新型冠状病毒（COVID-19/2019-nCoV）疫情分析

祈LHL

重要说明

分析文档：完成度：代码质量 3:5:2

其中分析文档是指你数据分析的过程中，对各问题分析的思路、对结果的解释、说明(要求言简意赅，不要为写而写)

ps:你自己写的代码胜过一切的代笔，无关美丑，只问今日比昨日更长进！加油！

由于数据过多，查看数据尽量使用head()或tail()，以免程序长时间无响应

=======================

本项目数据来源于丁香园。本项目主要目的是通过对疫情历史数据的分析研究，以更好的了解疫情与疫情的发展态势，为抗击疫情之决策提供数据支持。

关于本章使用的数据集，欢迎点击——>我的B站视频 在评论区获取。

一. 提出问题

从全国范围，你所在省市，国外疫情等三个方面主要研究以下几个问题：

（一）全国累计确诊/疑似/治愈/死亡情况随时间变化趋势如何？

（二）全国新增确诊/疑似/治愈/死亡情况随时间变化趋势如何？

（三）全国新增境外输入随时间变化趋势如何？

（四）你所在的省市情况如何？

（五）国外疫情态势如何？

（六）结合你的分析结果，对个人和社会在抗击疫情方面有何建议？

二. 理解数据

原始数据集：AreaInfo.csv，导入相关包及读取数据：

r_hex = '#dc2624'     # red,       RGB = 220,38,36
dt_hex = '#2b4750'    # dark teal, RGB = 43,71,80
tl_hex = '#45a0a2'    # teal,      RGB = 69,160,162
r1_hex = '#e87a59'    # red,       RGB = 232,122,89
tl1_hex = '#7dcaa9'   # teal,      RGB = 125,202,169
g_hex = '#649E7D'     # green,     RGB = 100,158,125
o_hex = '#dc8018'     # orange,    RGB = 220,128,24
tn_hex = '#C89F91'    # tan,       RGB = 200,159,145
g50_hex = '#6c6d6c'   # grey-50,   RGB = 108,109,108
bg_hex = '#4f6268'    # blue grey, RGB = 79,98,104
g25_hex = '#c7cccf'   # grey-25,   RGB = 199,204,207

import numpy as np
import pandas as pd
import matplotlib,re
import matplotlib.pyplot as plt
from matplotlib.pyplot import MultipleLocatordata = pd.read_csv(r'data/AreaInfo.csv')

查看与统计数据，以对数据有一个大致了解

data.head()
continentName continentEnglishName countryName countryEnglishName provinceName provinceEnglishName province_zipCode province_confirmedCount province_suspectedCount province_curedCount province_deadCount updateTime cityName cityEnglishName city_zipCode city_confirmedCount city_suspectedCount city_curedCount city_deadCount
0 北美洲 North America 美国 United States of America 美国 United States of America 971002 2306247 0.0 640198 120351 2020-06-23 10:01:45 NaN NaN NaN NaN NaN NaN NaN
1 南美洲 South America 巴西 Brazil 巴西 Brazil 973003 1106470 0.0 549386 51271 2020-06-23 10:01:45 NaN NaN NaN NaN NaN NaN NaN
2 欧洲 Europe 英国 United Kingdom 英国 United Kingdom 961007 305289 0.0 539 42647 2020-06-23 10:01:45 NaN NaN NaN NaN NaN NaN NaN
3 欧洲 Europe 俄罗斯 Russia 俄罗斯 Russia 964006 592280 0.0 344416 8206 2020-06-23 10:01:45 NaN NaN NaN NaN NaN NaN NaN
4 南美洲 South America 智利 Chile 智利 Chile 973004 246963 0.0 44946 4502 2020-06-23 10:01:45 NaN NaN NaN NaN NaN NaN NaN

三. 数据清洗

（一）基本数据处理

数据清洗主要包括：选取子集，缺失数据处理、数据格式转换、异常值数据处理等。

国内疫情数据选取（最终选取的数据命名为china）

  1. 选取国内疫情数据

  2. 对于更新时间(updateTime)列，需将其转换为日期类型并提取出年-月-日，并查看处理结果。(提示：dt.date)

  3. 因数据每天按小时更新，一天之内有很多重复数据，请去重并只保留一天之内最新的数据。

提示：df.drop_duplicates(subset=[‘provinceName’, ‘updateTime’], keep=‘first’, inplace=False)

其中df是你选择的国内疫情数据的DataFrame

分析：选取countryName一列中值为中国的行组成CHINA。

CHINA = data.loc[data['countryName'] == '中国']
CHINA.dropna(subset=['cityName'], how='any', inplace=True)
#CHINA

D:\Anaconda\envs\python32\lib\site-packages\ipykernel_launcher.py:2: SettingWithCopyWarning:
A value is trying to be set on a copy of a slice from a DataFrameSee the caveats in the documentation: https://pandas.pydata.org/pandas-docs/stable/user_guide/indexing.html#returning-a-view-versus-a-copy

分析：取出含所有中国城市的列表

cities = list(set(CHINA['cityName']))

分析：遍历取出每一个城市的子dataframe，然后用sort对updateTime进行时间排序

for city in cities:CHINA.loc[data['cityName'] == city].sort_values(by = 'updateTime')

分析：去除空值所在行

CHINA.dropna(subset=['cityName'],inplace=True)
#CHINA.loc[CHINA['cityName'] == '秦皇岛'].tail(20)

D:\Anaconda\envs\python32\lib\site-packages\ipykernel_launcher.py:1: SettingWithCopyWarning:
A value is trying to be set on a copy of a slice from a DataFrameSee the caveats in the documentation: https://pandas.pydata.org/pandas-docs/stable/user_guide/indexing.html#returning-a-view-versus-a-copy"""Entry point for launching an IPython kernel.

