AD4: Conexión con la API del Covid y análisis con Pandas

Esta es la actividad dirigia 4, aquí mostramos las diversas tablas o gráficos con las cifras del Covid-19 tras un análisis de un sitio web que mantiene actualizados los datos desde el inicio de la pandemia. Esta actividad la realizamos con el Pandas.

Me conecto a la API: Covid19api

Instalación de Pandas

Para poder comenzar con este proceso de análisis de los datos instalaremos pandas. Luego haremos lo mismo con el numpy.

!pip install pandas

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

pip install numpy

Requirement already satisfied: numpy in c:\users\rcarranza\anaconda3\lib\site-packages (1.21.5)Note: you may need to restart the kernel to use updated packages.

pip install pd

Requirement already satisfied: pd in c:\users\rcarranza\anaconda3\lib\site-packages (0.0.4)
Note: you may need to restart the kernel to use updated packages.

Importar Pandas

Procedemos a importar Pandas a pd, con esta acción esperamos que la nomeclatura al momento de establecer un código de ejecución sea más práctica.

import pandas as pd

Selección de ciudades con Covid-19

Seleccionaremos el sitio Web de API, las ciudades con Covid19.

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

url

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

Marco de Datos

A través de Pandas llamaremos para visualización de los datos de las ciudades con el comando: df = pd.read_json(url)

df = pd.read_json(url)

df

.dataframe tbody tr th {
    vertical-align: top;
}

.dataframe thead th {
    text-align: right;
}

</style>

	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

Visualización de Datos

Se mostrará la visualización de los datos, los resultados de países como España y Panamá. Luego se podrá ver gráficos y ver el desarrollo del virus, al mismo tiempo que una comparación de estos dos países.

Datos de España

Comenzamos con data frame de este país y luego conocer la posición y posteriormente mediante la url procedemos a hacer el llamado de los datos desde el primer día de la pandemia hasta la fecha actual. Se hará con: df[df['País'] == 'España']

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

.dataframe tbody tr th {
    vertical-align: top;
}

.dataframe thead th {
    text-align: right;
}

</style>

	Country	Slug	ISO2
141	Spain	spain	ES

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

.dataframe tbody tr th {
    vertical-align: top;
}

.dataframe thead th {
    text-align: right;
}

</style>

	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

Ahora, aplicaremos un data frame para mostrar la cabecera de los resultados en España

df_rt_es.head()

.dataframe tbody tr th {
    vertical-align: top;
}

.dataframe thead th {
    text-align: right;
}

</style>

	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

En esta oportunidad con otro data frame vizualizaremos la parte final de la tabla

df_rt_es.tail()

.dataframe tbody tr th {
    vertical-align: top;
}

.dataframe thead th {
    text-align: right;
}

</style>

	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

Gráfica de los datos

Mediante el comando casos_es.plot() plotearemos los datos para que se visualicen los resultados

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

Matplotlib is building the font cache; this may take a moment.





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

Datos de Panamá

En esta ocasión realizamos la creación de un data frame de la ciudad para conocer su posición. Posteriormente se hizo la selección de los datos a través de la url de API. Además, se creó otro data frame para hacer el llamado través de Pandas de la información del url. Por último se procederá a vizualizar el gráfico para conocer el compromiso del virus desde el día 1 a la actualidad.

Conoceremos la posición de Panamá

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

.dataframe tbody tr th {
    vertical-align: top;
}

.dataframe thead th {
    text-align: right;
}

</style>

	Country	Slug	ISO2
190	Panama	panama	PA

Datos a través de la url de API

url_casos_pa = 'https://api.covid19api.com/country/panama/status/confirmed/live'

Data frame para hacer el llamado a través de Pandas

df_rt_pa = pd.read_json(url_casos_pa)

df_rt_pa

.dataframe tbody tr th {
    vertical-align: top;
}

.dataframe thead th {
    text-align: right;
}

</style>

	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

Visualizar el Gráfico

casos_pa = df_rt_pa.set_index('Date')['Cases']
casos_pa.plot(title="Casos de Covid19 en Panamá")

<AxesSubplot:title={'center':'Casos de Covid19 en Panamá'}, xlabel='Date'>

Ploteamos a los países de España y Panamá

Hicimos la comparación de los casos de España y panamá, se plotearon y se mostró la gráfica comparativa sobre el comportamiento del virus cuando comenzó la pandemia.

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

.dataframe tbody tr th {
    vertical-align: top;
}

.dataframe thead th {
    text-align: right;
}

</style>

	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
2022-07-09 00:00:00+00:00	NaN	925254

900 rows × 2 columns

Ahora se procede a identificar cada columna para saber los resultados de cada país, porque en la tabla superior sólo se apreció la variable de casos.

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

.dataframe tbody tr th {
    vertical-align: top;
}

.dataframe thead th {
    text-align: right;
}

</style>

	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
2022-07-09 00:00:00+00:00	NaN	925254

900 rows × 2 columns

Comparación de Gráficos

Realizamos la comparativa en la que se muestra el comportamiento del virus en ambos países y se hizo con el comando: pa_vs_es.plot()

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

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

Comparación de Países Centroamericanos

Se hizo una comparación del compromiso del virus Covid19, en los países Centroamericanos y lo hicimos tal cual realizamos con España y Panamá.

