新冠肺炎的可视化和预测分析（附代码）
新冠肺炎的可视化和预测分析（附代码）
新冠肺炎现在情况怎么样了？推荐一份Jupyter notebook代码进行了分析，把数据可视化，并对感染人数进行了预测。 来源：https://www.kaggle.com/corochann/covid-19-eda-with-recent-update-on-april?scriptVersionId=32149572
本文的可视化通过ployly实现。
本文数据更新到4月14日，最新数据下载：
https://www.kaggle.com/corochann/covid-19-eda-with-recent-update-on-april/data?scriptVersionId=32149572
（下载train.csv、test.csv、usa_states2.csv） 到input的convid19目录即可，数据更新到2020-4-14。
原始数据是这里下载修改的：
https://github.com/CSSEGISandData/COVID-19
完整代码放在github下载：
https://github.com/fengdu78/machine_learning_beginner/tree/master/covid19
代码内容
这份分析代码主要分为以下几个部分：
- 全球趋势
- 国家（地区）增长
- 省份情况
- 放大美国：现在美国正在发生什么？
- 欧洲
- 亚洲
- 现在哪个国家正在复苏？
- 什么时候会收敛？通过S型拟合进行预测
全球趋势
fig = px.line(ww_melt_df, x="date", y="value", color='variable',
title="Worldwide Confirmed/Death Cases Over Time")
fig.show()
世界确诊和死亡数
fig = px.line(ww_melt_df, x="date", y="value", color='variable',
title="Worldwide Confirmed/Death Cases Over Time (Log scale)",
log_y=True)
fig.show()
世界确诊和死亡数（取对数）
国家（地区）增长
fig = px.bar(top_country_melt_df.iloc[::-1],
x='value',
y='country',
color='variable',
barmode='group',
title=f'Confirmed Cases/Deaths on {target_date}',
text='value',
height=1500,
orientation='h')
fig.show()
确诊数和死亡数
top30_countries = top_country_df.sort_values(
'confirmed', ascending=False).iloc[:30]['country'].unique()
top30_countries_df = country_df[country_df['country'].isin(top30_countries)]
fig = px.line(top30_countries_df,
x='date',
y='confirmed',
color='country',
title=f'Confirmed Cases for top 30 country as of {target_date}')
fig.show()
死亡最多的国家
fig = px.bar(top_country_df[:30].iloc[::-1],
x='mortality_rate',
y='country',
title=f'Mortality rate HIGH: top 30 countries on {target_date}',
text='mortality_rate',
height=800,
orientation='h')
fig.show()
死亡率最高的国家
省份情况
出现新冠肺炎的主要国家的各省（州）的清单
放大美国：现在美国正在发生什么？
fig = px.choropleth(train_us_latest,
locations='province_code',
locationmode="USA-states",
color='confirmed',
scope="usa",
hover_data=['province', 'fatalities', 'mortality_rate'],
title=f'Confirmed cases in US on {target_date}')
fig.show()
美国的死亡率情况
train_us_march = train_us.query('date > "2020-03-01"')
fig = px.line(train_us_march,
x='date', y='confirmed', color='province',
title=f'Confirmed cases by state in US, as of {target_date}')
fig.show()
美国各州的确诊数
欧洲
fig = px.choropleth(
train_europe_latest,
locations="country",
locationmode='country names',
color="confirmed",
hover_name="country",
range_color=[1, train_europe_latest['confirmed'].max()],
color_continuous_scale='portland',
title=f'European Countries with Confirmed Cases as of {target_date}',
scope='europe',
height=800)
fig.show()
欧洲确诊数
亚洲
country_latest = country_df.query('date == @target_date')
fig = px.choropleth(
country_latest,
locations="country",
locationmode='country names',
color="confirmed",
hover_name="country",
range_color=[1, 50000],
color_continuous_scale='portland',
title=f'Asian Countries with Confirmed Cases as of {target_date}',
scope='asia',
height=800)
fig.show()
亚洲确诊数
top_asian_country_df = country_df[country_df['country'].isin([
'China', 'Indonesia', 'Iran', 'Japan', 'Korea, South', 'Malaysia',
'Philippines'
])]
fig = px.line(top_asian_country_df,
x='date',
y='new_case',
color='country',
title=f'DAILY NEW Confirmed cases world wide')
fig.show()
亚洲每日确诊数量
现在哪个国家正在复苏？
fig = px.choropleth(
country_latest,
locations="country",
locationmode='country names',
color="new_case_peak_to_now_ratio",
hover_name="country",
range_color=[0, 1],
# color_continuous_scale="peach",
hover_data=['confirmed', 'fatalities', 'new_case', 'max_new_case'],
title='Countries with new_case_peak_to_now_ratio')
fig.show()
可以看到中国是最安全的国家了
什么时候会收敛？通过Sigmoid拟合进行预测
plot_sigmoid_fitting(target_country_df_list,
pred_df_list,
title='Sigmoid fitting with all latest data')
确诊数预测，美国将会达到70万以上确诊
总结
本文推荐一份Jupyter notebook代码进行了分析，把数据可视化，并对感染人数进行了预测。
完整代码放在github下载：
https://github.com/fengdu78/machine_learning_beginner/tree/master/covid19