分析：将CHINA中的updateTime列进行格式化处理

CHINA.updateTime = pd.to_datetime(CHINA.updateTime,format="%Y-%m-%d",errors='coerce').dt.date
#CHINA.loc[data['cityName'] == '秦皇岛'].tail(15)

D:\Anaconda\envs\python32\lib\site-packages\pandas\core\generic.py:5303: SettingWithCopyWarning:
A value is trying to be set on a copy of a slice from a DataFrame.
Try using .loc[row_indexer,col_indexer] = value insteadSee the caveats in the documentation: https://pandas.pydata.org/pandas-docs/stable/user_guide/indexing.html#returning-a-view-versus-a-copyself[name] = value

CHINA.head()
continentName continentEnglishName countryName countryEnglishName provinceName provinceEnglishName province_zipCode province_confirmedCount province_suspectedCount province_curedCount province_deadCount updateTime cityName cityEnglishName city_zipCode city_confirmedCount city_suspectedCount city_curedCount city_deadCount
136 亚洲 Asia 中国 China 陕西省 Shaanxi 610000 317 1.0 307 3 2020-06-23 境外输入 NaN 0.0 72.0 0.0 65.0 0.0
137 亚洲 Asia 中国 China 陕西省 Shaanxi 610000 317 1.0 307 3 2020-06-23 西安 Xi'an 610100.0 120.0 0.0 117.0 3.0
138 亚洲 Asia 中国 China 陕西省 Shaanxi 610000 317 1.0 307 3 2020-06-23 安康 Ankang 610900.0 26.0 0.0 26.0 0.0
139 亚洲 Asia 中国 China 陕西省 Shaanxi 610000 317 1.0 307 3 2020-06-23 汉中 Hanzhong 610700.0 26.0 0.0 26.0 0.0
140 亚洲 Asia 中国 China 陕西省 Shaanxi 610000 317 1.0 307 3 2020-06-23 咸阳 Xianyang 610400.0 17.0 0.0 17.0 0.0

分析：每日数据的去重只保留第一个数据，因为前面已经对时间进行排序，第一个数据即为当天最新数据
分析：考虑到合并dataframe需要用到concat，需要创建一个初始china

real = CHINA.loc[data['cityName'] == cities[1]]
real.drop_duplicates(subset='updateTime', keep='first', inplace=True)
china = real

D:\Anaconda\envs\python32\lib\site-packages\ipykernel_launcher.py:2: SettingWithCopyWarning:
A value is trying to be set on a copy of a slice from a DataFrameSee the caveats in the documentation: https://pandas.pydata.org/pandas-docs/stable/user_guide/indexing.html#returning-a-view-versus-a-copy

分析：遍历每个城市dataframe进行每日数据的去重，否则会出现相同日期只保留一个城市的数据的情况

for city in cities[2:]:real_data = CHINA.loc[data['cityName'] == city]real_data.drop_duplicates(subset='updateTime', keep='first', inplace=True)china = pd.concat([real_data, china],sort=False)

D:\Anaconda\envs\python32\lib\site-packages\ipykernel_launcher.py:3: SettingWithCopyWarning:
A value is trying to be set on a copy of a slice from a DataFrameSee the caveats in the documentation: https://pandas.pydata.org/pandas-docs/stable/user_guide/indexing.html#returning-a-view-versus-a-copyThis is separate from the ipykernel package so we can avoid doing imports until

查看数据信息，是否有缺失数据/数据类型是否正确。

提示：若不会处理缺失值，可以将其舍弃

分析：有的城市不是每日都上报的，如果某日只统计上报的那些城市，那些存在患者却不上报的城市就会被忽略，数据就失真了，需要补全所有城市每日的数据，即便不上报的城市也要每日记录数据统计，所以要进行插值处理补全部分数据，处理方法详见数据透视与分析

china.info()

<class 'pandas.core.frame.DataFrame'>
Int64Index: 32812 entries, 96106 to 208267
Data columns (total 19 columns):#   Column                   Non-Null Count  Dtype
---  ------                   --------------  -----  0   continentName            32812 non-null  object 1   continentEnglishName     32812 non-null  object 2   countryName              32812 non-null  object 3   countryEnglishName       32812 non-null  object 4   provinceName             32812 non-null  object 5   provinceEnglishName      32812 non-null  object 6   province_zipCode         32812 non-null  int64  7   province_confirmedCount  32812 non-null  int64  8   province_suspectedCount  32812 non-null  float649   province_curedCount      32812 non-null  int64  10  province_deadCount       32812 non-null  int64  11  updateTime               32812 non-null  object 12  cityName                 32812 non-null  object 13  cityEnglishName          31968 non-null  object 14  city_zipCode             32502 non-null  float6415  city_confirmedCount      32812 non-null  float6416  city_suspectedCount      32812 non-null  float6417  city_curedCount          32812 non-null  float6418  city_deadCount           32812 non-null  float64
dtypes: float64(6), int64(4), object(9)
memory usage: 5.0+ MB

china.head()
continentName continentEnglishName countryName countryEnglishName provinceName provinceEnglishName province_zipCode province_confirmedCount province_suspectedCount province_curedCount province_deadCount updateTime cityName cityEnglishName city_zipCode city_confirmedCount city_suspectedCount city_curedCount city_deadCount
96106 亚洲 Asia 中国 China 广西壮族自治区 Guangxi 450000 254 0.0 252 2 2020-04-02 贵港 Guigang 450800.0 8.0 0.0 8.0 0.0
125120 亚洲 Asia 中国 China 广西壮族自治区 Guangxi 450000 254 0.0 250 2 2020-03-20 贵港 Guigang 450800.0 8.0 0.0 8.0 0.0
128762 亚洲 Asia 中国 China 广西壮族自治区 Guangxi 450000 253 0.0 250 2 2020-03-18 贵港 Guigang 450800.0 8.0 0.0 8.0 0.0
130607 亚洲 Asia 中国 China 广西壮族自治区 Guangxi 450000 253 0.0 248 2 2020-03-17 贵港 Guigang 450800.0 8.0 0.0 8.0 0.0
131428 亚洲 Asia 中国 China 广西壮族自治区 Guangxi 450000 252 0.0 248 2 2020-03-16 贵港 Guigang 450800.0 8.0 0.0 8.0 0.0