Honduras

url_casos_hnd = 'https://api.covid19api.com/country/honduras/status/confirmed/live'
df_rt_hnd = pd.read_json(url_casos_hnd)
casos_hnd = df_rt_hnd.set_index('Date')['Cases']
casos_hnd.plot(title="Casos de Covid19 en Honduras")

<AxesSubplot:title={'center':'Casos de Covid19 en Honduras'}, xlabel='Date'>

Costa Rica

url_casos_cr = 'https://api.covid19api.com/country/costa-rica/status/confirmed/live'
df_rt_cr = pd.read_json(url_casos_cr)
casos_cr = df_rt_cr.set_index('Date')['Cases']

casos_cr.plot(title="Casos de Covid19 en Costa Rica")

<AxesSubplot:title={'center':'Casos de Covid19 en Costa Rica'}, xlabel='Date'>

Nicaragua

url_casos_ni = 'https://api.covid19api.com/country/nicaragua/status/confirmed/live'
df_rt_ni = pd.read_json(url_casos_ni)
casos_ni = df_rt_ni.set_index('Date')['Cases']
casos_ni.plot(title="Casos de Covid19 en Nicaraguas")

<AxesSubplot:title={'center':'Casos de Covid19 en Nicaraguas'}, xlabel='Date'>

El Salvador

url_casos_elsalv = 'https://api.covid19api.com/country/el-salvador/status/confirmed/live'
df_rt_elsalv = pd.read_json(url_casos_elsalv)
casos_elsalv = df_rt_elsalv.set_index('Date')['Cases']
casos_elsalv.plot(title="Casos de Covid19 en El Salvador")

<AxesSubplot:title={'center':'Casos de Covid19 en El Salvador'}, xlabel='Date'>

Gráficos de Comparación de países Centroamericanos

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

.dataframe tbody tr th {
    vertical-align: top;
}

.dataframe thead th {
    text-align: right;
}

</style>

	Cases	Cases	Cases	Cases	Cases
Date
2020-01-22 00:00:00+00:00	0	0	0	0	0
2020-01-23 00:00:00+00:00	0	0	0	0	0
2020-01-24 00:00:00+00:00	0	0	0	0	0
2020-01-25 00:00:00+00:00	0	0	0	0	0
2020-01-26 00:00:00+00:00	0	0	0	0	0
...	...	...	...	...	...
2022-07-05 00:00:00+00:00	925254	904934	427718	169646	14690
2022-07-06 00:00:00+00:00	925254	904934	427718	169646	14721
2022-07-07 00:00:00+00:00	925254	904934	427718	169646	14721
2022-07-08 00:00:00+00:00	932710	904934	429408	180970	14721
2022-07-09 00:00:00+00:00	925254	904934	429408	169646	14721

900 rows × 5 columns

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

.dataframe tbody tr th {
    vertical-align: top;
}

.dataframe thead th {
    text-align: right;
}

</style>

	Panamá	Costa Rica	Honduras	El Salvador	Nicaragua
Date
2020-01-22 00:00:00+00:00	0	0	0	0	0
2020-01-23 00:00:00+00:00	0	0	0	0	0
2020-01-24 00:00:00+00:00	0	0	0	0	0
2020-01-25 00:00:00+00:00	0	0	0	0	0
2020-01-26 00:00:00+00:00	0	0	0	0	0
...	...	...	...	...	...
2022-07-05 00:00:00+00:00	925254	904934	427718	169646	14690
2022-07-06 00:00:00+00:00	925254	904934	427718	169646	14721
2022-07-07 00:00:00+00:00	925254	904934	427718	169646	14721
2022-07-08 00:00:00+00:00	932710	904934	429408	180970	14721
2022-07-09 00:00:00+00:00	925254	904934	429408	169646	14721

900 rows × 5 columns

df_ca.plot(title="Comparativa Covid19 de países Centroamericanos", logy=True)

<AxesSubplot:title={'center':'Comparativa Covid19 de países Centroamericanos'}, xlabel='Date'>

Provide feedback

Saved searches

Use saved searches to filter your results more quickly

ad4.md

ad4.md

AD4: Conexión con la API del Covid y análisis con Pandas

Instalación de Pandas

Importar Pandas

Selección de ciudades con Covid-19

Marco de Datos

Visualización de Datos

Datos de España

Gráfica de los datos

Datos de Panamá

Conoceremos la posición de Panamá

Datos a través de la url de API

Data frame para hacer el llamado a través de Pandas

Visualizar el Gráfico

Ploteamos a los países de España y Panamá

Comparación de Gráficos

Comparación de Países Centroamericanos

Honduras

Costa Rica

Nicaragua

El Salvador

Gráficos de Comparación de países Centroamericanos

Files

ad4.md

Latest commit

History

ad4.md

File metadata and controls

AD4: Conexión con la API del Covid y análisis con Pandas

Instalación de Pandas

Importar Pandas

Selección de ciudades con Covid-19

Marco de Datos

Visualización de Datos

Datos de España

Gráfica de los datos

Datos de Panamá

Conoceremos la posición de Panamá

Datos a través de la url de API

Data frame para hacer el llamado a través de Pandas

Visualizar el Gráfico

Ploteamos a los países de España y Panamá

Comparación de Gráficos

Comparación de Países Centroamericanos

Honduras

Costa Rica

Nicaragua

El Salvador

Gráficos de Comparación de países Centroamericanos