Lassen Sie uns Covid-19 (Corona) -Daten mit Python analysieren [Für Anfänger]

Auf Youtube in Übersee gab es ein Vorlesungsvideo, in dem Python verwendet wird, um Daten anhand von Daten wie der Anzahl der mit Covid-19 (Corona) infizierten Personen zu analysieren. Deshalb habe ich es versucht.

Klicken Sie hier für das Quellvideo ↓ Analyzing Coronavirus with Python (COVID-19) by NeuralNine on Youtube

Ziel

Besonders empfehlenswert für Python-Anfänger, die sich an Pandas gewöhnen und Daten analysieren möchten. Die Vorlesung ist in englischer Sprache, aber eine sehr einfache und höfliche Erklärung. Schauen Sie also bitte vorbei.

Über diesen Artikel

• Ich habe das Video geübt, während ich das Jupyter-Notizbuch auf Japanisch kommentiert habe. Es wird empfohlen, dass Sie üben, während Sie das Video tatsächlich ansehen, aber für diejenigen, die nicht gut Englisch können oder den Fluss der Datenanalyse verstehen möchten, habe ich es geschrieben, damit Sie das Bild erfassen können, indem Sie diesen Artikel lesen.
• Obwohl reale Daten (* Quelle wird später beschrieben) verwendet werden, zielt der Datenanalyseprozess nicht auf besonders scharfe Analyseergebnisse ab, sondern konzentriert sich auf Übungen (wie die Pandas-Bibliothek). ..
• Wir verwenden die Daten bis zum 1. Mai 2020. (* Vorlesungsvideo sind Daten bis zu 3/22 zum Zeitpunkt der Aufnahme)

Übung

Analyzing Coronavirus with Python (COVID-19) by NeuralNine on Youtube

Laden Sie den Datensatz von der folgenden Site herunter HDX(HUMANITARIAN DATA EXCHANGE)

Verwenden Sie im verknüpften Datensatz Folgendes

• time_series_covid19_confirmed_global.csv
• time_series_covid19_deaths_global.csv
• time_series_covid19_recovered_global.csv

Es sind die Daten von [Infektionsnummer (Bestätigungsnummer), Anzahl der Todesfälle, Anzahl der Genesung].

Der Name der Daten ist lang. Ändern Sie ihn daher wie folgt.

• time_series_covid19_confirmed_global.csv → covid_confirmed.csv
• time_series_covid19_deaths_global.csv → covid_deaths.csv
• time_series_covid19_recovered_global.csv → covid_recovered.csv

Bibliothek importieren

import pandas as pd
import matplotlib.pyplot as plt

%matplotlib inline

Lesen Sie die Daten

confirmed = pd.read_csv("covid19_confirmed.csv")
deaths = pd.read_csv("covid19_deaths.csv")
recovered = pd.read_csv("covid19_recovered.csv")

Zeigen Sie die Daten der infizierten Person als Test an (* Im Originalvideo sind es die Daten von 3/22 zum Zeitpunkt der Aufnahme, aber die folgenden sind bis 5/1)

confirmed.head()

• Lat, Long

Dieses Mal brauche ich nicht so viel Provide und Lat / Long, also werde ich jede Spalte löschen.

confirmed = confirmed.drop(['Province/State','Lat','Long'],axis=1)
deaths = deaths.drop(['Province/State','Lat','Long'],axis=1)
recovered = recovered.drop(['Province/State','Lat','Long'],axis=1)

Lassen Sie uns diese Daten nach Land / Region aggregieren

confirmed = confirmed.groupby(confirmed["Country/Region"]).aggregate("sum")
deaths = deaths.groupby(deaths["Country/Region"]).aggregate("sum")
recovered = recovered.groupby(recovered["Country/Region"]).aggregate("sum")

confirmed.head()

Und als nächstes ist das Datum die Merkmalsmenge, aber dieses Mal möchten wir das Land zur Merkmalsmenge machen, damit wir die Daten transponieren (die Matrix ersetzen).

confirmed = confirmed.T
deaths = deaths.T
recovered = recovered.T

confirmed.head()

Zu diesem Zeitpunkt sind die Daten bereit. Fahren wir mit der Berechnung fort.

