Uso De la API del Covid-19 con Pandas

A continuación trabajaremos con los datos facilitados por la página la API de datos del COVID-19, cuyo fin es recopilar información se los contagias de covid-19 en todo el planeta.

ad4.ipynb

En este ejercicio implementaremos la función Pandas, librería externa de Python, con la trabajaremos los datos del Covid-19 para aprender a crear gráficas de líneas

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

Instalación de librerias:

Para la instalación las librerías con la que trabajaremos se utiliza pip.

pip es un manejador de paquetes para Python

pip install pandas

Requirement already satisfied: pandas in c:\users\gabri\anaconda3\lib\site-packages (1.4.4)
Requirement already satisfied: pytz>=2020.1 in c:\users\gabri\anaconda3\lib\site-packages (from pandas) (2022.1)
Requirement already satisfied: python-dateutil>=2.8.1 in c:\users\gabri\anaconda3\lib\site-packages (from pandas) (2.8.2)
Requirement already satisfied: numpy>=1.18.5 in c:\users\gabri\anaconda3\lib\site-packages (from pandas) (1.21.5)
Requirement already satisfied: six>=1.5 in c:\users\gabri\anaconda3\lib\site-packages (from python-dateutil>=2.8.1->pandas) (1.16.0)
Note: you may need to restart the kernel to use updated packages.

Configuración de Pandas

Al instalar el Pandas este se importa como pd

import pandas as pd

Pandas: de acuerdo con pypi.org esta es una herramienta de análisis de datos de código, de lectura rápida en el lenguaje de programación de Python.

Para que Python carga todas las bibliotecas. Se tiene que usar el enunciado import en nuestro código para usar las funciones de la biblioteca. E importar la biblioteca Pandas empleando su abreviatura pd.

Mi url

Luego creamos la variable miurl para designar la dirección de la página deseada que incluiremos en la fórmula dentro de comillas simples.

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

Para certificar el correcto funcionamiento de la variable creada, escribimos miurl y debería mostrar el link de la página con que trabajaremos.

miurl

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

Si queremos saber qué tipo de variable representa miurl, solo tengo que encerrarlo en paréntesis y entrar en una función type

type(miurl)

str

str según w3schools Str en Python es una función convierte el valor especificado en una cadena.

Ejecutamos función Pandas

dataframe

Según pandas.pydata.org dataframe puede contener series, matrices, constantes, clases de datos u objetos similares a listas. Si los datos son un dictado, el orden de las columnas sigue el orden de inserción. Si un dict contiene Series que tienen un índice definido, se alinea por su índice.

La abreviatura de dataframe es df. Con función read_json() que lee el formato json. dentro del parentecer ponemos lo que queremos leer. Ejemplo, un miurl.

df = pd.read_json(miurl)

Para visualizar los datos llamamos el objeto y Pandas identifica una de las entradas del dataframe. Y Observamos una tabla de Pandas que identifica las entradas del dataframe.

df

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

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

</style>

	Country	Slug	ISO2
0	Maldives	maldives	MV
1	Slovakia	slovakia	SK
2	Christmas Island	christmas-island	CX
3	Djibouti	djibouti	DJ
4	Macedonia, Republic of	macedonia	MK
...	...	...	...
243	Bulgaria	bulgaria	BG
244	Greenland	greenland	GL
245	Sweden	sweden	SE
246	Georgia	georgia	GE
247	Uruguay	uruguay	UY

248 rows × 3 columns

Exploracion de la tabla

Para ver las primeras entradas de la tabla utilizaremos la siguiente función:

df.head(6)

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

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

</style>

	Country	Slug	ISO2
0	Maldives	maldives	MV
1	Slovakia	slovakia	SK
2	Christmas Island	christmas-island	CX
3	Djibouti	djibouti	DJ
4	Macedonia, Republic of	macedonia	MK
5	Singapore	singapore	SG

Con df.tail() Vemos las ultimas

df.tail(6)

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

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

</style>

	Country	Slug	ISO2
242	Northern Mariana Islands	northern-mariana-islands	MP
243	Bulgaria	bulgaria	BG
244	Greenland	greenland	GL
245	Sweden	sweden	SE
246	Georgia	georgia	GE
247	Uruguay	uruguay	UY

Para ver las informaciones sobre las variables que contiene el df usamos la siguiente función:

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 ver un valor concreto de una de las varibles:

df['Country'][66]

'Ireland'

df['ISO2'].head()

0    MV
1    SK
2    CX
3    DJ
4    MK
Name: ISO2, dtype: object

Tiempo real

Colombia

La url que utilizamos ahora es la siguiente: https://api.covid19api.com/country/colombia/status/confirmed/live

Guardamos los datos, pero ahora añadiendo col (abreviatura de colombia) para identificar y solo trabajar con este país df_col.

