-
Notifications
You must be signed in to change notification settings - Fork 0
/
animiere-prognose-kreise.R
280 lines (226 loc) · 9.61 KB
/
animiere-prognose-kreise.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
259
260
261
262
263
264
265
266
267
268
269
270
271
272
273
274
275
276
277
278
279
280
################ animiere-prognose-kreise.R
#
# Greift die tagesaktuellen Corona-Zahlen-/Falldatenbank des RKI ab
# und generiert daraus die 7-Tage-Inzidenzen nach (hessischem) Kreis und Tag.
# Das wird dann um die Simulator-Prognose für die nächsten vier Wochen ergänzt -
# und diese Datei ausgegeben.
#
# Im nächsten Schritt lässt sich das Skript über die Datawrapper-API
# Grafiken generieren - ein Frame pro Tag. Die Parameter dafür - X und Y,
# Start- und Enddatum - holt sich das Tool aus Defaults (später: Kommandozeile)
#
# Letzter Schritt: Frames mit gganimate() zu GIFs zusammenzubinden.
# Dann über teamr eine Teams-Karte im Kanal corona erzeugen.
#
# [email protected] hr-Datenteam
#
# Stand: 29.6.2021
#
# ---- Bibliotheken, Einrichtung der Message-Funktion; Server- vs. Lokal-Variante ----
# Alles weg, was noch im Speicher rumliegt
# rm(list=ls())
# msgTarget <- NULL
# ---- Bibliotheken, Einrichtung der Message-Funktion; Server- vs. Lokal-Variante ----
# Alles weg, was noch im Speicher rumliegt
if (file.exists("./server-msg-googlesheet-include.R")) {
source("./server-msg-googlesheet-include.R")
} else {
source("/home/jan_eggers_hr_de/rscripts/server-msg-googlesheet-include.R")
}
library(DatawRappr)
library(magick)
# Default-Argumente
dwchart_x <- 640
dwchart_y <- 640
heute <- today()
start_date <- heute-28
end_date <- heute+14
# Was das Skript braucht:
# - einen API-Key für Datawrapper, über datawrapper_auth() hinterlegt
# - eine Choropleth-Karte für Hessen, die die Daten anzeigt
# und zum Export genutzt wird: Daten in der Spalte inz7t
# (Demo-Daten zum Einrichten unter "daten/animations-demo-daten.xlsx"
# im Github)
# - die ID dieser Choropleth-Karte
png_id = "1haMS" #Datawrapper-Grafik-ID
# ---- Start, Prognose lesen, Hessen-Fälle filtern ----
kreise <- read.xlsx("index/kreise-namen-index.xlsx") %>%
# Statistische Namen enthielten bis
mutate(StatName = str_replace_all(StatName,"_"," "))
repo <- "onwhenrdy/cosimhessen/"
path <- "Hessen_LKs.csv"