你所在省市疫情数据选取（最终选取的数据命名为myhome）

此步也可在后面用到的再做

myhome = china.loc[data['provinceName'] == '广东省']
myhome.head()
continentName continentEnglishName countryName countryEnglishName provinceName provinceEnglishName province_zipCode province_confirmedCount province_suspectedCount province_curedCount province_deadCount updateTime cityName cityEnglishName city_zipCode city_confirmedCount city_suspectedCount city_curedCount city_deadCount
205259 亚洲 Asia 中国 China 广东省 Guangdong 440000 277 0.0 5 0 2020-01-29 外地来粤人员 NaN NaN 5.0 0.0 0.0 0.0
206335 亚洲 Asia 中国 China 广东省 Guangdong 440000 207 0.0 4 0 2020-01-28 河源市 NaN NaN 1.0 0.0 0.0 0.0
205239 亚洲 Asia 中国 China 广东省 Guangdong 440000 277 0.0 5 0 2020-01-29 外地来穗人员 NaN NaN 5.0 0.0 0.0 0.0
252 亚洲 Asia 中国 China 广东省 Guangdong 440000 1634 11.0 1619 8 2020-06-23 潮州 Chaozhou 445100.0 6.0 0.0 6.0 0.0
2655 亚洲 Asia 中国 China 广东省 Guangdong 440000 1634 11.0 1614 8 2020-06-21 潮州 Chaozhou 445100.0 6.0 0.0 6.0 0.0

国外疫情数据选取（最终选取的数据命名为world）

此步也可在后面用到的再做

world = data.loc[data['countryName'] != '中国']
world.head()
continentName continentEnglishName countryName countryEnglishName provinceName provinceEnglishName province_zipCode province_confirmedCount province_suspectedCount province_curedCount province_deadCount updateTime cityName cityEnglishName city_zipCode city_confirmedCount city_suspectedCount city_curedCount city_deadCount
0 北美洲 North America 美国 United States of America 美国 United States of America 971002 2306247 0.0 640198 120351 2020-06-23 10:01:45 NaN NaN NaN NaN NaN NaN NaN
1 南美洲 South America 巴西 Brazil 巴西 Brazil 973003 1106470 0.0 549386 51271 2020-06-23 10:01:45 NaN NaN NaN NaN NaN NaN NaN
2 欧洲 Europe 英国 United Kingdom 英国 United Kingdom 961007 305289 0.0 539 42647 2020-06-23 10:01:45 NaN NaN NaN NaN NaN NaN NaN
3 欧洲 Europe 俄罗斯 Russia 俄罗斯 Russia 964006 592280 0.0 344416 8206 2020-06-23 10:01:45 NaN NaN NaN NaN NaN NaN NaN
4 南美洲 South America 智利 Chile 智利 Chile 973004 246963 0.0 44946 4502 2020-06-23 10:01:45 NaN NaN NaN NaN NaN NaN NaN

数据透视与分析

分析：对china进行插值处理补全部分数据

china.head()
continentName continentEnglishName countryName countryEnglishName provinceName provinceEnglishName province_zipCode province_confirmedCount province_suspectedCount province_curedCount province_deadCount updateTime cityName cityEnglishName city_zipCode city_confirmedCount city_suspectedCount city_curedCount city_deadCount
96106 亚洲 Asia 中国 China 广西壮族自治区 Guangxi 450000 254 0.0 252 2 2020-04-02 贵港 Guigang 450800.0 8.0 0.0 8.0 0.0
125120 亚洲 Asia 中国 China 广西壮族自治区 Guangxi 450000 254 0.0 250 2 2020-03-20 贵港 Guigang 450800.0 8.0 0.0 8.0 0.0
128762 亚洲 Asia 中国 China 广西壮族自治区 Guangxi 450000 253 0.0 250 2 2020-03-18 贵港 Guigang 450800.0 8.0 0.0 8.0 0.0
130607 亚洲 Asia 中国 China 广西壮族自治区 Guangxi 450000 253 0.0 248 2 2020-03-17 贵港 Guigang 450800.0 8.0 0.0 8.0 0.0
131428 亚洲 Asia 中国 China 广西壮族自治区 Guangxi 450000 252 0.0 248 2 2020-03-16 贵港 Guigang 450800.0 8.0 0.0 8.0 0.0

分析：先创建省份列表和日期列表，并初始化一个draft

province = list(set(china['provinceName']))#每个省份
#p_city = list(set(china[china['provinceName'] == province[0]]['cityName']))#每个省份的城市
date_0 = []
for dt in china.loc[china['provinceName'] ==  province[0]]['updateTime']:date_0.append(str(dt))
date_0 = list(set(date_0))
date_0.sort()
start = china.loc[china['provinceName'] ==  province[0]]['updateTime'].min()
end = china.loc[china['provinceName'] ==  province[0]]['updateTime'].max()
dates = pd.date_range(start=str(start), end=str(end))
aid_frame = pd.DataFrame({'updateTime': dates,'provinceName':[province[0]]*len(dates)})
aid_frame.updateTime = pd.to_datetime(aid_frame.updateTime,format="%Y-%m-%d",errors='coerce').dt.date
#draft = pd.merge(china.loc[china['provinceName'] ==  province[1]], aid_frame, on='updateTime', how='outer').sort_values('updateTime')
draft = pd.concat([china.loc[china['provinceName'] ==  province[0]], aid_frame], join='outer').sort_values('updateTime')
draft.province_confirmedCount.fillna(method="ffill",inplace=True)
draft.province_suspectedCount.fillna(method="ffill", inplace=True)
draft.province_curedCount.fillna(method="ffill", inplace=True)
draft.province_deadCount.fillna(method="ffill", inplace=True)

分析：补全部分时间，取前日的数据进行插值，因为有的省份从4月末开始陆续就不再有新增病患，不再上报，所以这些省份的数据只能补全到4月末，往后的数据逐渐失去真实性

分析：同时进行日期格式化

for p in range(1,len(province)):date_d = []for dt in china.loc[china['provinceName'] ==  province[p]]['updateTime']:date_d.append(dt)date_d = list(set(date_d))date_d.sort()start = china.loc[china['provinceName'] ==  province[p]]['updateTime'].min()end = china.loc[china['provinceName'] ==  province[p]]['updateTime'].max()dates = pd.date_range(start=start, end=end)aid_frame = pd.DataFrame({'updateTime': dates,'provinceName':[province[p]]*len(dates)})aid_frame.updateTime = pd.to_datetime(aid_frame.updateTime,format="%Y-%m-%d",errors='coerce').dt.dateX = china.loc[china['provinceName'] ==  province[p]]X.reset_index(drop= True)Y = aid_frameY.reset_index(drop= True)draft_d = pd.concat([X,Y], join='outer').sort_values('updateTime')draft = pd.concat([draft,draft_d])draft.province_confirmedCount.fillna(method="ffill",inplace=True)draft.province_suspectedCount.fillna(method="ffill", inplace=True)draft.province_curedCount.fillna(method="ffill", inplace=True)draft.province_deadCount.fillna(method="ffill", inplace=True)#draft['updateTime'] = draft['updateTime'].strftime('%Y-%m-%d')#draft['updateTime'] = pd.to_datetime(draft['updateTime'],format="%Y-%m-%d",errors='coerce').dt.date