url_col = 'https://api.covid19api.com/country/colombia/status/confirmed/live'
df_col = pd.read_json(url_col)
df_col

.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	Colombia	CO				4.57	-74.3	0	confirmed	2020-01-22 00:00:00+00:00
1	Colombia	CO				4.57	-74.3	0	confirmed	2020-01-23 00:00:00+00:00
2	Colombia	CO				4.57	-74.3	0	confirmed	2020-01-24 00:00:00+00:00
3	Colombia	CO				4.57	-74.3	0	confirmed	2020-01-25 00:00:00+00:00
4	Colombia	CO				4.57	-74.3	0	confirmed	2020-01-26 00:00:00+00:00
...	...	...	...	...	...	...	...	...	...	...
1042	Colombia	CO				4.57	-74.3	6312657	confirmed	2022-11-29 00:00:00+00:00
1043	Colombia	CO				4.57	-74.3	6312657	confirmed	2022-11-30 00:00:00+00:00
1044	Colombia	CO				4.57	-74.3	6312657	confirmed	2022-12-01 00:00:00+00:00
1045	Colombia	CO				4.57	-74.3	6314107	confirmed	2022-12-02 00:00:00+00:00
1046	Colombia	CO				4.57	-74.3	6314107	confirmed	2022-12-03 00:00:00+00:00

1047 rows × 10 columns

Explorar Datos

Para saber el nombre de las sesiones de como se están en que se están dividiendo las columnas

df_col.columns

Index(['Country', 'CountryCode', 'Province', 'City', 'CityCode', 'Lat', 'Lon',
       'Cases', 'Status', 'Date'],
      dtype='object')

Para ver las entradas que encabezan nuestra tabla usamos el siguiente código

df_col.head(10)

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

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

</style>

	Country	CountryCode	Lat	Lon	Status	Date
0	Colombia	CO	4.57	-74.3	confirmed	2020-01-22 00:00:00+00:00
1	Colombia	CO	4.57	-74.3	confirmed	2020-01-23 00:00:00+00:00
2	Colombia	CO	4.57	-74.3	confirmed	2020-01-24 00:00:00+00:00
3	Colombia	CO	4.57	-74.3	confirmed	2020-01-25 00:00:00+00:00
4	Colombia	CO	4.57	-74.3	confirmed	2020-01-26 00:00:00+00:00
5	Colombia	CO	4.57	-74.3	confirmed	2020-01-27 00:00:00+00:00
6	Colombia	CO	4.57	-74.3	confirmed	2020-01-28 00:00:00+00:00
7	Colombia	CO	4.57	-74.3	confirmed	2020-01-29 00:00:00+00:00
8	Colombia	CO	4.57	-74.3	confirmed	2020-01-30 00:00:00+00:00
9	Colombia	CO	4.57	-74.3	confirmed	2020-01-31 00:00:00+00:00

Para ver las entradas que finalizan nuestra tabla usamos el siguiente código

df_col.tail(10)

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

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

</style>

	Country	CountryCode	Lat	Lon	Cases	Status	Date
1037	Colombia	CO	4.57	-74.3	6312657	confirmed	2022-11-24 00:00:00+00:00
1038	Colombia	CO	4.57	-74.3	6312657	confirmed	2022-11-25 00:00:00+00:00
1039	Colombia	CO	4.57	-74.3	6312657	confirmed	2022-11-26 00:00:00+00:00
1040	Colombia	CO	4.57	-74.3	6312657	confirmed	2022-11-27 00:00:00+00:00
1041	Colombia	CO	4.57	-74.3	6312657	confirmed	2022-11-28 00:00:00+00:00
1042	Colombia	CO	4.57	-74.3	6312657	confirmed	2022-11-29 00:00:00+00:00
1043	Colombia	CO	4.57	-74.3	6312657	confirmed	2022-11-30 00:00:00+00:00
1044	Colombia	CO	4.57	-74.3	6312657	confirmed	2022-12-01 00:00:00+00:00
1045	Colombia	CO	4.57	-74.3	6314107	confirmed	2022-12-02 00:00:00+00:00
1046	Colombia	CO	4.57	-74.3	6314107	confirmed	2022-12-03 00:00:00+00:00

df_col.info()

<class 'pandas.core.frame.DataFrame'>
RangeIndex: 1047 entries, 0 to 1046
Data columns (total 10 columns):
 #   Column       Non-Null Count  Dtype              
---  ------       --------------  -----              
 0   Country      1047 non-null   object             
 1   CountryCode  1047 non-null   object             
 2   Province     1047 non-null   object             
 3   City         1047 non-null   object             
 4   CityCode     1047 non-null   object             
 5   Lat          1047 non-null   float64            
 6   Lon          1047 non-null   float64            
 7   Cases        1047 non-null   int64              
 8   Status       1047 non-null   object             
 9   Date         1047 non-null   datetime64[ns, UTC]
dtypes: datetime64[ns, UTC](1), float64(2), int64(1), object(6)
memory usage: 81.9+ KB

