einarvaldes-web

AD4: conexión con la API del COVID19 y análisis con Pandas

Me conecto a la API https://api.covid19api.com/

!pip install pandas

Requirement already satisfied: pandas in c:\users\lenovo e570\anaconda3\lib\site-packages (1.4.2)
Requirement already satisfied: python-dateutil>=2.8.1 in c:\users\lenovo e570\anaconda3\lib\site-packages (from pandas) (2.8.2)
Requirement already satisfied: numpy>=1.18.5 in c:\users\lenovo e570\anaconda3\lib\site-packages (from pandas) (1.21.5)
Requirement already satisfied: pytz>=2020.1 in c:\users\lenovo e570\anaconda3\lib\site-packages (from pandas) (2021.3)
Requirement already satisfied: six>=1.5 in c:\users\lenovo e570\anaconda3\lib\site-packages (from python-dateutil>=2.8.1->pandas) (1.16.0)

Importar Pandas

Luego de instaladas las librerías de Pandas, colocamos import para tener el acceso y luego importarlo como un pd.

import pandas as pd

Conexión a una URL

Se utilizó url para hacer el vículo con la dirección del sitio web de donde se obtendrían los datos. Comprobamos que con introducir url la variable está relacionada automáticamente con esta dirección de la API. A través del siguiente código se le hace una petición de información a la API y el resultado se guarda en una variable. En esta caso particular, lo observamos en un modelo de cuadro.

Este paso se muestra a continuación:

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

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, el cual se trata de una estructuras de lista de datos de Python, compuesto por la función de Pandas que permite leer el formato JSON.

df = pd.read_json(url)

Nos aparecen los datos JSON en forma de tabla, luego de comprobarlo al invocarlo con df

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

Se puede hacer un filtro de la fila requerida a través del siguiente código:

df[df["Country"] == "Spain"]

	Country	Slug	ISO2
141	Spain	spain	ES

Como se observa, se utilizó ese código para obtener los datos relacionados con España.

Datos de Covid19 en tiempo real

Información de España

La primera prueba fue la extracción de los datos de covid19 en tiempo real para España. Con la librería Pandas, se llama a la funcion read_json(), que devuelve los datos de la consulta.

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

Con el cógido df_rt_es.head() se obtuvieron los datos de las cinco primeras líneas.

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

Mientras que con el código df_rt_es.tail() se obtienen las últimas líneas.

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

Graficar

Ya tenemos un cuadro con las siguientes columnas: país, código de país, provincia, ciudad, código de ciudad, latitud, longitud, número de casos, estado y la fecha. Particularmente de esta información nos interesa el número de casos y la fecha. El procedimiento que debo ejecutar es transformar la columna de control. Para ello convierto la columna de fecha en columna de control pidiéndole ya que me muestre los casos España desde el 20 de enero de 2020 a la actualidad con la expresión df_rt_es.set_index('Date')['Cases'].plot(title="Casos de Covid-19 en España desde 20/01/2020 hasta 29/06/2022"). Debo darle un nombre de variable.

casos_es = df_rt_es.set_index('Date')['Cases']
casos_es.plot(title="Casos de Covid-19 en España",kind = "area")

<AxesSubplot:title={'center':'Casos de Covid-19 en España'}, xlabel='Date'>

png

Datos de Panamá

Para los datos de Panamá debemos repetir el proceso. Solo utilizo las letras de la nomenclatura para el país y coloco el nombre del país en la url que utilizo. Si agregamos ,kind="area" al final se pondría el gráfico de área y con ,kind="bar" el gráfico de barras.

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	925254	confirmed	2022-07-09 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",kind = "area")

<AxesSubplot:title={'center':'Casos de Covid-19 en Panamá'}, xlabel='Date'>

png

Datos de Costa Rica

Repetimos este procedimiento para todos los países, en este caso, de Centroamérica. Hay que hacer la salvedad que en cada código se deben cambiar la identificación de los datos que se quieren obtener.

df[df["Country"] == "Costa Rica"]

	Country	Slug	ISO2
242	Costa Rica	costa-rica	CR

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	2022-07-09 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",kind = "area")

<AxesSubplot:title={'center':'Casos de Covid-19 en Costa Rica'}, xlabel='Date'>

png

Datos de Nicaragua

df[df["Country"] == "Nicaragua"]

	Country	Slug	ISO2
36	Nicaragua	nicaragua	NI

url_rt_ni = "https://api.covid19api.com/country/nicaragua/status/confirmed/live"
df_rt_ni = pd.read_json(url_rt_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	2022-07-09 00:00:00+00:00

