如何用Python做疫情數(shù)據(jù)分析

本篇文章為大家展示了如何用Python做疫情數(shù)據(jù)分析，內(nèi)容簡明扼要并且容易理解，絕對能使你眼前一亮，通過這篇文章的詳細(xì)介紹希望你能有所收獲。

最近在這個全民抗疫情的非常時期，每天在家除了遠(yuǎn)程辦公之外，也不由得隨時刷新下疫情信息，關(guān)心一下有什么最新的消息。

特別是我刷新每天的疫情地圖數(shù)據(jù)，可以看到新增確診、疑似病例、死亡率、治愈率等數(shù)據(jù)的時候發(fā)覺了一定的規(guī)律。

雖然有時候等不到官方確切的好消息，也可以從數(shù)據(jù)中發(fā)覺一些樂觀的數(shù)據(jù)便于排解我長期不能出門的抑郁心情。

今天我就借助Python對已知的一些疫情數(shù)據(jù)做些分析，給大家做參考。

首先我們來選一個疫情地圖數(shù)據(jù)源，以百度的為例，所有數(shù)據(jù)均來源于國家及各省市衛(wèi)建委公布數(shù)據(jù)。

通過對全盤數(shù)據(jù)來看，我對未來對情況是保持樂觀心態(tài)的，畢竟每天確診數(shù)在慢慢下降，治愈率在上升，希望更多的人能及時得到救治。

各省治愈率和致死率情況分析

拿到這些數(shù)據(jù)之后，我想得到兩個更詳細(xì)的數(shù)據(jù)，那就是每個省的治愈率和致死率。

先把這些數(shù)據(jù)導(dǎo)入到CSV文件里，確定四個列的數(shù)據(jù)(省份、確診數(shù)、治愈率、死亡數(shù))。

現(xiàn)在開始來寫代碼導(dǎo)入CSV文件吧。

通過以上代碼我們可以發(fā)現(xiàn)pandas的read_csv() 方法默認(rèn)會返回一個DateFrame對象。

現(xiàn)在我們來對DateFrame的數(shù)據(jù)做一下分析統(tǒng)計治愈率和致死率，代碼內(nèi)容就不詳細(xì)講了，都比較簡單，盡可能是讓沒有編程基礎(chǔ)的人都能看懂。

從以上代碼示例來看，寧夏，甘肅治愈率是最高的，分別為26.42%和24.42%，可能是確診數(shù)相對比較少，癥狀也比較輕的原因吧。

另外湖南和浙江確診人數(shù)很多，治愈率比較高，當(dāng)?shù)氐尼t(yī)療水平高應(yīng)該也是原因之一吧。

至于湖北的治愈率是有7%左右，這跟它是疫區(qū)中心有很大的關(guān)系，醫(yī)療資源不夠用，希望隨著火神雷神山和方艙醫(yī)院的建立，情況能得到好轉(zhuǎn)。

接下來我們來分析下致死率，和分析治愈率的方法一樣，我們只需要多添加一個列的數(shù)據(jù)即可。

依舊是湖北最高，其次是香港、甘肅、海南、黑龍江，湖北的致死率高還是老原因，集中爆發(fā)加上醫(yī)療資源的擠兌造成的。

香港和甘肅估計是因為基數(shù)的原因?qū)е碌闹滤缆瘦^高。

至于海南和黑龍江，我個人覺得比例高有三個原因。

響應(yīng)速度，因為離疫區(qū)相對較遠(yuǎn)，在消息及時性上有一定影響。

流入人口數(shù)量，海南是春節(jié)大家常去的獨家勝地，可能很多人疫區(qū)的人民拖家?guī)Э诘木腿チ耍瑢?dǎo)致集中爆發(fā)。

醫(yī)療資源，當(dāng)?shù)蒯t(yī)療條件可能比不上一些大型城市和沿海發(fā)達(dá)城市，醫(yī)療資源不足導(dǎo)致。

當(dāng)然致死率跟病人的具體情況有很大的關(guān)系，病人如果入院時已經(jīng)是重癥或者是有其他并發(fā)癥，那么致死率肯定會上升。

值得一提的是廣東的致死率，在那么多確診人數(shù)(1177人) 的情況下，居然致死率在0.08%，不得不說是一個值得鼓勵和稱贊的事情。

治愈率和致死率在數(shù)據(jù)體現(xiàn)上只能說是一定程度反映了當(dāng)?shù)氐母腥厩闆r、響應(yīng)速度、醫(yī)療條件等。我們可以從另一個角度來分析下疫情數(shù)據(jù)。