Para Obtener una descripción estadística de las variables del df (numero total, media, moda, desviación, mínimo, máximo y cuartiles):

df_col.describe()

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

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

</style>

	Lat	Lon	Cases
count	1.047000e+03	1.047000e+03	1.047000e+03
mean	4.570000e+00	-7.430000e+01	3.444014e+06
std	1.866066e-14	1.464418e-12	2.438811e+06
min	4.570000e+00	-7.430000e+01	0.000000e+00
25%	4.570000e+00	-7.430000e+01	8.985235e+05
50%	4.570000e+00	-7.430000e+01	4.187194e+06
75%	4.570000e+00	-7.430000e+01	6.078859e+06
max	4.570000e+00	-7.430000e+01	6.314107e+06

Gráficos

Para la elaboración del mismo en el eje X (fechas) y Y (Casos).

Vamos a establcer la fecha como índice.

df_col.set_index('Date')

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

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

</style>

	Country	CountryCode	Province	City	CityCode	Lat	Lon	Cases	Status
Date
2020-01-22 00:00:00+00:00	Colombia	CO				4.57	-74.3	0	confirmed
2020-01-23 00:00:00+00:00	Colombia	CO				4.57	-74.3	0	confirmed
2020-01-24 00:00:00+00:00	Colombia	CO				4.57	-74.3	0	confirmed
2020-01-25 00:00:00+00:00	Colombia	CO				4.57	-74.3	0	confirmed
2020-01-26 00:00:00+00:00	Colombia	CO				4.57	-74.3	0	confirmed
...	...	...	...	...	...	...	...	...	...
2022-11-29 00:00:00+00:00	Colombia	CO				4.57	-74.3	6312657	confirmed
2022-11-30 00:00:00+00:00	Colombia	CO				4.57	-74.3	6312657	confirmed
2022-12-01 00:00:00+00:00	Colombia	CO				4.57	-74.3	6312657	confirmed
2022-12-02 00:00:00+00:00	Colombia	CO				4.57	-74.3	6314107	confirmed
2022-12-03 00:00:00+00:00	Colombia	CO				4.57	-74.3	6314107	confirmed

1047 rows × 9 columns

df_col

.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	Colombia	CO				4.57	-74.3	0	confirmed	2020-01-22 00:00:00+00:00
1	Colombia	CO				4.57	-74.3	0	confirmed	2020-01-23 00:00:00+00:00
2	Colombia	CO				4.57	-74.3	0	confirmed	2020-01-24 00:00:00+00:00
3	Colombia	CO				4.57	-74.3	0	confirmed	2020-01-25 00:00:00+00:00
4	Colombia	CO				4.57	-74.3	0	confirmed	2020-01-26 00:00:00+00:00
...	...	...	...	...	...	...	...	...	...	...
1042	Colombia	CO				4.57	-74.3	6312657	confirmed	2022-11-29 00:00:00+00:00
1043	Colombia	CO				4.57	-74.3	6312657	confirmed	2022-11-30 00:00:00+00:00
1044	Colombia	CO				4.57	-74.3	6312657	confirmed	2022-12-01 00:00:00+00:00
1045	Colombia	CO				4.57	-74.3	6314107	confirmed	2022-12-02 00:00:00+00:00
1046	Colombia	CO				4.57	-74.3	6314107	confirmed	2022-12-03 00:00:00+00:00

1047 rows × 10 columns

Como la tabla debe reflejar también los casos, creamos una tabla para ver datos por fechas con el código siguiente:

df_col.set_index('Date')['Cases']

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
                              ...   
2022-11-29 00:00:00+00:00    6312657
2022-11-30 00:00:00+00:00    6312657
2022-12-01 00:00:00+00:00    6312657
2022-12-02 00:00:00+00:00    6314107
2022-12-03 00:00:00+00:00    6314107
Name: Cases, Length: 1047, dtype: int64

Sobre esta vista creamos el gráfico con la funcion plot.

df_col.set_index('Date')['Cases'].plot()

<AxesSubplot:xlabel='Date'>

La variable title que significa en español título. Esta variable se encuentra dentro de paréntesis en del siguiente código df_col.set_index('Date')['Cases'].plot(title= ""). Dentro de estas comillas pondremos el enunciado que servirá de título para nuestra gráfica

df_col.set_index('Date')['Cases'].plot(title= "Casos Covid-19 Colombia 2021-2022")

<AxesSubplot:title={'center':'Casos Covid-19 Colombia 2021-2022'}, xlabel='Date'>

