Uso de la API del Covid-19 con Pandas¶

En esta práctica vamos a utilizar "Pandas", la librería de Phyton, para trabajar sobre los datos de la Covid-19 y analizarlos.

La URL: https://api.covid19api.com/countries

Instalción de librerías:¶

Para instalar la librería utilizaremos la función "!pip". La exclamación es necesaria porque no estamos ejecutando Python, sino bash.

In [1]:
!pip install pandas

Requirement already satisfied: pandas in /usr/local/lib/python3.8/dist-packages (1.3.1)
Requirement already satisfied: pytz>=2017.3 in /usr/local/lib/python3.8/dist-packages (from pandas) (2020.4)
Requirement already satisfied: python-dateutil>=2.7.3 in /usr/local/lib/python3.8/dist-packages (from pandas) (2.8.1)
Requirement already satisfied: numpy>=1.17.3 in /usr/local/lib/python3.8/dist-packages (from pandas) (1.21.1)
Requirement already satisfied: six>=1.5 in /usr/lib/python3/dist-packages (from python-dateutil>=2.7.3->pandas) (1.14.0)

Configuración de Pandas¶

Para importar utilizaremos la convención "pd" como abrebiatura para llamar a la librería.

In [2]:
import pandas as pd

Crear variable¶

Las variables se asignan con el símbolo "=" y los escribimos entrecomillados por ser una cadena de caracteres.

In [3]:
url = "https://api.covid19api.com/countries"

Crear dataframe¶

La abreviatura que se emplea para los dataframe es "df". Existe una función "read_json()" que lo que hace es leer el formato "json". Dentro del paréntesis indicaremos el valor de lo que queremos que lea, en este caso la url.

In [4]:
df = pd.read_json(url)

Para visualizar los datos llamamos al objeto. Observaremos una tabla que contiene tres columnas y una columna de control de Pandas, que identifica cada una de las entradas del dataframe.

In [5]:
df
Out[5]:
Country Slug ISO2
0 Gambia gambia GM
1 Paraguay paraguay PY
2 Trinidad and Tobago trinidad-and-tobago TT
3 Austria austria AT
4 Sao Tome and Principe sao-tome-and-principe ST
... ... ... ...
243 Cape Verde cape-verde CV
244 Israel israel IL
245 Bolivia bolivia BO
246 Latvia latvia LV
247 Papua New Guinea papua-new-guinea PG

248 rows × 3 columns

Exploración de la tabla¶

Para ver las primeras entradas de la tabla utilizaremos la siguiente función. Como metemos el número 6 veremos las seis primeras observaciones.

In [6]:
df.head(6)
Out[6]:
Country Slug ISO2
0 Gambia gambia GM
1 Paraguay paraguay PY
2 Trinidad and Tobago trinidad-and-tobago TT
3 Austria austria AT
4 Sao Tome and Principe sao-tome-and-principe ST
5 Timor-Leste timor-leste TL

Para ver las 6 últimas entradas:

In [7]:
df.tail(6)
Out[7]:
Country Slug ISO2
242 Barbados barbados BB
243 Cape Verde cape-verde CV
244 Israel israel IL
245 Bolivia bolivia BO
246 Latvia latvia LV
247 Papua New Guinea papua-new-guinea PG

Para ver las información sobre las variables que contiene el dataframe utilizamos la siguiente función:

In [8]:
df.info()

<class 'pandas.core.frame.DataFrame'>
RangeIndex: 248 entries, 0 to 247
Data columns (total 3 columns):
 #   Column   Non-Null Count  Dtype 
---  ------   --------------  ----- 
 0   Country  248 non-null    object
 1   Slug     248 non-null    object
 2   ISO2     248 non-null    object
dtypes: object(3)
memory usage: 5.9+ KB

Para visualizar solo una de las variables:

In [10]:
df['Country']
Out[10]:
0                     Gambia
1                   Paraguay
2        Trinidad and Tobago
3                    Austria
4      Sao Tome and Principe
               ...          
243               Cape Verde
244                   Israel
245                  Bolivia
246                   Latvia
247         Papua New Guinea
Name: Country, Length: 248, dtype: object

Para ver un valor concreto de una de las variables:

In [13]:
df['Country'][66]
Out[13]:
'Honduras'

Tiempo real¶

La URL que utilizaremos ahora es la siguiente: https://api.covid19.api.com/country/spain/status/confirmed/live

Guardaremos los datos de la misma manera que lo hicimos anteriormente, pero añadiendo "df_es" (abreviatura de España) para identificar que este dataframe es de este país concreto.