# Wann war der letzte Commit des Github-Files? Das als Prognosedatum prog_d.
github_api_url <- paste0("https://api.github.com/repos/",
repo,
"commits?path=",path,
"&page=1&per_page=1")
github_data <- read_json(github_api_url, simplifyVector = TRUE)
prog_d <- as_date(github_data$commit$committer$date)
msg("Aktuelle Prognose vom ",prog_d)
path <- paste0("https://github.com/",
repo,
"raw/main/",
path)
# Daten lesen und schauen, ob es schon eine Archivdatei dazu gibt -
msg("Trendberechnung anpassen")
sim_lk_df <- read_csv(path) %>%
mutate(vom = prog_d) %>%
mutate(var = as.factor(var)) %>%
filter(state != "Hessen")
# Prognose-Tabelle alle Kreise mit rt, Kreisnamen und allen prognostizierten
# Inzidenzen ab morgen
inz_lk_df <- sim_lk_df %>%
# Das R in der Prognose bleibt im prognostizierten Zeitraum konstant
filter(date > heute & date <= end_date) %>%
# Kreisbezeichner dazu
full_join(kreise,by=c("state" = "StatName")) %>%
# Uns interessieren die Inzidenzen
filter(var == "INCIDENCE") %>%
select(Datum = date, kreis, AGS, inz7t = meansim) %>%
pivot_wider(id_cols = c(AGS,kreis), names_from=Datum, values_from=inz7t)
inz_lk_ist_df <- read_sheet(aaa_id, sheet="ArchivKreisInzidenz") %>%
filter(Datum>=start_date) %>%
pivot_longer(cols=-Datum,names_to="kreis",values_to="inz7t") %>%
pivot_wider(id_cols=kreis,names_from=Datum,values_from=inz7t)
#
# ---- Prognose-Daten ergänzen ----
all_sim_df <- inz_lk_df %>%
left_join(inz_lk_ist_df, by="kreis")
# Daten mit diesem Rt ausgeben
#write_csv(all_sim_df,paste0("daten/inz7t-prognose-",prog_d,".csv"))
#write.xlsx(all_sim_df,paste0("daten/inz7t-prognose-",prog_d,".xlsx"))
p_str <- paste0("Trendberechnung vom ",format.Date(prog_d,"%d.%m.%Y"))
# ---- Datawrapper-Grafiken ausgeben ----
# Wir startenmit einem leeren png-Verzeichnis.
# Unterverzeichnis anlegen, falls nötig
if (!file.exists("png")){
dir.create(file.path(getwd(), "png"))
} else{
# alle alten PNG-Dateien etc. löschen
unlink("./png/karte-*")
}
# Fortschritts-String vorbereiten
intro_str <- "<br><br>7-Tage-Inzidenz (Neufälle in einer Woche umgerechnet auf 100.000 Einwohner<br>"
notizen_str <- paste0("<strong>Wie entwickeln sich die Inzidenzen in d den ",
"nächsten 14 Tagen, wenn es mit dem Trend der letzten Woche ",
"weitergeht?</strong><br>",
"Szenario vom ",format.Date(prog_d,"%d.%m.%Y"),
" des CoViD-Simulators der Universität des Saarlandes")
# Schleife für alle Tage
for (d in start_date:end_date) {
# Dataframe mit den Kreisdaten generieren und auf Grafik pushen
tag_df <- all_sim_df %>%
select(1,2,inz7t = as.character(as_date(d)))
tag <- as_date(d)
# Raus mit den Daten!
dw_data_to_chart(tag_df,png_id,parse_dates =TRUE)
titel_str <- "Animation: Corona-Neufälle in Hessens Kreisen"
f_str <- "[<b style='color:#5a5e5c; font-size:xx-small;'>"
for (i in start_date:end_date) {
if(i <= d) {
f_str <- paste0(f_str,"▉")
}
else {
f_str <- paste0(f_str,"┄")
}
if (as_date(i) == heute) {
f_str <- paste0(f_str,"</b><b style='color:#908d85; font-size:xx-small;'>")
}
}
f_str <- paste0(f_str,"</b>]")
if (d > heute) {
dw_edit_chart(chart_id = png_id, title = titel_str,
intro = "Inzidenzwerte laut RKI-Daten")
}
dw_edit_chart(chart_id = png_id, title = titel_str, intro =
paste0("<h1><b style='color:#000000; font-size:xx-large;'>",day(tag),".",month(tag),".",
# in der Zukunft: "TREND"
ifelse(d > heute," (Trend)",""),
"</b></h1><br>",
f_str,intro_str),
annotate = notizen_str)
png <- dw_export_chart(png_id,type = "png",unit="px",mode="rgb", scale = 1,
width = dwchart_x, height = dwchart_y, plain = FALSE)
image_write(png,paste0("png/karte-",as.character(as_date(d)),".png"))
if (d == start_date) {
gif <- png
} else {
gif <- c(gif,png)
}
# Kurze Verzögerung (10 Frames), wenn aktuelles Datum erreicht
if (as_date(d) == heute || d==end_date) {
if (as_date(d) == heute) {
dw_edit_chart(chart_id = png_id, title = paste0(titel_str," (heute)"),
intro = paste0("<h1><b style='color:#000000; font-size:xx-large;'>",day(tag),".",month(tag),".</b></h1><br>",
f_str,intro_str), annotate = notizen_str) }
png <- dw_export_chart(png_id,type = "png",unit="px",mode="rgb",
width = dwchart_x, height = dwchart_y, plain = FALSE)
gif <- c(gif, png, png, png, png, png,
png, png, png, png, png)
}
}
# Animation generieren; zwischen zwei Frames jeweils ein Frame neu generieren
final_gif <- gif %>%
image_morph(frames = 1) %>%
image_animate(fps = 5,loop = 1, optimize=TRUE)
# GIF auf die Platte speichern
# Kann schon mal 15min dauern
gif_fn <- paste0("png/kreise-prognose-",prog_d,".gif")
image_write(final_gif,path = gif_fn, format = "gif")
if (server) {
# GIF aufs Google-Bucket schieben
msg("Lokale Daten ins Google-Bucket schieben...")
