新冠肺炎現(xiàn)在情況怎么樣了？推薦一份Jupyter notebook代碼進(jìn)行了分析，把數(shù)據(jù)可視化，并對感染人數(shù)進(jìn)行了預(yù)測。

來源：https://www.kaggle.com/corochann/covid-19-eda-with-recent-update-on-april?scriptVersionId=32149572

本文的可視化通過ployly實(shí)現(xiàn)。

本文數(shù)據(jù)更新到4月14日，最新數(shù)據(jù)下載：

https://www.kaggle.com/corochann/covid-19-eda-with-recent-update-on-april/data?scriptVersionId=32149572

（下載train.csv、test.csv、usa_states2.csv）?到input的convid19目錄即可，數(shù)據(jù)更新到2020-4-14。

原始數(shù)據(jù)是這里下載修改的：

https://github.com/CSSEGISandData/COVID-19

完整代碼放在github下載：

https://github.com/fengdu78/machine_learning_beginner/tree/master/covid19

代碼內(nèi)容

這份分析代碼主要分為以下幾個(gè)部分：

• 全球趨勢

• 國家（地區(qū)）增長

• 省份情況

• 放大美國：現(xiàn)在美國正在發(fā)生什么？

• 歐洲

• 亞洲

• 現(xiàn)在哪個(gè)國家正在復(fù)蘇？

• 什么時(shí)候會收斂？通過S型擬合進(jìn)行預(yù)測

全球趨勢

fig = px.line(ww_melt_df, x="date", y="value", color='variable', title="Worldwide Confirmed/Death Cases Over Time") fig.show()

世界確診和死亡數(shù)

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()

世界確診和死亡數(shù)（取對數(shù)）

國家（地區(qū)）增長

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()

確診數(shù)和死亡數(shù)

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()

死亡最多的國家

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()

死亡率最高的國家

省份情況

出現(xiàn)新冠肺炎的主要國家的各省（州）的清單

放大美國：現(xiàn)在美國正在發(fā)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()

美國的死亡率情況

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()

美國各州的確診數(shù)

歐洲

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()

歐洲確診數(shù)

亞洲

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()

亞洲確診數(shù)

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()

亞洲每日確診數(shù)量

現(xiàn)在哪個(gè)國家正在復(fù)蘇？

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()

可以看到中國是最安全的國家了

什么時(shí)候會收斂？通過Sigmoid擬合進(jìn)行預(yù)測

plot_sigmoid_fitting(target_country_df_list,pred_df_list,title='Sigmoid fitting with all latest data')

確診數(shù)預(yù)測，美國將會達(dá)到70萬以上確診

總結(jié)

?

本文推薦一份Jupyter notebook代碼進(jìn)行了分析，把數(shù)據(jù)可視化，并對感染人數(shù)進(jìn)行了預(yù)測。

完整代碼放在github下載：

https://github.com/fengdu78/machine_learning_beginner/tree/master/covid19

往期精彩回顧適合初學(xué)者入門人工智能的路線及資料下載機(jī)器學(xué)習(xí)在線手冊深度學(xué)習(xí)在線手冊AI基礎(chǔ)下載（pdf更新到25集）本站qq群1003271085，加入微信群請回復(fù)“加群”獲取一折本站知識星球優(yōu)惠券，復(fù)制鏈接直接打開：https://t.zsxq.com/yFQV7am喜歡文章，點(diǎn)個(gè)在看

總結(jié)

以上是生活随笔為你收集整理的新冠肺炎的可视化和预测分析（附代码）的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。