china = draft

china.head()
continentName continentEnglishName countryName countryEnglishName provinceName provinceEnglishName province_zipCode province_confirmedCount province_suspectedCount province_curedCount province_deadCount updateTime cityName cityEnglishName city_zipCode city_confirmedCount city_suspectedCount city_curedCount city_deadCount
208226 亚洲 Asia 中国 China 天津市 Tianjin 120000.0 14.0 0.0 0.0 0.0 2020-01-26 外地来津 NaN NaN 2.0 0.0 0.0 0.0
208224 亚洲 Asia 中国 China 天津市 Tianjin 120000.0 14.0 0.0 0.0 0.0 2020-01-26 河北区 Hebei District 120105.0 5.0 0.0 0.0 0.0
208228 亚洲 Asia 中国 China 天津市 Tianjin 120000.0 14.0 0.0 0.0 0.0 2020-01-26 和平区 Heping District 120101.0 1.0 0.0 0.0 0.0
208227 亚洲 Asia 中国 China 天津市 Tianjin 120000.0 14.0 0.0 0.0 0.0 2020-01-26 滨海新区 Binhai New Area 120116.0 1.0 0.0 0.0 0.0
208230 亚洲 Asia 中国 China 天津市 Tianjin 120000.0 14.0 0.0 0.0 0.0 2020-01-26 西青区 Xiqing District 120111.0 1.0 0.0 0.0 0.0

四. 数据分析及可视化

在进行数据分析及可视化时，依据每个问题选取所需变量并新建DataFrame再进行分析和可视化展示，这样数据不易乱且条理更清晰。

基础分析

基础分析，只允许使用numpy、pandas和matplotlib库。

可以在一张图上多个坐标系展示也可以在多张图上展示

请根据分析目的选择图形的类型(折线图、饼图、直方图和散点图等等)，实在没有主意可以到百度疫情地图或其他疫情分析的站点激发激发灵感。

（一）全国累计确诊/疑似/治愈/死亡情况随时间变化趋势如何？

分析：要获得全国累计情况随时间变化趋势，首先需要整合每日全国累计确诊情况做成date_confirmed

分析：要整合每日全国累计确诊情况，首先得提取每个省份每日当天最新累计确诊人数，省份数据求和后形成dataframe，
for循环拼接到date_confirmed中

date = list(set(china['updateTime']))
date.sort()
date

[datetime.date(2020, 1, 24),datetime.date(2020, 1, 25),datetime.date(2020, 1, 26),datetime.date(2020, 1, 27),datetime.date(2020, 1, 28),datetime.date(2020, 1, 29),datetime.date(2020, 1, 30),datetime.date(2020, 1, 31),datetime.date(2020, 2, 1),datetime.date(2020, 2, 2),datetime.date(2020, 2, 3),datetime.date(2020, 2, 4),datetime.date(2020, 2, 5),datetime.date(2020, 2, 6),datetime.date(2020, 2, 7),datetime.date(2020, 2, 8),datetime.date(2020, 2, 9),datetime.date(2020, 2, 10),datetime.date(2020, 2, 11),datetime.date(2020, 2, 12),datetime.date(2020, 2, 13),datetime.date(2020, 2, 14),datetime.date(2020, 2, 15),datetime.date(2020, 2, 16),datetime.date(2020, 2, 17),datetime.date(2020, 2, 18),datetime.date(2020, 2, 19),datetime.date(2020, 2, 20),datetime.date(2020, 2, 21),datetime.date(2020, 2, 22),datetime.date(2020, 2, 23),datetime.date(2020, 2, 24),datetime.date(2020, 2, 25),datetime.date(2020, 2, 26),datetime.date(2020, 2, 27),datetime.date(2020, 2, 28),datetime.date(2020, 2, 29),datetime.date(2020, 3, 1),datetime.date(2020, 3, 2),datetime.date(2020, 3, 3),datetime.date(2020, 3, 4),datetime.date(2020, 3, 5),datetime.date(2020, 3, 6),datetime.date(2020, 3, 7),datetime.date(2020, 3, 8),datetime.date(2020, 3, 9),datetime.date(2020, 3, 10),datetime.date(2020, 3, 11),datetime.date(2020, 3, 12),datetime.date(2020, 3, 13),datetime.date(2020, 3, 14),datetime.date(2020, 3, 15),datetime.date(2020, 3, 16),datetime.date(2020, 3, 17),datetime.date(2020, 3, 18),datetime.date(2020, 3, 19),datetime.date(2020, 3, 20),datetime.date(2020, 3, 21),datetime.date(2020, 3, 22),datetime.date(2020, 3, 23),datetime.date(2020, 3, 24),datetime.date(2020, 3, 25),datetime.date(2020, 3, 26),datetime.date(2020, 3, 27),datetime.date(2020, 3, 28),datetime.date(2020, 3, 29),datetime.date(2020, 3, 30),datetime.date(2020, 3, 31),datetime.date(2020, 4, 1),datetime.date(2020, 4, 2),datetime.date(2020, 4, 3),datetime.date(2020, 4, 4),datetime.date(2020, 4, 5),datetime.date(2020, 4, 6),datetime.date(2020, 4, 7),datetime.date(2020, 4, 8),datetime.date(2020, 4, 9),datetime.date(2020, 4, 10),datetime.date(2020, 4, 11),datetime.date(2020, 4, 12),datetime.date(2020, 4, 13),datetime.date(2020, 4, 14),datetime.date(2020, 4, 15),datetime.date(2020, 4, 16),datetime.date(2020, 4, 17),datetime.date(2020, 4, 18),datetime.date(2020, 4, 19),datetime.date(2020, 4, 20),datetime.date(2020, 4, 21),datetime.date(2020, 4, 22),datetime.date(2020, 4, 23),datetime.date(2020, 4, 24),datetime.date(2020, 4, 25),datetime.date(2020, 4, 26),datetime.date(2020, 4, 27),datetime.date(2020, 4, 28),datetime.date(2020, 4, 29),datetime.date(2020, 4, 30),datetime.date(2020, 5, 1),datetime.date(2020, 5, 2),datetime.date(2020, 5, 3),datetime.date(2020, 5, 4),datetime.date(2020, 5, 5),datetime.date(2020, 5, 6),datetime.date(2020, 5, 7),datetime.date(2020, 5, 8),datetime.date(2020, 5, 9),datetime.date(2020, 5, 10),datetime.date(2020, 5, 11),datetime.date(2020, 5, 12),datetime.date(2020, 5, 13),datetime.date(2020, 5, 14),datetime.date(2020, 5, 15),datetime.date(2020, 5, 16),datetime.date(2020, 5, 17),datetime.date(2020, 5, 18),datetime.date(2020, 5, 19),datetime.date(2020, 5, 20),datetime.date(2020, 5, 21),datetime.date(2020, 5, 22),datetime.date(2020, 5, 23),datetime.date(2020, 5, 24),datetime.date(2020, 5, 25),datetime.date(2020, 5, 26),datetime.date(2020, 5, 27),datetime.date(2020, 5, 28),datetime.date(2020, 5, 29),datetime.date(2020, 5, 30),datetime.date(2020, 5, 31),datetime.date(2020, 6, 1),datetime.date(2020, 6, 2),datetime.date(2020, 6, 3),datetime.date(2020, 6, 4),datetime.date(2020, 6, 5),datetime.date(2020, 6, 6),datetime.date(2020, 6, 7),datetime.date(2020, 6, 8),datetime.date(2020, 6, 9),datetime.date(2020, 6, 10),datetime.date(2020, 6, 11),datetime.date(2020, 6, 12),datetime.date(2020, 6, 13),datetime.date(2020, 6, 14),datetime.date(2020, 6, 15),datetime.date(2020, 6, 16),datetime.date(2020, 6, 17),datetime.date(2020, 6, 18),datetime.date(2020, 6, 19),datetime.date(2020, 6, 20),datetime.date(2020, 6, 21),datetime.date(2020, 6, 22),datetime.date(2020, 6, 23)]

