-
Notifications
You must be signed in to change notification settings - Fork 0
/
Copy pathRKI_R_Nowcast_Script_DE.R
258 lines (201 loc) · 9.79 KB
/
RKI_R_Nowcast_Script_DE.R
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
178
179
180
181
182
183
184
185
186
187
188
189
190
191
192
193
194
195
196
197
198
199
200
201
202
203
204
205
206
207
208
209
210
211
212
213
214
215
216
217
218
219
220
221
222
223
224
225
226
227
228
229
230
231
232
233
234
235
236
237
238
239
240
241
242
243
244
245
246
247
248
249
250
251
252
253
254
255
256
257
258
###################################################################################################################################
# Reproducible Nowcast R-Script für R-Faktor in Deutschland auf Grundlage des Nowcast Datensatzes des Robert Koch Instituts (RKI) #
###################################################################################################################################
# Die hier präsentierten Scripts sind vom RKI in einem paper publiziert worden. Sie wurden so ergänzt, dass Nutzer_innen, auch mit geringeren
# R-Kenntnissen diese Skripts ohne Probleme in ihrer eigenen R oder RStudio Installation laufen lassen können.
# Ferner wurden die Achsenbezeichnungen in Teilen sprachlich angepasst.
# Um die aktuellen RKI Nowcast Daten herunterzuladen, die R-Werte zu berechnung und die Plots selbständig erstellen zu können,
# benötigen Sie einige R-Erweiterungen, sog. "Packages". Im ersten Schritt werden Ihnen 3 Optionen präsentiert, um Sicherzustellen,
# dass Sie alle notwendigen Packages installiert und geladen haben.
########################################
# BENÖTIGTE PACKAGES - BEIM ERSTEN MAL #
########################################
# OPTION 1
# Wenn Sie wissen, dass Sie KEINES der Packages installiert haben:
#install.packages("xlsx", "stringr", "dplyr", "ggplot2", "scales")
# OPTION 2
# Wenn Sie nicht genau wissen, welche der Packages fehlen aber Sie nicht erst prüfen wollen, welche, dann können Sie mit diesem
# Befehl alle Packages neu installieren. ACHTUNG! Dies kann eine Weile in Anspruch nehmen.
#install.packages(pkgs = c("xlsx", "stringr", "dplyr", "ggplot2", "scales"), dependencies=TRUE)
# OPTION 3
# Die folgenden Schritt-für-Schritt-Option ist am sichersten. Wenn Sie eine Fehlermeldung bekommen, dann entfernen Sie zunächst das "#"
# am Anfang der folgenden zwei Zeilen (das nennt sich "Ent-Kommentieren" oder "uncomment"), das lässt R erkennen, dass es sich hier um Code handelt.
# Dann wird das fehlende Package installiert und geladen.
# Load necessary packages
library(xlsx)
#install.packages("xlsx")
#library(xlsx)
library(stringr)
#install.packages(stringr)
#library(stringr)
library(dplyr)
#install.packages(dplyr)
#library(dplyr)
library(ggplot2)
#install.packages(ggplot2)
#library(ggplot2
library(scales)
#install.packages(scales)
#library(scales)