Schauen wir uns zunächst die Veränderungen in der Anzahl der infizierten Personen an. Die hier erforderlichen Daten sind der Unterschied in der Anzahl der infizierten Personen zwischen dem Tag und dem Tag zuvor.

new_cases = confirmed.copy()

for day in range(1,len(confirmed)):
    new_cases.iloc[day] = confirmed.iloc[day] - confirmed.iloc[day - 1]

Zeigen Sie die Daten der letzten 10 Tage an

new_cases.tail(10)

Vergleichen wir mit Daten infizierter Personen

confirmed.tail(10)

Zum Beispiel haben Afghanistan, Algerien, Argentinien und das Vereinigte Königreich eine große absolute Anzahl infizierter Menschen, aber wir können sehen, dass die Anzahl neu infizierter Menschen immer noch groß ist.

In new_cases haben wir uns die täglichen "Erhöhungen" der Anzahl infizierter Personen angesehen, aber als nächstes betrachten wir die "Erhöhungsrate". (Erhöhung des Tages / Anzahl der infizierten Personen am Vortag) * 100 kann verwendet werden, um die Rate zu erhöhen.

growth_rate = confirmed.copy()

for day in range(1,len(growth_rate)):
    growth_rate.iloc[day] = ( new_cases.iloc[day] / confirmed.iloc[day-1] ) * 100

growth_rate.tail(10)

Übrigens ist die Anzahl der infizierten Personen (bestätigt) die sogenannte kumulative Anzahl. Lassen Sie uns hier die aktuelle Anzahl der infizierten Personen (aktiv) abrufen.

active_cases = confirmed.copy()

for day in range(0,len(confirmed)):
    active_cases.iloc[day] = confirmed.iloc[day] - deaths.iloc[day] - recovered.iloc[day]

Verwenden wir dann die Daten dieser derzeit progressiven Anzahl von infizierten Personen active_cases, um die Steigerungsrate der Anzahl der derzeit fortschreitenden infizierten Personen erneut zu untersuchen. Wenn wir dies untersuchen, scheinen wir zu sehen, ob es wahrscheinlich ist, dass es konvergiert.

overall_growth_rate = confirmed.copy()

for day in range(0,len(confirmed)):
    overall_growth_rate.iloc[day] = ((active_cases.iloc[day] - active_cases.iloc[day-1]) / active_cases.iloc[day-1]) * 100

overall_growth_rate.tail(10)

Zunehmende Rate anhaltender Infektionen in den letzten 10 Tagen (2020/04 / 22-05 / 01) (China, Italien, Amerika, Japan)

• Ein bisschen, das Original wird diesem Teil hinzugefügt.

Zunächst scheint China, das als von der Korona betroffenes Land gilt, vor kurzem konvergiert zu haben. Schauen wir uns also die Daten der letzten 10 Tage Chinas an.

overall_growth_rate['China'].tail(10)

4/22/20   -3.314528
4/23/20   -7.731583
4/24/20   -8.774704
4/25/20   -4.852686
4/26/20   -9.107468
4/27/20   -9.118236
4/28/20   -2.866593
4/29/20   -5.448354
4/30/20   -4.441777
5/1/20    -5.904523
Name: China, dtype: float64

Es ist ersichtlich, dass die Steigerungsrate negativ ist, dh die Anzahl der Menschen mit anhaltenden Infektionen nimmt weiter ab → es geht in Richtung Konvergenz.

Was ist als nächstes mit Italien?

overall_growth_rate['Italy'].tail(10)

4/22/20   -0.009284
4/23/20   -0.790165
4/24/20   -0.300427
4/25/20   -0.638336
4/26/20    0.241859
4/27/20   -0.273319
4/28/20   -0.574599
4/29/20   -0.520888
4/30/20   -2.967790
5/1/20    -0.598714
Name: Italy, dtype: float64

Die Abnahmerate beträgt weniger als 1%, es handelt sich also um eine leichte Abnahme, die jedoch nicht zugenommen hat.

overall_growth_rate['US'].tail(10)

4/22/20    3.470050
4/23/20    3.307839
4/24/20    2.102556
4/25/20    3.874078
4/26/20    2.536775
4/27/20    2.064644
4/28/20    2.166569
4/29/20    2.377575
4/30/20   -0.668941
5/1/20     2.583283
Name: US, dtype: float64

