1 Introducción
Hola! Durante esta pasada semana encontré este data set de Google sobre la movilidad en tiempos del COVID-19. Me pareció muy interesante y decidí crear una shiny app para explorarlo en forma interactiva.
Link aquí: https://canovasjm.shinyapps.io/covid-19-argentina/
2 Sobre los datos
Si bien el data set tiene información para muchos países, solo me concentré en Argentina.
El data set muestra los cambios porcentuales en la movilidad de cada día respecto a una línea base para seis categorías. Aquí se puede encontrar una descripción completa de los datos (en inglés) y recomiendo leerla. En forma resumida veamos cada uno de los términos en cursiva:
2.1 Movilidad
Se refiere a los cambios en la cantidad y duración de las visitas a diferentes lugares. Google aclara que calculan estos cambios usando el mismo tipo de agregación y anonimización de datos que se usa para mostrar “horarios populares” en Google Maps.
2.2 Línea base
Es la mediana del valor, para el mismo día de la semana, medida durante el periodo de 5 semanas entre el 3 de enero y 6 de febrero de 2020.
2.3 Categorias
Incluye las siguientes:
grocery_and_pharmacy: lugares como mercados, almacenes, ferias, maxi kioscos y farmacias.
parks: lugares como parques, parques nacionales, playas, embarcaderos, plazas y jardines públicos.
residential: lugares residenciales.
retail_and_recreation: lugares como restaurants, cafes, shopping, parques temáticos, museos, bibliotecas y cines.
transit_stations: sitios de transporte público como estaciones de subterraneo, colectivos y trenes.
workplaces: lugares de trabajo.
3 Bajar y procesar los datos
Usando {tidyverse} bajamos los datos desde su fuente original y hacemos algunos ajustes.
# importamos tidyverse
library(tidyverse)
# leer los datos
df <- read_csv(file = "https://www.gstatic.com/covid19/mobility/Global_Mobility_Report.csv?cachebust=722f3143b586a83f")
# transformar los datos
df <- df %>%
filter(country_region_code == "AR") %>%
select(-c(country_region_code, sub_region_2)) %>%
pivot_longer(-c(country_region, sub_region_1, date),
names_to = "type",
values_to = "values") %>%
mutate(sub_region_1 =
sub("Buenos Aires$", "CABA", sub_region_1)) %>%
mutate(sub_region_1 =
sub("* Province", "", sub_region_1)) %>%
mutate(sub_region_1 =
replace_na(sub_region_1, "Todas las provincias")) %>%
mutate(type =
sub("_percent_change_from_baseline$", "", type))4 Gráficos
Veamos algunos gráficos, por ejemplo, para la provincia de San Juan (se puede mostrar solo la línea de una categoría haciendo doble click sobre el nombre de la categoría deseada en la leyenda).
Observamos que desde el 15 de febrero (cuando comienzan los datos) hasta el 19 de marzo (cuando comenzó la cuarentena en Argentina) los índices de movilidad para las diferentes categorías se mantienen aproximadamente constantes y cercanos a cero. Es decir, no hay grandes cambios respecto de la línea base (recordemos que el eje de ordenadas mide porcentaje de cambio).
Hay una excepción a lo anterior: los días 24 y 25 de febrero, que fueron los feriados de carnaval. A partir del 19 de marzo, los índices bajan fuertemente con excepción del índice para lugares residenciales.
Pero veamos en detalle el periodo comprendido entre el 7 de marzo y el 1 de abril.
Aquí vemos que los índices comenzaron a disminuir antes que se decretara la cuarentena. Aproximadamente desde el 15 de marzo comienzan a bajar de forma sostenida. Es decir, una semana antes las personas comenzaron a tomar sus precauciones y a disminuir el uso de transporte público o las salidas a restaurantes, por ejemplo.
5 Conclusion
Aunque simples, estos gráficos dan una rápida idea del fenómeno y disparan muchas preguntas que merecen ser analizadas con más detenimiento.
Citando a John Tukey:
“The simple graph has brought more information to the data analyst’s mind than any other device”
Estos gráficos dentro de una shiny app brindan una poderosa herramienta para explorar los datos en forma interactiva. Por ejemplo, ¿qué pasó para estas mismas fechas en Córdoba o en Chaco?.
Otras ventajas de hacer una shiny app:
Aceptan varios usuario en simultáneo. Nunca más preguntarle a tu compañero “che cerraste el archivo que necesito ver una cosa?”
No hay que pagar licencias. Y si necesitás que la app sea privada, podés montar tu propio servidor de shiny (de nuevo, sin pagar licencia). Para leer más sobre cómo montar tu servidor, click aquí.