# In der Zukunft müssen Sie diesen Schritt nicht mehr machen. Sie können direk hier starten.
######################
# BENÖTIGTE PACKAGES #
######################
# Load necessary packages
library(xlsx)
library(stringr)
library(dplyr)
library(ggplot2)
library(scales)
library(tidyr)
###########################
# HERUNTERLADEN DER DATEN #
###########################
file_url_csv <- "https://www.rki.de/DE/Content/InfAZ/N/Neuartiges_Coronavirus/Projekte_RKI/Nowcasting_Zahlen_csv.csv?__blob=publicationFile"
# Lade neuesten Nowcast Datensatz von der RKI Webseite
daten_file <- str_c("Nowcasting_Zahlen-",Sys.Date(),".csv")
if (!file.exists(daten_file)) {
download.file(url=file_url_csv,destfile= daten_file, mode="wb")
}
# Lese Excel-File
data <- read.csv(daten_file, sep = ";")
data <- data[,1:13]
# Umbennung der Spalten Namen zu kürzeren Variabelnamen
names(data) <- c("Datum", "NeuErkr", "lb_NeuErkr", "ub_NeuErkr", "NeuErkr_ma4", "lb_NeuErkr_ma4",
"ub_NeuErkr_ma4", "R", "lb_R", "ub_R", "R_7Tage", "lb_R_7Tage", "ub_R_7Tage")
#Datentypen konvertieren
data$Datum <- as.Date(data$Datum,"%d.%m.%Y")
data$NeuErkr <- as.numeric(data$NeuErkr)
data$lb_R <- as.numeric(gsub(",", ".", data$lb_R))
data$ub_R <- as.numeric(gsub(",", ".", data$ub_R))
data$R <- as.numeric(gsub(",", ".", data$R))
# Leere Zeilen löschen
data <- drop_na(data)
###########################
# BERECHNUNG DES R-WERTES #
###########################
# R-Wert Berechnung bei einem seriellen Intervall von 4 Tagen
R_Wert <- rep(NA, nrow(data))
for (t in 8:nrow(data)) {
R_Wert[t] <- sum(data$NeuErkr[t-0:3]) / sum(data$NeuErkr[t-4:7])
}
data <- data %>% dplyr::mutate(R_Wert = round(R_Wert, digits = 2))
# Vergleiche mit den R-Werten in der Excel-Tabelle
data %>% select(Datum, R, R_Wert) %>% tail()
data_plot <- data[data$Datum>="2021-01-01",]
####################
#PLOT DES R-WERTES #
####################
# Plot mit deutschen Bezeichnungen
ggplot(data=data_plot, aes(x=Datum)) +
geom_ribbon(aes(ymin = lb_R, ymax = ub_R), stat="identity", fill="steelblue")+
geom_line(aes(y = R), stat="identity", fill="steelblue")+
theme_minimal() +
labs(title = "", x = "", y = "Reproduktionszahl R") +
scale_x_date(date_breaks = "2 days", labels =
scales::date_format("%d.%m.")) +
scale_y_continuous(labels = function(x) format(x, big.mark = ",", decimal.mark = ".", scientific = FALSE)) +
theme(axis.text.x = element_text(angle=90, vjust=0))
##################################
# BERECHNUNG DES 7-TAGE R-WERTES #
##################################
# Berechnung des 7-Tage R-Wertes
R7_Wert <- rep(NA, nrow(data))
for (t in 11:nrow(data)) {
R7_Wert[t-1] <- sum(data$NeuErkr[t-0:6]) / sum(data$NeuErkr[t-4:10])
}
data <- data %>% dplyr::mutate(R7_Wert = round(R7_Wert, digits = 2))
# Vergleiche mit R-Werten in Excel Tabelle
data %>% select(Datum, R_7Tage, R7_Wert) %>% tail()
######################
# PLOT 7-Tage R-Wert #
######################
# Plot mit deutschen Bezeichnungen
ggplot(data=data, aes(x=Datum, y = R, color="R")) +
geom_ribbon(aes(ymin = lb_R, ymax = ub_R, color=NULL), fill="steelblue") +
geom_ribbon(aes(ymin = lb_R_7Tage, ymax = ub_R_7Tage, color=NULL), fill="orange") +
geom_line(aes(y = R, color="R")) + geom_line(aes(y = R_7Tage, color="R_7Tage"), size = 1) +
theme_minimal() +
labs(title = "",
x = "",
y = "Reproduktionszahl R") +
scale_x_date(date_breaks = "2 days", labels =
scales::date_format("%d.%m.")) +
scale_y_continuous(labels = function(x) format(x, big.mark = ".", decimal.mark = ",", scientific = FALSE)) +
scale_color_manual(name="Methode:", values=c("darkblue","orangered")) +
guides(color=guide_legend(override.aes=list(fill=NA))) +
theme(axis.text.x = element_text(angle=90, vjust=0)) +
theme(legend.position="bottom")