china = china.set_index('provinceName')
china = china.reset_index()

分析：循环遍历省份和日期获得每个省份每日累计确诊，因为需要拼接，先初始化一个date_confirmed

list_p = []
list_d = []
list_e = []
for p in range(0,32):try:con_0 = china.loc[china['updateTime'] == date[2]].loc[china['provinceName'] ==  province[p]].iloc[[0]].iloc[0] list_p.append(con_0['province_confirmedCount'])#该日每省的累计确诊人数except:continue
list_d.append(sum(list_p))
list_e.append(str(date[0]))
date_confirmed = pd.DataFrame(list_d,index=list_e)
date_confirmed.index.name="date"
date_confirmed.columns=["China_confirmedCount"]
date_confirmed
China_confirmedCount
date
2020-01-24 1956.0

分析：遍历每个省份拼接每日的总确诊人数的dataframe

l = 0
for i in date[3:]:list_p = []list_d = []list_e = []l +=1for p in range(0,32):try:con_0 = china.loc[china['updateTime'] == date[l]].loc[china['provinceName'] ==  province[p]].iloc[[0]].iloc[0] list_p.append(con_0['province_confirmedCount'])#该日每省的累计确诊人数except:continue#con_0 = china.loc[china['updateTime'] == date[0]].loc[china['provinceName'] == '河北省'].loc[[0]].iloc[0]#list_p.append(con_0['province_confirmedCount'])#该日每省的累计确诊人数list_d.append(sum(list_p))list_e.append(str(date[l]))confirmed = pd.DataFrame(list_d, index=list_e)confirmed.index.name="date"confirmed.columns=["China_confirmedCount"]date_confirmed = pd.concat([date_confirmed,confirmed],sort=False)
date_confirmed
China_confirmedCount
date
2020-01-24 1956.0
2020-01-25 2253.0
2020-01-26 1956.0
2020-01-27 2825.0
2020-01-28 4589.0
... ...
2020-06-17 8106.0
2020-06-18 6862.0
2020-06-19 6894.0
2020-06-20 6921.0
2020-06-21 6157.0

150 rows × 1 columns

分析：去除空值和不全的值

date_confirmed.dropna(subset=['China_confirmedCount'],inplace=True)
date_confirmed.tail(20)
China_confirmedCount
date
2020-06-02 78782.0
2020-06-03 78780.0
2020-06-04 76903.0
2020-06-05 76908.0
2020-06-06 8777.0
2020-06-07 8782.0
2020-06-08 8628.0
2020-06-09 8634.0
2020-06-10 8638.0
2020-06-11 8649.0
2020-06-12 8658.0
2020-06-13 8665.0
2020-06-14 8733.0
2020-06-15 8772.0
2020-06-16 8055.0
2020-06-17 8106.0
2020-06-18 6862.0
2020-06-19 6894.0
2020-06-20 6921.0
2020-06-21 6157.0

分析：数据从4月末开始到5月末就因为缺失过多省份的数据(部分省份从4月末至今再也没有新增病患)而失真，自2020-06-06起完全失去真实性，所以我删除了2020-06-06往后的数据

date_confirmed = date_confirmed.drop(['2020-06-06','2020-06-07','2020-06-08','2020-06-09','2020-06-10','2020-06-11','2020-06-12','2020-06-13','2020-06-14','2020-06-15','2020-06-16','2020-06-19','2020-06-18','2020-06-20','2020-06-17','2020-06-21'])

分析：构造拼接函数

def data_frame(self,china,element):l = 0for i in date[3:]:list_p = []list_d = []list_e = []l +=1for p in range(0,32):try:con_0 = china.loc[china['updateTime'] == date[l]].loc[china['provinceName'] ==  province[p]].iloc[[0]].iloc[0] list_p.append(con_0[element])except:continue#con_0 = china.loc[china['updateTime'] == date[0]].loc[china['provinceName'] == '河北省'].loc[[0]].iloc[0]#list_p.append(con_0['province_confirmedCount'])list_d.append(sum(list_p))list_e.append(str(date[l]))link = pd.DataFrame(list_d, index=list_e)link.index.name="date"link.columns=["China"]self = pd.concat([self,link],sort=False)self.dropna(subset=['China'],inplace=True)self = self.drop(['2020-06-06','2020-06-07','2020-06-08','2020-06-09','2020-06-10','2020-06-11','2020-06-12','2020-06-13','2020-06-14','2020-06-15','2020-06-16','2020-06-19','2020-06-18','2020-06-20','2020-06-17','2020-06-21'])return self