從整體致死率來講，我覺得情況是樂觀的，這次的疫情烈度其實沒有非典(SARS)來得那么猛烈，只是因為其潛伏期長導(dǎo)致傳播面積和人數(shù)特別廣，所以需要我們堅持更長的時間來讓它消失。

人口的遷入比例

首先我們通過百度地圖的遷移數(shù)據(jù)來看看春運期間武漢遷出到各個城市的情況。

通過對2020年1月10號到1月24號春運期間武漢遷出各省對比例圖我們可以看到，這些數(shù)據(jù)和確診人數(shù)比例大部分是對等的。

浙江、河北、山東 等地被遷入人口較多，因此確診人數(shù)也很多。

至于確診人數(shù)最多的幾個省湖南、河南等地之所以遷入數(shù)據(jù)不明顯我的估計是湖北距離湖南、河南特別近，在1月10之前一直就有大量的人口流動，各地還沒有引起特別的重視，加上潛伏期長的原因，一下就爆發(fā)了。

重慶和四川遷入人數(shù)比例較大，但是確診病例沒那么高的原因應(yīng)該在于得到確切防控消息的時間和遷入時間節(jié)點重合，做出了快速響應(yīng)，盡快的隔離了疫情來的群眾。

因為我身在成都，所以就以成都的遷入數(shù)據(jù)，確診數(shù)據(jù)來分析比對一下。

成都流入的武漢市民排在29位，占0.44%，如果按流出人口數(shù)量500萬來算，那就是2.2萬余人，一個月平均每天要流入7，800人。

成都今天的確診病例是124例，其中1/3病例是外部輸入型，剩下的是本地人被感染上的，差不多7，80人的樣子。成都也是一個2000萬人口的大城市，從防控的角度來說，做的很不錯了。

另外成都今天的確診人數(shù)為124例，治愈人數(shù)為41，治愈率達(dá)到三分之一，不得不說是一個振奮人心的數(shù)字。

雖然治愈率病人的自身身體素質(zhì)也有很大的關(guān)系，但從另一個角度來講，消息的及時性通達(dá)對于防控來說很有必要。

就我而言，當(dāng)?shù)玫接斜匾獛Э谡值南r應(yīng)該是1月19號的時候，這時感覺大家都已經(jīng)開始重視起來了，并且藥店不怎么買得到口罩了，有意識的做好防控準(zhǔn)備，越早一天做好防控重癥病人數(shù)就會比較少，治愈率自然就提高了。

總結(jié)

從最近幾天的情況來看，每一天的新增疑似病例和確診人數(shù)都在下降的，治愈人數(shù)也遠(yuǎn)遠(yuǎn)超過了死亡人數(shù)，從總體趨勢來說，情況在慢慢的好轉(zhuǎn)。

今天僅僅是用Python的pandas做了些簡單的數(shù)據(jù)分析工作，我會在之后的時間里詳細(xì)的對已知的數(shù)據(jù)做不同角度的分析，挖掘出更多隱藏在數(shù)據(jù)之后的細(xì)節(jié)，也相信隨著全民的重視與努力，我們終將堅持到春暖花開的時節(jié)、陽光燦爛的那天。

衷心希望大家少出門、勤洗手、盡量減少與外人的接觸、發(fā)現(xiàn)身體異常及時告知當(dāng)?shù)丶部刂行?，雖然我平時開車討厭堵車，但是在這個連續(xù)大半個月都不堵車，街頭冷清的時節(jié)里，我還是寧愿街頭擁堵一些，熱鬧一些，那樣才算是國泰民安。

上述內(nèi)容就是如何用Python做疫情數(shù)據(jù)分析，你們學(xué)到知識或技能了嗎？如果還想學(xué)到更多技能或者豐富自己的知識儲備，歡迎關(guān)注億速云行業(yè)資訊頻道。