Amerika wächst immer noch um einige Prozent.

overall_growth_rate['Japan'].tail(10)

4/22/20    2.512198
4/23/20    6.794937
4/24/20    3.868765
4/25/20    2.382691
4/26/20    0.401248
4/27/20    5.408526
4/28/20   -3.589182
4/29/20   -2.875120
4/30/20    0.755803
5/1/20    -2.884444
Name: Japan, dtype: float64

Auch in Japan scheint es nach und nach abgenommen zu haben, aber es nimmt zu.

Japan ist eine große Sache. Schauen wir uns also die durchschnittliche Steigerungsrate der letzten 10 Tage an.

overall_growth_rate['Japan'].tail(10).mean()

1.277542288600591

Es ist ungefähr 1%, aber es scheint zuzunehmen. Nun, die Zahl der Infizierten ist in Japan immer noch gering, daher kann man sagen, dass sie relativ unterdrückt ist.

Von hier aus werden wir die Visualisierung hinzufügen.

Schauen wir uns zuerst die Sterblichkeitsrate an. Die Mortalität ist wichtig, da sie ein Indikator für den Schweregrad der Korona nach Regionen ist.

Erstens ähnelt der Mortalitätsdatenrahmen dem vorherigen Verfahren. Die Sterblichkeitsrate wird als tot / infiziert ausgedrückt.

death_rate = confirmed.copy()

for day in range(0,len(confirmed)):
    death_rate.iloc[day] = (deaths.iloc[day] / confirmed.iloc[day]) * 100

Berechnen Sie als Nächstes die Anzahl der Betten, die Sie benötigen (und umgekehrt, wie wahrscheinlich es ist, dass Ihnen die Betten ausgehen). Wir verwenden die Hospitalisierungsrate "Hospitalisierung", die den Prozentsatz der infizierten Personen angibt, die ein Krankenhaus benötigen. Ich kenne die richtige Nummer nicht, daher werde ich eine temporäre Nummer verwenden (in diesem Fall 0,05). Sie können es in eine beliebige Zahl ändern. In dieser Vorlesung konzentrieren wir uns auf Analyse- und Berechnungsmethoden, sodass wir die Genauigkeit vorerst belassen.

• Übrigens ist die Hospitalisierungsrate für diejenigen, die positiv für Korona sind und ins Krankenhaus eingeliefert werden müssen, und selbst wenn die restlichen 95% positiv sind, halten wir eine Hospitalisierung (Bett) für nicht notwendig.

hospitalization_rate_estimate = 0.05

hospitalization_needed = confirmed.copy()

for day in range(0,len(confirmed)):
    hospitalization_needed.iloc[day] = active_cases.iloc[day] * hospitalization_rate_estimate

hospitalization_needed.tail()

Selbst wenn Sie hier ein Land ausschalten, ist es schwer zu verstehen, wie ernst es ist. Schauen wir uns also den Durchschnitt der letzten 5 Tage an.

hospitalization_needed.tail().mean().mean()

532.5691978609626

Durchschnittliche Anzahl der in allen Ländern in den letzten 5 Tagen benötigten Betten. Natürlich gibt es Variationen, daher ist es kein sehr idealer Referenzwert, aber ich werde einmal darauf verweisen. Werfen wir einen Blick auf den Durchschnitt der letzten 5 Tage in Italien.

hospitalization_needed['Italy'].tail().mean()

5181.6900000000005

Mit anderen Worten, die Zahl war ungefähr zehnmal so hoch wie der Weltdurchschnitt. Es ist ziemlich ernst.

Visualisieren. Es gibt jedoch zu viele Länder. Wählen wir diesmal einige beliebige Länder aus. Wählen Sie hier Italien, Amerika, China, Japan, Russland, Spanien.

countries = ['Italy','US',"China","Japan","Russia","Spain"]

ax = plt.subplot()
ax.set_facecolor("black")
ax.figure.set_facecolor("#121212")
ax.tick_params(axis="x",colors="white")
ax.tick_params(axis="y",colors="white")
ax.set_title("covid-19 confirmed by countries",color="white")

for country in countries:
    confirmed[country].plot(label=country)
plt.legend(loc="upper left")
plt.show()

Die Zahl der Infizierten in den USA hat seit Ende März erheblich zugenommen. Mal sehen, wie viele Todesfälle es gibt.