分析：初始化各个变量

#累计治愈人数  date_curedCount
list_p = []
list_d = []
list_e = []
for p in range(0,32):try:con_0 = china.loc[china['updateTime'] == date[2]].loc[china['provinceName'] ==  province[p]].iloc[[0]].iloc[0] list_p.append(con_0['province_curedCount'])except:continue
list_d.append(sum(list_p))
list_e.append(str(date[0]))
date_cured = pd.DataFrame(list_d, index=list_e)
date_cured.index.name="date"
date_cured.columns=["China"]#累计死亡人数  date_dead
list_p = []
list_d = []
list_e = []
for p in range(0,32):try:con_0 = china.loc[china['updateTime'] == date[2]].loc[china['provinceName'] ==  province[p]].iloc[[0]].iloc[0] list_p.append(con_0['province_deadCount'])except:continue
list_d.append(sum(list_p))
list_e.append(str(date[0]))
date_dead = pd.DataFrame(list_d, index=list_e)
date_dead.index.name="date"
date_dead.columns=["China"]

#累计确诊患者  date_confirmed
plt.rcParams['font.sans-serif'] = ['SimHei'] #更改字体,否则无法显示汉字
fig = plt.figure( figsize=(16,6), dpi=100)
ax = fig.add_subplot(1,1,1)
x = date_confirmed.index
y = date_confirmed.values
ax.plot( x, y, color=dt_hex, linewidth=2, linestyle='-' )
ax.set_title('累计确诊患者',fontdict={'color':'black','size':24
})
ax.set_xticks( range(0,len(x),30))

[<matplotlib.axis.XTick at 0x255520e4908>,<matplotlib.axis.XTick at 0x255520e49e8>,<matplotlib.axis.XTick at 0x255520af048>,<matplotlib.axis.XTick at 0x2555216b0b8>,<matplotlib.axis.XTick at 0x2555216b4e0>]


#累计治愈患者 date_curedCount
date_cured = data_frame(date_cured,china,'province_curedCount')
fig = plt.figure( figsize=(16,6), dpi=100)
ax = fig.add_subplot(1,1,1)
x = date_cured.index
y = date_cured.values
ax.set_title('累计治愈患者',fontdict={'color':'black','size':24
})
ax.plot( x, y, color=dt_hex, linewidth=2, linestyle='-' )
ax.set_xticks( range(0,len(x),30))

[<matplotlib.axis.XTick at 0x25550ef60f0>,<matplotlib.axis.XTick at 0x255521cd0b8>,<matplotlib.axis.XTick at 0x255521b7780>,<matplotlib.axis.XTick at 0x2555208ffd0>,<matplotlib.axis.XTick at 0x2555208f0f0>]

分析：累计疑似无法通过补全数据得到

#累计死亡患者 date_dead
date_dead = data_frame(date_dead,china,'province_deadCount')
fig = plt.figure( figsize=(16,6), dpi=100)
ax = fig.add_subplot(1,1,1)
x = date_dead.index
y = date_dead.values
ax.plot( x, y, color=dt_hex, linewidth=2, linestyle='-' )
x_major_locator=MultipleLocator(12)
ax=plt.gca()
ax.set_title('累计死亡患者',fontdict={'color':'black','size':24
})
ax.xaxis.set_major_locator(x_major_locator)
ax.set_xticks( range(0,len(x),30))

[<matplotlib.axis.XTick at 0x255521fda90>,<matplotlib.axis.XTick at 0x255521fda58>,<matplotlib.axis.XTick at 0x25552a51550>,<matplotlib.axis.XTick at 0x25552a75470>,<matplotlib.axis.XTick at 0x25552a75908>]

分析：疫情自1月初开始爆发，到2月末开始减缓增速，到4月末趋于平缓。治愈人数自2月初开始大幅增加，到3月末趋于平缓，死亡人数自1月末开始增加，到2月末趋于平缓，到4月末因为统计因素死亡人数飙升后趋于平缓。
分析总结：确诊人数数据和治愈数据从4月末开始到5月末就因为缺失过多省份的数据(部分省份至今再也没有新增病患)导致失真，其他数据尽量通过补全,越靠近尾部数据越失真。死亡数据补全较为成功，几乎没有错漏。

（二）全国新增确诊/疑似/治愈/死亡情况随时间变化趋势如何？

分析：新增确诊/治愈/死亡的数据需要对china进行运算，每省每日进行diff差值运算

分析：首先初始化各个数据，然后仿照上面的拼接函数，作适用于该题的拼接函数

#新增确诊人数  date_new_confirmed
list_p = []
list_d = []
list_e = []
for p in range(0,32):try:con_0 = china.loc[china['updateTime'] == date[2]].loc[china['provinceName'] ==  province[p]].iloc[[0]].iloc[0] list_p.append(con_0['province_confirmedCount'])#该日每省的累计确诊人数except:continue
list_d.append(sum(list_p))
list_e.append(str(date[0]))
date_new_confirmed = pd.DataFrame(list_d,index=list_e)
date_new_confirmed.index.name="date"
date_new_confirmed.columns=["China"]
date_new_confirmed#新增治愈人数  date_new_curedCount
list_p = []
list_d = []
list_e = []
for p in range(0,32):try:con_0 = china.loc[china['updateTime'] == date[2]].loc[china['provinceName'] ==  province[p]].iloc[[0]].iloc[0] list_p.append(con_0['province_curedCount'])except:continue
list_d.append(sum(list_p))
list_e.append(str(date[0]))
date_new_cured = pd.DataFrame(list_d, index=list_e)
date_new_cured.index.name="date"
date_new_cured.columns=["China"]#新增死亡人数  date_new_dead
list_p = []
list_d = []
list_e = []
for p in range(0,32):try:con_0 = china.loc[china['updateTime'] == date[2]].loc[china['provinceName'] ==  province[p]].iloc[[0]].iloc[0] list_p.append(con_0['province_deadCount'])except:continue
list_d.append(sum(list_p))
list_e.append(str(date[0]))
date_new_dead = pd.DataFrame(list_d, index=list_e)
date_new_dead.index.name="date"
date_new_dead.columns=["China"]