system(paste0('gsutil -h ',
'"Cache-Control:no-cache, max_age=0" ',
'cp ./',gif_fn,
' gs://d.data.gcp.cloud.hr.de/kreise-prognose.gif'))
}
# ---- Animation und Übersicht in Teams-Channel pushen ----
library(teamr)
# Wieviele Hessen?
bev_df= read_sheet(aaa_id,sheet="AltersgruppenPop")
hessen=sum(bev_df %>% select(pop))
# 7-Tage-Mittel und Fallprognose aus dem Google Doc lesen, Inzidenz berechnen
inz_he_df <- read_sheet(ss=aaa_id,sheet="NeuPrognose") %>%
mutate(i7t = ifelse(is.na(neu7tagemittel),mean,neu7tagemittel)/hessen*7*100000) %>%
filter(!is.na(i7t)) %>%
mutate(datum = as_date(datum)) %>%
select(datum,i7t)
# Webhook aus dem Environment lesen, Karte generieren
cc <- connector_card$new(hookurl = Sys.getenv("WEBHOOK_CORONA"))
cc$text(paste0("Neuer COVID-Simulator-Trend, Stand: ",prog_d))
sec <- card_section$new()
#sec$title("anagrom ataf")
sec$text("Trendberechnung des COVID-Simulators der Universität des Saarlandes")
sec$add_fact("Vor 1 Woche:",format(inz_he_df$i7t[inz_he_df$datum == today()-7],
big.mark=".",
decimal.mark = ","))
sec$add_fact("7-Tage-Inzidenz heute:",
paste0("<strong>",
format(inz_he_df$i7t[inz_he_df$datum == today()],
big.mark=".",
decimal.mark = ","),
"</strong>" ))
sec$add_fact("In 1 Woche:",format(inz_he_df$i7t[inz_he_df$datum == today()+7],
big.mark=".",
decimal.mark = ","))
i7t_14 <- inz_he_df$i7t[inz_he_df$datum == today()+14]
sec$add_fact("In 2 Wochen:",ifelse(is.null(i7t_14),"NA",
format(i7t_14,big.mark=".",decimal.mark=",")))
# Wenn du auf dem Server bist:
# Importiere eine PNG-Version des Impffortschritts,
# schiebe sie auf den Google-Bucket, und
# übergib die URL an die Karte.
if (server) {
# Google-Bucket linken
sec$add_fact("Animation: ",
paste0("[Letzte 4 Wochen, Trend für nächste 2]",
"(https://d.data.gcp.cloud.hr.de/kreise-prognose.gif)"))
sec$add_image(sec_image="https://d.data.gcp.cloud.hr.de/kreise-prognose.gif", sec_title="Letzte 4 Wochen und Trend")
} else {
sec$add_image(sec_image=gif_fn, sec_title="Letzte 4 Wochen und Trend")
}
# Karte vorbereiten und abschicken.
cc$add_section(new_section = sec)
cc$send()
msg("OK!")