In [14]:
url_es = 'https://api.covid19api.com/country/spain/status/confirmed/live'
df_es = pd.read_json(url_es)
df_es
Out[14]:
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
... ... ... ... ... ... ... ... ... ... ...
816 Spain ES 40.46 -3.75 11662214 confirmed 2022-04-17 00:00:00+00:00
817 Spain ES 40.46 -3.75 11662214 confirmed 2022-04-18 00:00:00+00:00
818 Spain ES 40.46 -3.75 11736893 confirmed 2022-04-19 00:00:00+00:00
819 Spain ES 40.46 -3.75 11736893 confirmed 2022-04-20 00:00:00+00:00
820 Spain ES 40.46 -3.75 11736893 confirmed 2022-04-21 00:00:00+00:00

821 rows × 10 columns

Exploración de datos:¶

Por columnas:

In [15]:
df_es.columns
Out[15]:
Index(['Country', 'CountryCode', 'Province', 'City', 'CityCode', 'Lat', 'Lon',
       'Cases', 'Status', 'Date'],
      dtype='object')

Cabecera

In [16]:
df_es.head(2)
Out[16]:
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

Cola

In [17]:
df_es.tail(2)
Out[17]:
Country CountryCode Province City CityCode Lat Lon Cases Status Date
819 Spain ES 40.46 -3.75 11736893 confirmed 2022-04-20 00:00:00+00:00
820 Spain ES 40.46 -3.75 11736893 confirmed 2022-04-21 00:00:00+00:00

Información sobre las variables

In [18]:
df_es.info()

<class 'pandas.core.frame.DataFrame'>
RangeIndex: 821 entries, 0 to 820
Data columns (total 10 columns):
 #   Column       Non-Null Count  Dtype              
---  ------       --------------  -----              
 0   Country      821 non-null    object             
 1   CountryCode  821 non-null    object             
 2   Province     821 non-null    object             
 3   City         821 non-null    object             
 4   CityCode     821 non-null    object             
 5   Lat          821 non-null    float64            
 6   Lon          821 non-null    float64            
 7   Cases        821 non-null    int64              
 8   Status       821 non-null    object             
 9   Date         821 non-null    datetime64[ns, UTC]
dtypes: datetime64[ns, UTC](1), float64(2), int64(1), object(6)
memory usage: 64.3+ KB

Para obtener una descripción estadística de las variables numéricas del dataframe (obtenemos el número total, la media, la desviación, el mínimo y máximo y los cuartiles):

In [19]:
df_es.describe()
Out[19]:
Lat Lon Cases
count 8.210000e+02 821.00 8.210000e+02
mean 4.046000e+01 -3.75 3.426515e+06
std 1.421952e-14 0.00 3.312558e+06
min 4.046000e+01 -3.75 0.000000e+00
25% 4.046000e+01 -3.75 3.428130e+05
50% 4.046000e+01 -3.75 3.180212e+06
75% 4.046000e+01 -3.75 4.953930e+06
max 4.046000e+01 -3.75 1.173689e+07

Elaboración de un gráfico¶

Para elaborar el gráfico en el eje X la fecha y en el eje Y los casos confirmados.

Para ello vamos a establecer la fecha como índice de la función. Esto hace que nuestras entradas se identifiquen por la fecha y no por el índice que le había dado Pandas en un inicio.

In [20]:
df_es.set_index('Date')
Out[20]:
Country CountryCode Province City CityCode Lat Lon Cases Status
Date
2020-01-22 00:00:00+00:00 Spain ES 40.46 -3.75 0 confirmed
2020-01-23 00:00:00+00:00 Spain ES 40.46 -3.75 0 confirmed
2020-01-24 00:00:00+00:00 Spain ES 40.46 -3.75 0 confirmed
2020-01-25 00:00:00+00:00 Spain ES 40.46 -3.75 0 confirmed
2020-01-26 00:00:00+00:00 Spain ES 40.46 -3.75 0 confirmed
... ... ... ... ... ... ... ... ... ...
2022-04-17 00:00:00+00:00 Spain ES 40.46 -3.75 11662214 confirmed
2022-04-18 00:00:00+00:00 Spain ES 40.46 -3.75 11662214 confirmed
2022-04-19 00:00:00+00:00 Spain ES 40.46 -3.75 11736893 confirmed
2022-04-20 00:00:00+00:00 Spain ES 40.46 -3.75 11736893 confirmed
2022-04-21 00:00:00+00:00 Spain ES 40.46 -3.75 11736893 confirmed

821 rows × 9 columns

Como necesito una tabla que también refleje los casos confirmados crearemos una vista en la que ver el número de casos confirmados por fecha.

In [21]:
df_es.set_index('Date')['Cases']
Out[21]:
Date
2020-01-22 00:00:00+00:00           0
2020-01-23 00:00:00+00:00           0
2020-01-24 00:00:00+00:00           0
2020-01-25 00:00:00+00:00           0
2020-01-26 00:00:00+00:00           0
                               ...   
2022-04-17 00:00:00+00:00    11662214
2022-04-18 00:00:00+00:00    11662214
2022-04-19 00:00:00+00:00    11736893
2022-04-20 00:00:00+00:00    11736893
2022-04-21 00:00:00+00:00    11736893
Name: Cases, Length: 821, dtype: int64

Sobre este vista creamos el gráfico a través de la función "plot".

