[PYTHON] Changements du taux d'infection à coronavirus

en premier

Je ne suis pas un expert en maladies infectieuses, veuillez donc le lire après avoir compris.

Le nombre de personnes infectées par le virus corona augmente chaque jour. La page du ministère de la Santé, du Travail et du Bien-être ne contient pas de données ouvertes faciles à utiliser, mais certaines préfectures publient des données sur des sites de portail de données ouvertes. Puisque nous avons des données sur le nombre de tests PCR et le nombre de personnes infectées, nous avons examiné les changements dans le nombre de personnes infectées.

J'ai mis à jour le graphique avec les données une semaine plus tard, et on peut voir que le taux d'infection est inférieur à la semaine dernière.

• Journal des modifications 2020/4/19: Premier message 2020/4/27: Graphique mis à jour avec les données 2020/4/26

• Les données Les données sur le nombre de tests PCR et le nombre de personnes infectées au Japon dans son ensemble sont publiées sur le WEB par le ministère de la Santé, du Travail et du Bien-être social, mais ce ne sont pas des données numériques telles que le format CSV qui sont faciles à afficher sur le WEB. En revanche, certaines préfectures publient les données de chaque préfecture au format CSV. Saitama: https://saitama.stopcovid19.jp/

Les données de la préfecture de Saitama étant faciles à utiliser, nous avons étudié la transition du taux d'infection entre le nombre de tests PCR et le nombre de personnes infectées dans la préfecture de Saitama. Cependant, comme les données de la préfecture de Saitama sont écrites comme le nombre d'inspections (nombre total de personnes), et non le nombre d'inspections, Taux d'infection = nombre de personnes infectées / nombre de tests (nombre total de personnes) Est en cours de calcul.

Si le format des données pour chaque préfecture était unifié, d'autres préfectures pourraient être recherchées immédiatement, mais malheureusement, il n'était pas unifié.

Changements du taux d'infection

• Chargement du paquet

import pandas as pd
import matplotlib.pyplot as plt

• Données lues

data = pd.read_csv('data/saitama_kensa_20200418.csv')
data.columns = ['day', 'PCR', 'Confirmed']
print(data.head())
print(data.tail())

Les données du nombre de tests PCR sont du 2020/1/31 au 2020/4/18.

         day  PCR  Confirmed
0  2020/1/31    1          0
1   2020/2/1    1          0
2   2020/2/2    0          0
3   2020/2/3    0          0
4   2020/2/4    1          0
          day  PCR  Confirmed
74  2020/4/14   37          7
75  2020/4/15  110         28
76  2020/4/16  147         21
77  2020/4/17   70          9
78  2020/4/18  100         21

• Affichage du nombre de tests PCR et du nombre de personnes infectées

plt.plot(data.loc[:,'PCR'])
plt.plot(data.loc[:,'Confirmed'])
plt.xlabel('day')
plt.ylabel('Number')
plt.legend()
plt.savefig('fig1.png')

Publié le 19 avril 2020 Publié le 27 avril 2020

• Changements du taux d'infection

Comme le taux d'infection quotidien fluctue considérablement, nous affichons également la moyenne mobile sur 7 jours. La moyenne mobile était inférieure à 10% pendant les 50 premiers jours, mais a depuis augmenté à environ 20%.

rate = data.loc[:,'Confirmed']/data.loc[:,'PCR'].fillna(0.0)
rate_ma = rate.rolling(7).mean().fillna(0)
plt.plot(rate * 100, label='rate', linewidth=1)
plt.plot(rate_ma * 100, label='rate_ma', linewidth=3)
plt.ylim(0.0, 30.0)
plt.xlabel('day')
plt.ylabel('Rate(%)')
plt.legend()
plt.savefig('fig2.png')

Publié le 19 avril 2020 Publié le 27 avril 2020 Selon les données du 19 avril 2020, la moyenne mobile du taux d'infection était d'environ 20%. Cependant, selon les données du 26 avril 2020, il a diminué à environ 10%.

Nous espérons que s'abstenir de sortir réduira le nombre de personnes infectées.