Repetimos con los datos de España, Ecuador y República Dominicana:

España

La url que utilizamos ahora es la siguiente: https://api.covid19api.com/country/spain/status/confirmed/live

Guardamos los datos, pero ahora añadiendo es (abreviatura de España) para identificar y solo trabajar con este país df_es.

url_es = 'https://api.covid19api.com/country/spain/status/confirmed/live'
df_es = pd.read_json(url_es)
df_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
...	...	...	...	...	...	...	...	...	...	...
1042	Spain	ES				40.46	-3.75	13595504	confirmed	2022-11-29 00:00:00+00:00
1043	Spain	ES				40.46	-3.75	13595504	confirmed	2022-11-30 00:00:00+00:00
1044	Spain	ES				40.46	-3.75	13595504	confirmed	2022-12-01 00:00:00+00:00
1045	Spain	ES				40.46	-3.75	13614807	confirmed	2022-12-02 00:00:00+00:00
1046	Spain	ES				40.46	-3.75	13614807	confirmed	2022-12-03 00:00:00+00:00

1047 rows × 10 columns

df_es.set_index('Date')['Cases'].plot(title= "Casos Covid-19 España 2021-2022")

<AxesSubplot:title={'center':'Casos Covid-19 España 2021-2022'}, xlabel='Date'>

Ecuador

La url que utilizamos ahora es la siguiente: https://api.covid19api.com/country/ecuador/status/confirmed/live

Guardamos los datos, pero ahora añadiendo ec (abreviatura de Ecuador) para identificar y solo trabajar con este país df_ec.

url_ec = 'https://api.covid19api.com/country/ecuador/status/confirmed/live'
df_ec = pd.read_json(url_ec)
df_ec

.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	Ecuador	EC				-1.83	-78.18	0	confirmed	2020-01-22 00:00:00+00:00
1	Ecuador	EC				-1.83	-78.18	0	confirmed	2020-01-23 00:00:00+00:00
2	Ecuador	EC				-1.83	-78.18	0	confirmed	2020-01-24 00:00:00+00:00
3	Ecuador	EC				-1.83	-78.18	0	confirmed	2020-01-25 00:00:00+00:00
4	Ecuador	EC				-1.83	-78.18	0	confirmed	2020-01-26 00:00:00+00:00
...	...	...	...	...	...	...	...	...	...	...
1042	Ecuador	EC				-1.83	-78.18	1011132	confirmed	2022-11-29 00:00:00+00:00
1043	Ecuador	EC				-1.83	-78.18	1011132	confirmed	2022-11-30 00:00:00+00:00
1044	Ecuador	EC				-1.83	-78.18	1011132	confirmed	2022-12-01 00:00:00+00:00
1045	Ecuador	EC				-1.83	-78.18	1011132	confirmed	2022-12-02 00:00:00+00:00
1046	Ecuador	EC				-1.83	-78.18	1011132	confirmed	2022-12-03 00:00:00+00:00

1047 rows × 10 columns

df_ec.set_index('Date')['Cases'].plot(title= "Casos Covid-19 Ecuador 2021-2022")

<AxesSubplot:title={'center':'Casos Covid-19 Ecuador 2021-2022'}, xlabel='Date'>

República Dominicana

La url que utilizamos ahora es la siguiente: https://api.covid19api.com/country/Dominican%20Republic/status/confirmed/live

Guardamos los datos, pero ahora añadiendo do (abreviatura de Dominican Republic) para identificar y solo trabajar con este país df_do.

url_do = 'https://api.covid19api.com/country/Dominican%20Republic/status/confirmed/live'
df_do = pd.read_json(url_do)
df_do

df_do.set_index('Date')['Cases'].plot(title= "Casos Covid-19 República Dominicana 2021-2022")

Conclusión

Es impresionante poder trabajaron una herramienta tan fácil y práctica como Python acompañado de la función Pandas, con la cual en minutos pudimos procesar los datos facilitados por api.covid19api y crear visualizaciones en segundos.

Provide feedback

Saved searches

Use saved searches to filter your results more quickly

ad4.md

ad4.md

Uso De la API del Covid-19 con Pandas

Instalación de librerias:

Configuración de Pandas

Mi url

Ejecutamos función Pandas

dataframe

Exploracion de la tabla

Tiempo real

Colombia

Explorar Datos

Gráficos

España

Ecuador

República Dominicana

Conclusión

Files

ad4.md

Latest commit

History

ad4.md

File metadata and controls

Uso De la API del Covid-19 con Pandas

Instalación de librerias:

Configuración de Pandas

Mi url

Ejecutamos función Pandas

dataframe

Exploracion de la tabla

Tiempo real

Colombia

Explorar Datos

Gráficos

España

Ecuador

República Dominicana

Conclusión