# Reproducible Nowcast R-Script für R-Faktor in Deutschland, berechnet vom RKI
# Überprüfen Sie, ob Sie alle notwendigen R-Pakete haben - diese sind in der u.
# stehenden Zeile aufgeführt. (Wie geht das?
# Necessary packages
install.packages("xlsx", "stringr", "dplyr", "ggplot2", "scales")
# Wenn Sie eine Fehlermeldung über ein spezifisches Package bekommen
# löschen Sie die "#" Zeichen vorne (Kommentare in R beginnen mit einem #) die
# Zeilen unterhalb der Überschrift # Notwendige Libraries laden
# If you get an error installing a specific package, uncomment (i.e., delete the '#')
# the line below that starts with install.packages
# CAREFUL! This will (re)install all the packages listed here! This takes some time
# install.packages(pkgs = c("xlsx", "stringr", "dplyr", "ggplot2", "scales"), dependencies=TRUE)
# Notwendige Libraries laden
library(xlsx)
library(stringr)
library(dplyr)
library(ggplot2)
library(scales)
# Lade neuesten Nowcast von der RKI Webseite
daten_file <- str_c("Nowcasting_Zahlen-",Sys.Date(),".xlsx")
if (!file.exists(daten_file)) {
file_url <-
"https://www.rki.de/DE/Content/InfAZ/N/Neuartiges_Coronavirus/Projekte_RKI/Nowcasting_Zahlen.xlsx?__blob=publicationFile"
download.file(url=file_url,destfile= daten_file, mode="wb")
}
# Lese Excel-File
data <- xlsx::read.xlsx(file = daten_file, sheetName = "Nowcast_R", encoding = "UTF-8")
data <- data[,1:13]
# Umbennung der Spalten Namen zu kürzeren Variabelnamen
names(data) <- c("Datum", "NeuErkr", "lb_NeuErkr", "ub_NeuErkr", "NeuErkr_ma4", "lb_NeuErkr_ma4",
"ub_NeuErkr_ma4", "R", "lb_R", "ub_R", "R_7Tage", "lb_R_7Tage", "ub_R_7Tage")
# R-Wert Berechnung bei einem seriellen Intervall von 4 Tagen
R_Wert <- rep(NA, nrow(data))
for (t in 8:nrow(data)) {
R_Wert[t] <- sum(data$NeuErkr[t-0:3]) / sum(data$NeuErkr[t-4:7])
}
data <- data %>% dplyr::mutate(R_Wert = round(R_Wert, digits = 2))
# Vergleiche mit den R-Werten in der Excel-Tabelle
data %>% select(Datum, R, R_Wert) %>% tail()
# Plot
ggplot(data=data, aes(x=Datum)) +
geom_ribbon(aes(ymin = lb_R, ymax = ub_R), stat="identity", fill="steelblue")+
geom_line(aes(y = R), stat="identity", fill="steelblue")+
theme_minimal() +
labs(title = "", x = "", y = "Reproduktionszahl R") +
scale_x_date(date_breaks = "2 days", labels =
scales::date_format("%d.%m.")) +
scale_y_continuous(labels = function(x) format(x, big.mark = ".", decimal.mark = ",", scientific = FALSE)) +
theme(axis.text.x = element_text(angle=90, vjust=0))
# Berechnung des 7-Tage R-Werts
R7_Wert <- rep(NA, nrow(data))
for (t in 11:nrow(data)) {
R7_Wert[t-1] <- sum(data$NeuErkr[t-0:6]) / sum(data$NeuErkr[t-4:10])
}
data <- data %>% dplyr::mutate(R7_Wert = round(R7_Wert, digits = 2))
# Vergleiche mit den R-Werten in der Excel-Tabelle
data %>% select(Datum, R_7Tage, R7_Wert) %>% tail()
# Plot für Berechnung des 7-Tage R-Wertes
ggplot(data=data, aes(x=Datum, y = R, color="R")) +
geom_ribbon(aes(ymin = lb_R, ymax = ub_R, color=NULL), fill="steelblue") +
geom_ribbon(aes(ymin = lb_R_7Tage, ymax = ub_R_7Tage, color=NULL), fill="orange") +
geom_line(aes(y = R, color="R")) + geom_line(aes(y = R_7Tage, color="R_7Tage"), size = 1) +
theme_minimal() +
labs(title = "",
x = "",
y = "Reproduktionszahl R") +
scale_x_date(date_breaks = "2 days", labels =
scales::date_format("%d.%m.")) +
scale_y_continuous(labels = function(x) format(x, big.mark = ".", decimal.mark = ",", scientific = FALSE)) +
scale_color_manual(name="Methode:", values=c("darkblue","orangered")) +
guides(color=guide_legend(override.aes=list(fill=NA))) +
theme(axis.text.x = element_text(angle=90, vjust=0)) +
theme(legend.position="bottom")