ac-garcia

#lendo o dataset no formato de um dataframe através da função read do pandas  
dataset = pd.read_csv('winequality-red.csv', sep=';') #realiza a leitura do banco de dados

ac-garcia

<iframe id="github-iframe2" src="" style="width:100%;height:450px"></iframe>
  <script>
      fetch('https://api.github.com/repos/dpavancini/covid19/contents/map_100k.html?ref=master')
          .then(function(response) {
              return response.json();
          }).then(function(data) {
              iframe = document.getElementById('github-iframe2');
              iframe.src = 'data:text/html;base64,' + encodeURIComponent(data['content']);
          });
  </script>

ac-garcia

#Exportando mapas
htmlwidgets::saveWidget(map_100k,"map_100k.html")

ac-garcia

## define cores para cada conjunto numérico
pal <- colorNumeric(palette = "Reds", domain = shp_sf$confirmed_per_100k_inhabitants)

# heatmap dos casos de covid-19, por 100 mil habitantes, em SC.
map_100k <- leaflet(shp_sf) %>%
  addProviderTiles(providers$CartoDB.Positron) %>%
  addPolygons(data = shp_sf,
              smoothFactor = 0.5,
              fillOpacity = 0.5,
              weight = 0.5,

ac-garcia

# bibliotecas
library(brazilmaps)
library(sf)

# pegando as geometrias das cidades de Santa Catarina (42)
shp <- get_brmap("City", geo.filter = list(State = 42))
shp$City <- as.character(shp$City)
# definindo que o dataframe contém dados geométricos
shp_sf <- st_as_sf(shp)%>%
 st_transform(4326)

ac-garcia

map_total_cases <- leaflet(data_covid19) %>% addTiles() %>%
  addProviderTiles(providers$CartoDB.Positron) %>% 
  addCircleMarkers(
    radius = ~sqrt(data_covid19$confirmed),
    fillOpacity = 0.5, stroke = F, 
    popup = paste0("<b>Cidade: </b>", data_covid19$city,"<br>",
                   "<b>Casos Confirmados: </b>", data_covid19$confirmed),
    label = ~city
  )

ac-garcia

## bibliotecas
library(leaflet)

map_cities <- leaflet(data_covid19) %>% 
  addTiles() %>%
  addMarkers(popup = paste0("<b>Cidade: </b>", data_covid19$city,"<br>",
                   "<b>Casos Confirmados: </b>", data_covid19$confirmed),
             label = ~city
             group = "addMarkers") %>% 
  addCircleMarkers(popup = paste0("<b>Cidade: </b>", data_covid19$city,"<br>",

ac-garcia

# Primeiro precisamos dos dados de latitude e longitude das cidades analisadas. 
urlfile <- "https://raw.githubusercontent.com/kelvins/Municipios-Brasileiros/master/csv/municipios.csv"
cities_lat_lng <- read.csv(urlfile,encoding = "UTF-8", col.names = c("COD_IBGE", "Cidade","lat","lng","Capital","Codigo_UF"))
# é necessário se certificar que o código de cada cidade estará em formato de texto, para o que a função left_join funcione. 
cities_lat_lng$COD_IBGE <- as.character(cities_lat_lng$COD_IBGE)
data_covid19 <- left_join(data_covid19, cities_lat_lng, by = c("city_ibge_code" = "COD_IBGE"))

ac-garcia

## bibliotecas
library(httr)
library(jsonlite)
library(dplyr)

## api para pegar os dados mais atualizados de Covid-19
read_CityDataCovid <- function() {
  # lê a URL da api   
  url <- "https://brasil.io/api/dataset/covid19/caso/data?format=json"
  tf <- GET(url)