Visualizando dados de Covid-19 com o pacote tidycovid19

O pacote tidycovid19, disponível no github, permite customizar a visualização dos dados de Covid-19 de forma bastante simples. Veja abaixo um exemplo.

library(tidyverse)
library(tidycovid19)
covid19_dta <- download_merged_data(silent = TRUE, cached = TRUE)
plot_covid19_spread(
covid19_dta, type = "deaths", min_cases = 100, min_by_ctry_obs = 0,
edate_cutoff = 69, per_capita = FALSE, log_scale = TRUE,
cumulative = TRUE, change_ave = 7,
highlight = c('BRA', 'ARG', 'CHL', 'CHN', 'COL',
'ECU', 'IND', 'MEX', 'PER', 'PRY', 'TUR', 'URY'),
intervention = c("soc_dist")
)

(*) Aprenda R em nosso Curso de Introdução ao R para Análise de Dados.

Compartilhe esse artigo

Comente o que achou desse artigo

Boletim AM

Encontre o seu conteúdo

Categorias

Artigos mais acessados

Como Criar um Agente SQL com LangGraph para Análise de Dados Financeiros de Empresas Brasileiras

Como preparar dados para usar na IA?

Automatizando Análises Econômicas com LangChain e LangGraph: Multi-Agentes com LLMs

Como Construir Agentes com SmolAgents: exemplo prático para mercado financeiro

O que é o ciclo de Agentes de IA?

Como usar automação com Python e IA na análise de ações

Outros artigos relacionados

Como Criar um Agente SQL com LangGraph para Análise de Dados Financeiros de Empresas Brasileiras

Neste post, mostramos passo a passo como criar um agente SQL com LangGraph para consultar dados financeiros de empresas brasileiras da CVM. O processo inclui baixar e tratar os dados (ETL), configurar o banco SQLite, criar prompts e montar um grafo de estados para que o agente interprete perguntas em linguagem natural e gere consultas SQL.

Como preparar dados para usar na IA?

Este tutorial exemplifica um pipeline RAG utilizando as atas do Comitê de Política Monetária - COPOM do Banco Central do Brasil (BCB). O objetivo será construir uma interface simples de chat que permita ao usuário fazer perguntas sobre as atas do comitê e obter respostas acuradas usando inteligência artificial.

Automatizando Análises Econômicas com LangChain e LangGraph: Multi-Agentes com LLMs

A evolução das ferramentas baseadas em modelos de linguagem (LLMs) está transformando o modo como realizamos análises econômicas. Neste artigo, apresentamos como utilizar LangChain e LangGraph, duas das bibliotecas mais relevantes para a orquestração de fluxos complexos com agentes de IA, integrando-os com o Google Gemini. O foco será a construção de uma pipeline multi-agente para análise econômica utilizando dados reais do Brasil.

Boletim AM

Receba diretamente em seu e-mail gratuitamente nossas promoções especiais e conteúdos exclusivos sobre Análise de Dados!

Boletim AM

Receba diretamente em seu e-mail gratuitamente nossas promoções especiais e conteúdos exclusivos sobre Análise de Dados!