9	0	confirmed	2020-01-23 00:00:00+00:00
2	El Salvador	SV				13.79	-88.9	0	confirmed	2020-01-24 00:00:00+00:00
3	El Salvador	SV				13.79	-88.9	0	confirmed	2020-01-25 00:00:00+00:00
4	El Salvador	SV				13.79	-88.9	0	confirmed	2020-01-26 00:00:00+00:00
...	...	...	...	...	...	...	...	...	...	...
895	El Salvador	SV				13.79	-88.9	169646	confirmed	2022-07-05 00:00:00+00:00
896	El Salvador	SV				13.79	-88.9	169646	confirmed	2022-07-06 00:00:00+00:00
897	El Salvador	SV				13.79	-88.9	169646	confirmed	2022-07-07 00:00:00+00:00
898	El Salvador	SV				13.79	-88.9	180970	confirmed	2022-07-08 00:00:00+00:00
899	El Salvador	SV				13.79	-88.9	180970	confirmed	2022-07-10 00:00:00+00:00

900 rows × 10 columns

casos_elsalv = df_rt_elsalv.set_index('Date')['Cases']
casos_elsalv.plot(title="Casos de Covid19 en El Salvador desde 20/01/2020 hasta 9/07/2022")

<AxesSubplot:title={'center':'Casos de Covid19 en El Salvador desde 20/01/2020 hasta 9/07/2022'}, xlabel='Date'>

png

Guatemala

url_casos_guat = 'https://api.covid19api.com/country/guatemala/status/confirmed/live'
df_rt_guat = pd.read_json(url_casos_guat)
df_rt_guat

	Country	CountryCode	Province	City	CityCode	Lat	Lon	Cases	Status	Date
0	Guatemala	GT				15.78	-90.23	0	confirmed	2020-01-22 00:00:00+00:00
1	Guatemala	GT				15.78	-90.23	0	confirmed	2020-01-23 00:00:00+00:00
2	Guatemala	GT				15.78	-90.23	0	confirmed	2020-01-24 00:00:00+00:00
3	Guatemala	GT				15.78	-90.23	0	confirmed	2020-01-25 00:00:00+00:00
4	Guatemala	GT				15.78	-90.23	0	confirmed	2020-01-26 00:00:00+00:00
...	...	...	...	...	...	...	...	...	...	...
895	Guatemala	GT				15.78	-90.23	922340	confirmed	2022-07-05 00:00:00+00:00
896	Guatemala	GT				15.78	-90.23	927473	confirmed	2022-07-06 00:00:00+00:00
897	Guatemala	GT				15.78	-90.23	933259	confirmed	2022-07-07 00:00:00+00:00
898	Guatemala	GT				15.78	-90.23	939300	confirmed	2022-07-08 00:00:00+00:00
899	Guatemala	GT				15.78	-90.23	944993	confirmed	2022-07-10 00:00:00+00:00

900 rows × 10 columns

casos_guat = df_rt_guat.set_index('Date')['Cases']
casos_guat.plot(title="Casos de Covid19 en Guatemala desde 20/01/2020 hasta 9/07/2022")

<AxesSubplot:title={'center':'Casos de Covid19 en Guatemala desde 20/01/2020 hasta 9/07/2022'}, xlabel='Date'>

png

Nicaragua

url_casos_ni = 'https://api.covid19api.com/country/nicaragua/status/confirmed/live'
df_rt_ni = pd.read_json(url_casos_ni)
df_rt_ni