900 rows × 10 columns

casos_ni = df_rt_ni.set_index('Date')['Cases']
casos_ni.plot(title="Casos de Covid-19 en Nicaragua",kind = "area")

<AxesSubplot:title={'center':'Casos de Covid-19 en Nicaragua'}, xlabel='Date'>

png

Datos de El Salvador

df[df["Country"] == "El Salvador"]

	Country	Slug	ISO2
139	El Salvador	el-salvador	SV

url_rt_sv = "https://api.covid19api.com/country/el-salvador/status/confirmed/live"
df_rt_sv = pd.read_json(url_rt_sv)
df_rt_sv

	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	169646	confirmed	2022-07-09 00:00:00+00:00

900 rows × 10 columns

casos_sv = df_rt_sv.set_index('Date')['Cases']
casos_sv.plot(title="Casos de Covid-19 en El Salvador",kind = "area")

<AxesSubplot:title={'center':'Casos de Covid-19 en El Salvador'}, xlabel='Date'>

png

Datos de Honduras

df[df["Country"] == "Honduras"]

	Country	Slug	ISO2
91	Honduras	honduras	HN

url_rt_hn = "https://api.covid19api.com/country/honduras/status/confirmed/live"
df_rt_hn = pd.read_json(url_rt_hn)
df_rt_hn

	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	2022-07-09 00:00:00+00:00

900 rows × 10 columns

casos_hn = df_rt_hn.set_index('Date')['Cases']
casos_hn.plot(title="Casos de Covid-19 en Honduras",kind = "area")

<AxesSubplot:title={'center':'Casos de Covid-19 en Honduras'}, xlabel='Date'>

png

Datos de Guatemala

df[df["Country"] == "Guatemala"]

	Country	Slug	ISO2
239	Guatemala	guatemala	GT

url_rt_gt = "https://api.covid19api.com/country/guatemala/status/confirmed/live"
df_rt_gt = pd.read_json(url_rt_gt)
df_rt_gt

	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	939300	confirmed	2022-07-09 00:00:00+00:00

900 rows × 10 columns

casos_gt = df_rt_gt.set_index('Date')['Cases']
casos_gt.plot(title="Casos de Covid-19 en Guatemala",kind = "area")

<AxesSubplot:title={'center':'Casos de Covid-19 en Guatemala'}, xlabel='Date'>

png

Ploteamos los datos de los países

Para plotear dos o más países hay que seguir los siguientes pasos:

Volvemos a identificar las variables previas de lectura de Json de las dos URLs para no tener que repetir el proceso desde arriba al cerrar el documento.

Al igual que antes, se añaden todos los casos de los distintos países en una misma tabla.

pd.concat([casos_pa,casos_cr,casos_ni,casos_hn,casos_sv,casos_gt],axis=1)

	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	14690	427718	169646	922340
2022-07-06 00:00:00+00:00	925254	904934	14721	427718	169646	927473
2022-07-07 00:00:00+00:00	925254	904934	14721	427718	169646	933259
2022-07-08 00:00:00+00:00	932710	904934	14721	429408	180970	939300
2022-07-09 00:00:00+00:00	925254	904934	14721	429408	169646	939300

900 rows × 6 columns

Luego se definen la columnas con el país al que le corresponden los datos.

casos_pa_cr_ni_gt_sv_hn = pd.concat([casos_pa,casos_cr,casos_ni,casos_gt,casos_sv,casos_hn],axis=1)
casos_pa_cr_ni_gt_sv_hn.columns= ['Panamá','Costa Rica', 'Nicaragua', 'Guatemala', 'El Salvador', 'Honduras']
casos_pa_cr_ni_gt_sv_hn

	Panamá	Costa Rica	Nicaragua	Guatemala	El Salvador	Honduras
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	14690	922340	169646	427718
2022-07-06 00:00:00+00:00	925254	904934	14721	927473	169646	427718
2022-07-07 00:00:00+00:00	925254	904934	14721	933259	169646	427718
2022-07-08 00:00:00+00:00	932710	904934	14721	939300	180970	429408
2022-07-09 00:00:00+00:00	925254	904934	14721	939300	169646	429408

900 rows × 6 columns

Finalmente se muestra la tabla con las diferentes columnas. Aquí se pueden apreciar los diferentes casos de Covid19 en varios países de Centroamérica.

casos_pa_cr_ni_gt_sv_hn.plot(title="Cuadro comparativo de casos Covid-19 en los países de Centroamérica")

<AxesSubplot:title={'center':'Cuadro comparativo de casos Covid-19 en los países de Centroamérica'}, xlabel='Date'>

png