分析：构造拼接函数

def data_new_frame(self,china,element):l = 0for i in date[3:]:list_p = []list_d = []list_e = []l +=1for p in range(0,32):try:con_0 = china.loc[china['updateTime'] == date[l]].loc[china['provinceName'] ==  province[p]].iloc[[0]].iloc[0] list_p.append(con_0[element])except:continue#con_0 = china.loc[china['updateTime'] == date[0]].loc[china['provinceName'] == '河北省'].loc[[0]].iloc[0]#list_p.append(con_0['province_confirmedCount'])list_d.append(sum(list_p))list_e.append(str(date[l]))link = pd.DataFrame(list_d, index=list_e)link.index.name="date"link.columns=["China"]self = pd.concat([self,link],sort=False)self.dropna(subset=['China'],inplace=True)return self

分析：数据补全以及去除含缺失省份的数据

d = data_new_frame(date_new_confirmed,china,'province_confirmedCount')
for i in range(len(d)):dr = []for a,b in zip(range(0,len(d)-1),range(1,len(d)-2)):if d.iloc[b].iloc[0] < d.iloc[a].iloc[0]:dr.append(d.iloc[b].iloc[0])d = d[~d['China'].isin(dr)]

分析：做差值运算

d['China'] = d['China'].diff()

分析：去除两个含缺失省份的日期

d.drop(['2020-06-20','2020-06-21'],inplace=True)

分析：作折线图表现时间趋势

#新增确诊患者  date_confirmed
fig = plt.figure( figsize=(16,6), dpi=100)
ax = fig.add_subplot(1,1,1)
x = d.index
y = d.values
ax.set_title('新增确诊患者',fontdict={'color':'black','size':24
})
ax.plot( x, y, color=dt_hex, linewidth=2, linestyle='-' )
ax.set_xticks( range(0,len(x),10))

[<matplotlib.axis.XTick at 0x25552a9c898>,<matplotlib.axis.XTick at 0x25552a9c860>,<matplotlib.axis.XTick at 0x25552ab7550>,<matplotlib.axis.XTick at 0x25552ad50f0>,<matplotlib.axis.XTick at 0x25552ad5518>,<matplotlib.axis.XTick at 0x25552ad59b0>,<matplotlib.axis.XTick at 0x25552ad5e48>,<matplotlib.axis.XTick at 0x25552adc320>]

分析：使用初始化数据构造date_new_cured的dataframe，然后作折线图表现时间趋势

cu = data_new_frame(date_new_cured,china,'province_curedCount')
for i in range(len(cu)):dr = []for a,b in zip(range(0,len(cu)-1),range(1,len(cu)-2)):if cu.iloc[b].iloc[0] < cu.iloc[a].iloc[0]:dr.append(cu.iloc[b].iloc[0])cu = cu[~cu['China'].isin(dr)]
cu['China'] = cu['China'].diff()
cu.drop(['2020-06-20','2020-06-21'],inplace=True)
#新增治愈患者  date_new_cured
fig = plt.figure( figsize=(16,6), dpi=100)
ax = fig.add_subplot(1,1,1)
x = cu.index
y = cu.values
ax.set_title('新增治愈患者',fontdict={'color':'black','size':24
})
ax.plot( x, y, color=dt_hex, linewidth=2, linestyle='-' )
ax.set_xticks( range(0,len(x),10))

[<matplotlib.axis.XTick at 0x25552b13b00>,<matplotlib.axis.XTick at 0x25552b13ac8>,<matplotlib.axis.XTick at 0x25552b137b8>,<matplotlib.axis.XTick at 0x25552b3f470>,<matplotlib.axis.XTick at 0x25552b3f908>,<matplotlib.axis.XTick at 0x25552b3fda0>,<matplotlib.axis.XTick at 0x25552b47278>]

分析：使用初始化数据构造date_new_dead的dataframe，然后作折线图表现时间趋势

de = data_new_frame( date_new_dead,china,'province_deadCount')
for i in range(len(de)):dr = []for a,b in zip(range(0,len(de)-1),range(1,len(de)-2)):if de.iloc[b].iloc[0] < de.iloc[a].iloc[0]:dr.append(de.iloc[b].iloc[0])de = de[~de['China'].isin(dr)]
de['China'] = de['China'].diff()
de.drop(['2020-06-21'],inplace=True)
#新增死亡患者   date_new_dead
fig = plt.figure( figsize=(16,6), dpi=100)
ax = fig.add_subplot(1,1,1)
x = de.index
y = de.values
ax.set_title('新增死亡患者',fontdict={'color':'black','size':24
})
ax.plot( x, y, color=dt_hex, linewidth=2, linestyle='-' )
ax.set_xticks( range(0,len(x),10))

[<matplotlib.axis.XTick at 0x25553bdfd30>,<matplotlib.axis.XTick at 0x25553bdfcf8>,<matplotlib.axis.XTick at 0x25553c01f60>,<matplotlib.axis.XTick at 0x25553c146a0>,<matplotlib.axis.XTick at 0x25553c14b38>,<matplotlib.axis.XTick at 0x25553c14d68>,<matplotlib.axis.XTick at 0x25553c1b4a8>,<matplotlib.axis.XTick at 0x25553c1b940>,<matplotlib.axis.XTick at 0x25553c1bdd8>]

分析：新增患者自1月末开始增加，到2月14日前后到达顶点，后增数下降，趋于平缓。
分析：新增治愈患者自1月末开始增加，到3月02日前后达到顶峰，后增数下降，从4月初开始趋于平缓。
分析：新增死亡患者自1月末开始增加，到2月达到高峰，自3月初开始增数平缓，到4月17日前后因为统计因素飙升后回落。

（三）全国新增境外输入随时间变化趋势如何？

分析：新增境外输入数据需要对CHINA进行运算，逐日相减。

分析：先从CHINA取出境外输入的数据，然后补全时间序列并作差。

imported = CHINA.loc[CHINA['cityName'] == '境外输入']
imported.updateTime = pd.to_datetime(imported.updateTime,format="%Y-%m-%d",errors='coerce').dt.date
imported