	Country	CountryCode	Province	City	CityCode	Lat	Lon	Cases	Status	Date
0	Nicaragua	NI				12.87	-85.21	0	confirmed	2020-01-22 00:00:00+00:00
1	Nicaragua	NI				12.87	-85.21	0	confirmed	2020-01-23 00:00:00+00:00
2	Nicaragua	NI				12.87	-85.21	0	confirmed	2020-01-24 00:00:00+00:00
3	Nicaragua	NI				12.87	-85.21	0	confirmed	2020-01-25 00:00:00+00:00
4	Nicaragua	NI				12.87	-85.21	0	confirmed	2020-01-26 00:00:00+00:00
...	...	...	...	...	...	...	...	...	...	...
895	Nicaragua	NI				12.87	-85.21	14690	confirmed	2022-07-05 00:00:00+00:00
896	Nicaragua	NI				12.87	-85.21	14721	confirmed	2022-07-06 00:00:00+00:00
897	Nicaragua	NI				12.87	-85.21	14721	confirmed	2022-07-07 00:00:00+00:00
898	Nicaragua	NI				12.87	-85.21	14721	confirmed	2022-07-08 00:00:00+00:00
899	Nicaragua	NI				12.87	-85.21	14721	confirmed	2022-07-10 00:00:00+00:00

900 rows × 10 columns

casos_ni = df_rt_ni.set_index('Date')['Cases']
casos_ni.plot(title="Casos de Covid19 en Nicaraguas desde 20/01/2020 hasta 9/07/2022")

<AxesSubplot:title={'center':'Casos de Covid19 en Nicaraguas desde 20/01/2020 hasta 9/07/2022'}, xlabel='Date'>

png

Concatenación de datos

Aquí aplicaremos una concatenación de los datos de todos los países antes presentados. Crearemos una variable llamada df_centroamerica para agrupar todos los datos de los países centroamericanos.

df_centroamerica = pd.concat([casos_pa,casos_cr,casos_hnd,casos_elsalv,casos_guat,casos_ni],axis=1)
df_centroamerica

	Cases	Cases	Cases	Cases	Cases	Cases
Date
2020-01-22 00:00:00+00:00	0	0	0	0	0	0
2020-01-23 00:00:00+00:00	0	0	0	0	0	0
2020-01-24 00:00:00+00:00	0	0	0	0	0	0
2020-01-25 00:00:00+00:00	0	0	0	0	0	0
2020-01-26 00:00:00+00:00	0	0	0	0	0	0
...	...	...	...	...	...	...
2022-07-05 00:00:00+00:00	925254	904934	427718	169646	922340	14690
2022-07-06 00:00:00+00:00	925254	904934	427718	169646	927473	14721
2022-07-07 00:00:00+00:00	925254	904934	427718	169646	933259	14721
2022-07-08 00:00:00+00:00	932710	904934	429408	180970	939300	14721
2022-07-10 00:00:00+00:00	932710	904934	429408	180970	944993	14721

900 rows × 6 columns

Colocamos el nombre del país a cada columna.

df_centroamerica.columns = ['Panamá','Costa Rica','Honduras','El Salvador','Guatemala','Nicaragua']
df_centroamerica

	Panamá	Costa Rica	Honduras	El Salvador	Guatemala	Nicaragua
Date
2020-01-22 00:00:00+00:00	0	0	0	0	0	0
2020-01-23 00:00:00+00:00	0	0	0	0	0	0
2020-01-24 00:00:00+00:00	0	0	0	0	0	0
2020-01-25 00:00:00+00:00	0	0	0	0	0	0
2020-01-26 00:00:00+00:00	0	0	0	0	0	0
...	...	...	...	...	...	...
2022-07-05 00:00:00+00:00	925254	904934	427718	169646	922340	14690
2022-07-06 00:00:00+00:00	925254	904934	427718	169646	927473	14721
2022-07-07 00:00:00+00:00	925254	904934	427718	169646	933259	14721
2022-07-08 00:00:00+00:00	932710	904934	429408	180970	939300	14721
2022-07-10 00:00:00+00:00	932710	904934	429408	180970	944993	14721

900 rows × 6 columns

Gráfica comparativa final

Finalmente podremos plotear una gráfica comparativa con los datos de todos los países centroamericanos.

df_centroamerica.plot(title="Comparativa de los casos de Covid19 en países Centroamericanos desde 20/01/2020 hasta 9/07/2022")

<AxesSubplot:title={'center':'Comparativa de los casos de Covid19 en países Centroamericanos desde 20/01/2020 hasta 9/07/2022'}, xlabel='Date'>

png