Die Form des Diagramms ändert sich nicht wesentlich und scheint mit der Anzahl der infizierten Personen in Zusammenhang zu stehen.

Als nächstes zeichnen wir die Steigerungsrate bei infizierten Menschen.

Aber jetzt zeichne ich auf einem Balkendiagramm. Wenn sich das Diagramm in einem Balkendiagramm auf einer Figur zu stark überlappt, ist die Sichtbarkeit gering, sodass es separat angezeigt wird.

for country in countries:
    ax = plt.subplot()
    ax.set_facecolor("black")
    ax.figure.set_facecolor("#121212")
    ax.tick_params(axis="x",colors="white")
    ax.tick_params(axis="y",colors="white")
    ax.set_title(f"covid-19 confirmed growth rate {country}",color="white")
    growth_rate[country].plot.bar() 
    plt.show()

Schauen wir uns auf die gleiche Weise die Anzahl der Todesfälle und die Sterblichkeitsrate an (* Dies ist die "Anstiegsrate infizierter Menschen" und dies ist die "Sterblichkeitsrate").

ax = plt.subplot()
ax.set_facecolor("black")
ax.figure.set_facecolor("#121212")
ax.tick_params(axis="x",colors="white")
ax.tick_params(axis="y",colors="white")
ax.set_title("covid-19 deaths by countries",color="white")

for country in countries:
    deaths[country].plot(label=country)
plt.legend(loc="upper left")
plt.show()

for country in countries:
    ax = plt.subplot()
    ax.set_facecolor("black")
    ax.figure.set_facecolor("#121212")
    ax.tick_params(axis="x",colors="white")
    ax.tick_params(axis="y",colors="white")
    ax.set_title(f"covid-19 deaths rate {country}",color="white")
    death_rate[country].plot.bar() 
    plt.show()

Sie können sehen, dass die Sterblichkeitsrate von Land zu Land unterschiedlich ist.

Lassen Sie uns abschließend die Auswirkungen des Koronavirus in der Zukunft simulieren. Nehmen wir als vorläufigen Wert an, dass die Anzahl der Infizierten täglich um 1% zunimmt.

simulated_growth_rate = 0.01

Fügen Sie nun die bevorstehenden neuen Datumsdaten für Ihre Vorhersagen hinzu. Verwenden Sie die Methode date_range, mit der Sie einen Bereich angeben und Datumsdaten generieren können. Die letzten Daten, die dieses Mal verwendet werden, sind der 01.05.20, also sind es 40 Tage ab dem nächsten Tag.

dates = pd.date_range(start="05/02/2020",periods=40,freq='D')
dates = pd.Series(dates)
dates = dates.dt.strftime("%m/%d/%Y")

simulated = confirmed.copy()
simulated = simulated.append(pd.DataFrame(index=dates))

for day in range(len(confirmed),len(confirmed)+40):
    simulated.iloc[day] = simulated.iloc[day-1] * (1 + simulated_growth_rate)
ax = plt.subplot()
ax.set_facecolor("black")
ax.figure.set_facecolor("#121212")
ax.tick_params(axis="x",colors="white")
ax.tick_params(axis="y",colors="white")
ax.set_title(f"covid-19 future for Japan",color="white")
simulated['Japan'].plot()
plt.show()

• Zur Erinnerung, dies ist eine Zahl, die auf einer vorläufigen Wachstumsrate basiert (* tägliche Steigerung von 1%). Als strenge Simulation müssen Sie es nicht nehmen. das ist alles. Es gibt einige Unterschiede zum Originalvideo, aber ich glaube, ich habe eine ungefähre Vorstellung vom Ablauf der Datenanalyse. Bitte schauen Sie sich das Originalvideo an. Am Ende des Videos betonte das Poster Neural Nine, dass diese Analyse vorläufige Zahlen enthält, sodass Sie sie nicht ernst nehmen müssen. Er sagte mir, dass das, was ich tun sollte, wichtig ist.