In [22]:
df_es.set_index('Date')['Cases'].plot()
Out[22]:
<AxesSubplot:xlabel='Date'>

Nombraremos nuestro gráfico con el atributo title:

In [23]:
df_es.set_index('Date')['Cases'].plot(title= "Casos de Covid19 en España")
Out[23]:
<AxesSubplot:title={'center':'Casos de Covid19 en España'}, xlabel='Date'>

Repetimos la operación con un nuevo país, Italia. Lo identificamos con _it

In [25]:
url_it = 'https://api.covid19api.com/country/italy/status/confirmed/live'
df_it = pd.read_json(url_it)
df_it.set_index('Date')['Cases'].plot(title= "Casos de Covid19 Italia")
Out[25]:
<AxesSubplot:title={'center':'Casos de Covid19 Italia'}, xlabel='Date'>

Ahora con Uruguay (_ur):

In [26]:
url_ur = 'https://api.covid19api.com/country/uruguay/status/confirmed/live'
df_ur = pd.read_json(url_ur)
df_ur.set_index('Date')['Cases'].plot(title= "Casos de Covid19 Uruguay")
Out[26]:
<AxesSubplot:title={'center':'Casos de Covid19 Uruguay'}, xlabel='Date'>

Comparación¶

Las vistas creadas antes las vamos a guardar como objetos para poder agruparlos y compararlos.

In [27]:
casos_es = df_es.set_index('Date')['Cases']
casos_it = df_it.set_index('Date')['Cases']
casos_ur = df_ur.set_index('Date')['Cases']
In [28]:
casos_ur
Out[28]:
Date
2020-01-22 00:00:00+00:00         0
2020-01-23 00:00:00+00:00         0
2020-01-24 00:00:00+00:00         0
2020-01-25 00:00:00+00:00         0
2020-01-26 00:00:00+00:00         0
                              ...  
2022-04-18 00:00:00+00:00    895775
2022-04-19 00:00:00+00:00    895775
2022-04-20 00:00:00+00:00    895775
2022-04-21 00:00:00+00:00    895775
2022-04-22 00:00:00+00:00    895775
Name: Cases, Length: 822, dtype: int64

Vamos a concatenar los daots con la función pd.concat. Así los uniremos en el mismo dataframe. Es importante hacer la concatenación en el eje 1 (axis=1)

In [29]:
pd.concat([casos_es,casos_it,casos_ur],axis=1)
Out[29]:
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
... ... ... ...
2022-04-18 00:00:00+00:00 11662214.0 15730676.0 895775
2022-04-19 00:00:00+00:00 11736893.0 15758002.0 895775
2022-04-20 00:00:00+00:00 11736893.0 15858442.0 895775
2022-04-21 00:00:00+00:00 11736893.0 15934437.0 895775
2022-04-22 00:00:00+00:00 NaN NaN 895775

822 rows × 3 columns

Para comparar los datos de los países vamos a crear un objeto llamado "vs".

In [33]:
vs = pd.concat([casos_es,casos_it,casos_ur],axis=1)
In [34]:
vs
Out[34]:
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
... ... ... ...
2022-04-18 00:00:00+00:00 11662214.0 15730676.0 895775
2022-04-19 00:00:00+00:00 11736893.0 15758002.0 895775
2022-04-20 00:00:00+00:00 11736893.0 15858442.0 895775
2022-04-21 00:00:00+00:00 11736893.0 15934437.0 895775
2022-04-22 00:00:00+00:00 NaN NaN 895775

822 rows × 3 columns

Ahora crearemos el gráfico. Para ello vamos a nombrar las variables, los casos de cada país, con el nombre del país para la leyenda del gráfico:

In [35]:
vs.columns = ['España', 'Italia', 'Uruguay']
In [36]:
vs
Out[36]:
España Italia Uruguay
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
... ... ... ...
2022-04-18 00:00:00+00:00 11662214.0 15730676.0 895775
2022-04-19 00:00:00+00:00 11736893.0 15758002.0 895775
2022-04-20 00:00:00+00:00 11736893.0 15858442.0 895775
2022-04-21 00:00:00+00:00 11736893.0 15934437.0 895775
2022-04-22 00:00:00+00:00 NaN NaN 895775

822 rows × 3 columns

Como antes para visualizar el gráfico utilizaremos la función "plot":

In [37]:
vs.plot(title="España vs Italia vs Uruguay")
Out[37]:
<AxesSubplot:title={'center':'España vs Italia vs Uruguay'}, xlabel='Date'>

Vamos a elegir el tipo que gráfico que queremos, un gráfico de áreas, con el atributo "kind"

In [38]:
vs.plot(title="España vs Italia vs Uruguay", kind='area')
Out[38]:
<AxesSubplot:title={'center':'España vs Italia vs Uruguay'}, xlabel='Date'>

Guardar el gráfico¶

Vamos a guardar el dataframe "vs" como csv de la siguiente manera:

In [39]:
vs.to_csv('esvsit.csv')

Para ver dónde lo hemos guardado:

In [40]:
!ls

api-pandas-folium.ipynb  probando-con-r.ipynb		Shared_Resources
esvsit.csv		 python-api-covid-pandas.ipynb	Untitled.ipynb

Guardar la imagen:¶

Importamos la librería matplotlib para guardarlo porque es aquella que permite visualizar los datos en Python.

In [41]:
import matplotlib.pyplot as plt
vs.plot()
plt.savefig('esvsit.png')