1. 3. Incidence of symptoms of Covid-19 by province, Finland
   4. reports of symptoms per 100 000 pop.
   5. all but not Ahvenanmaa
   6. "R" script
2. 1. 20.6.2021 0000.0001

library(geofi) library(ggplot2) library(dplyr) library(rjstat) library(stringr) library(tidyr)

library(svglite) library(sf) library(viridis)

vuosi=2021 viikko=15

widthi=8 heighti=14

tulosfilee1="Covid-19_symptoms_in_finland_1.svg"

sahopivaki<-c(29789, 128756, 194316, 100226, 1667203, 41060, 73061, 171364, 77689, 252676, 166623, 117350, 61172, 535044, 165569, 409418, 245602, 211215, 218624, 169684, 481478 )

print (length(sahopivaki))

1. stop(-1)

baseurl1<-"https://sampo.thl.fi/pivot/prod/fi/epirapo/omaolosymp/fact_epirapo_omaolosymp.json" request1<-"?column=hcdmunicipality2020-445222&filter=measure-460489"

url1 <- paste0(baseurl1, request1) cube1 <- fromJSONstat(url1, naming = "label", use_factors = F, silent = T) res1 <- cube11 head(res1, 30)

shps00<-res1[,1] tapaukset00<-res1[,2]

1. shps00

shps1<-shps00[1:21] tapaukset<-tapaukset00[1:21]

shps1 tapaukset

thldata1<-data.frame(shps1,tapaukset)

names(thldata1)<-c("sairaanhoitop_name_fi","tapaukset")

thldata1

d1 <- get_municipalities(year = 2020)

1. shpt1 <- d1  %>% group_by(sairaanhoitop_name_fi) %>% count(maakunta_code)
2. shpt1 <- d1  %>% group_by(sairaanhoitop_name_fi) %>% count()

shpt1 <- d1  %>% group_by(sairaanhoitop_name_fi) %>% count()

shpt1

1. stop(-1)

totaali <- merge(shpt1, thldata1, by="sairaanhoitop_name_fi")

1. totaali <- merge(totaali00, savaki1, by="sairaanhoitop_name_fi")

1. totaali

totaali$vaesto <- sahopivaki

totaali

1. stop(-1)

tapauksia1<-as.double(totaali$tapaukset) vaesto1<-as.double(totaali$vaesto)

ilmaantuvuus<-tapauksia1*0.0

ilmaantuvuus0<-(100000*tapauksia1)/vaesto1 ilmaantuvuus=round(ilmaantuvuus0, digits = 0)

print("RAKO")

1. print(tapauksia1)
2. print(vaesto1)
3. print(ilmaantuvuus)

1. stop(-1)

print (head(totaali, 40))

len1=length(tapauksia1)

totaali$ilmaantuvuus <- ilmaantuvuus

totaali

1. stop(-1)

daata1=totaali

my_breaks = c(100,2000,5000,10000,20000,50000, 100000,200000,50000, 100000)

otsikko="Koronaoireiden ilmaantuvuus 19.6.2021 mennessa." alaotsikko="Oire-ilmoituksia 100000 asukasta kohden." footeri="Muut paitsi Ahvenanmaa"

p2 <- ggplot(daata1, aes(fill = as.integer(ilmaantuvuus), color=as.integer(ilmaantuvuus) ) ) +

1. 1. geom_sf(colour = alpha("white", 1/3)) +

 geom_sf()+
 geom_sf_text(aes(label = tapaukset),
              size = 7,
              face = "bold",
              color = "black") +
  theme(legend.position = "none")+
# labs(subtitle = "Data")+
 ## ggtitle(otsikko) +
 labs(title = otsikko,
             subtitle = alaotsikko,
             caption =footeri)+
 theme(plot.title = element_text(size = 20, face = "bold")) +
 theme(plot.subtitle = element_text(size = 16, face = "bold")) +
 theme(plot.caption = element_text(size = 16, face = "bold")) +
 theme(axis.text=element_text(size=15),
       axis.title=element_text(size=15,face="bold")) +
# theme(legend.key.size = unit(2, 'cm')) +
 xlab("Pituusaste")+
 ylab("Leveysaste") +
 scale_fill_viridis_c()
 ##  scale_fill_viridis_c(

1. 1. breaks = my_breaks, labels = my_breaks, option = "viridis",

## trans = scales::pseudo_log_trans(sigma = 0.001)

## ) 

svg(filename=tulosfilee1, width=widthi, height=heighti, pointsize=12)

p2

dev.off()