D:\Anaconda\envs\python32\lib\site-packages\pandas\core\generic.py:5303: SettingWithCopyWarning:
A value is trying to be set on a copy of a slice from a DataFrame.
Try using .loc[row_indexer,col_indexer] = value insteadSee the caveats in the documentation: https://pandas.pydata.org/pandas-docs/stable/user_guide/indexing.html#returning-a-view-versus-a-copyself[name] = value
continentName continentEnglishName countryName countryEnglishName provinceName provinceEnglishName province_zipCode province_confirmedCount province_suspectedCount province_curedCount province_deadCount updateTime cityName cityEnglishName city_zipCode city_confirmedCount city_suspectedCount city_curedCount city_deadCount
136 亚洲 Asia 中国 China 陕西省 Shaanxi 610000 317 1.0 307 3 2020-06-23 境外输入 NaN 0.0 72.0 0.0 65.0 0.0
150 亚洲 Asia 中国 China 江苏省 Jiangsu 320000 654 3.0 653 0 2020-06-23 境外输入 NaN 0.0 23.0 0.0 22.0 0.0
201 亚洲 Asia 中国 China 北京市 Beijing 110000 843 164.0 584 9 2020-06-23 境外输入 NaN 0.0 174.0 3.0 173.0 0.0
214 亚洲 Asia 中国 China 河北省 Hebei 130000 346 0.0 323 6 2020-06-23 境外输入 NaN 0.0 10.0 0.0 10.0 0.0
218 亚洲 Asia 中国 China 天津市 Tianjin 120000 198 48.0 192 3 2020-06-23 境外输入 NaN 0.0 61.0 0.0 59.0 0.0
... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ...
115420 亚洲 Asia 中国 China 陕西省 Shaanxi 610000 250 1.0 240 3 2020-03-25 境外输入 NaN 0.0 5.0 1.0 0.0 0.0
115956 亚洲 Asia 中国 China 天津市 Tianjin 120000 145 0.0 133 3 2020-03-24 境外输入 NaN 0.0 9.0 0.0 0.0 0.0
116164 亚洲 Asia 中国 China 甘肃省 Gansu 620000 136 0.0 119 2 2020-03-24 境外输入 NaN 0.0 45.0 0.0 30.0 0.0
117171 亚洲 Asia 中国 China 上海市 Shanghai 310000 414 0.0 330 4 2020-03-24 境外输入 NaN 0.0 75.0 0.0 3.0 0.0
117597 亚洲 Asia 中国 China 天津市 Tianjin 120000 142 0.0 133 3 2020-03-24 境外输入 NaN 0.0 6.0 0.0 0.0 0.0

607 rows × 19 columns

分析：补全省份缺失时间的数据

for i in range(0,len(province)):list_j_d = []date_b = []for dt in imported.loc[imported['provinceName'] ==  province[i]]['updateTime']:date_b.append(str(dt))list_j_d = list(set(date_b))list_j_d.sort()#imported.loc[imported['provinceName'] == province[3]]try:start = imported.loc[imported['provinceName'] ==  province[i]]['updateTime'].min()end = imported.loc[imported['provinceName'] ==  province[i]]['updateTime'].max()dates_b = pd.date_range(start=str(start), end=str(end))aid_frame_b = pd.DataFrame({'updateTime': dates_b,'provinceName':[province[i]]*len(dates_b)})aid_frame_b.updateTime = pd.to_datetime(aid_frame_b.updateTime,format="%Y-%m-%d",errors='coerce').dt.date#draft = pd.merge(china.loc[china['provinceName'] ==  province[1]], aid_frame, on='updateTime', how='outer').sort_values('updateTime')draft_b = pd.concat([imported.loc[imported['provinceName'] ==  province[i]], aid_frame_b], join='outer').sort_values('updateTime')draft_b.city_confirmedCount.fillna(method="ffill",inplace=True)draft_b.city_suspectedCount.fillna(method="ffill", inplace=True)draft_b.city_curedCount.fillna(method="ffill", inplace=True)draft_b.city_deadCount.fillna(method="ffill", inplace=True)draft_b.loc[draft_b['provinceName'] ==  province[i]].fillna(0,inplace=True,limit = 1)draft_b.loc[draft_b['provinceName'] ==  province[i]].loc[:,'city_confirmedCount':'city_deadCount'] = draft_b.loc[draft_b['provinceName'] ==  province[i]].loc[:,'city_confirmedCount':'city_deadCount'].diff()draft_b.dropna(subset=['city_confirmedCount','city_suspectedCount','city_curedCount','city_deadCount'],inplace=True)imported = pd.concat([imported,draft_b], join='outer').sort_values('updateTime')except:continue
imported
continentName continentEnglishName countryName countryEnglishName provinceName provinceEnglishName province_zipCode province_confirmedCount province_suspectedCount province_curedCount province_deadCount updateTime cityName cityEnglishName city_zipCode city_confirmedCount city_suspectedCount city_curedCount city_deadCount
115956 亚洲 Asia 中国 China 天津市 Tianjin 120000.0 145.0 0.0 133.0 3.0 2020-03-24 境外输入 NaN 0.0 9.0 0.0 0.0 0.0
0 NaN NaN NaN NaN 甘肃省 NaN NaN NaN NaN NaN NaN 2020-03-24 NaN NaN NaN 45.0 0.0 30.0 0.0
117597 亚洲 Asia 中国 China 天津市 Tianjin 120000.0 142.0 0.0 133.0 3.0 2020-03-24 境外输入 NaN 0.0 6.0 0.0 0.0 0.0
117597 亚洲 Asia 中国 China 天津市 Tianjin 120000.0 142.0 0.0 133.0 3.0 2020-03-24 境外输入 NaN 0.0 6.0 0.0 0.0 0.0
116164 亚洲 Asia 中国 China 甘肃省 Gansu 620000.0 136.0 0.0 119.0 2.0 2020-03-24 境外输入 NaN 0.0 45.0 0.0 30.0 0.0
... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ...
150 亚洲 Asia 中国 China 江苏省 Jiangsu 320000.0 654.0 3.0 653.0 0.0 2020-06-23 境外输入 NaN 0.0 23.0 0.0 22.0 0.0
136 亚洲 Asia 中国 China 陕西省 Shaanxi 610000.0 317.0 1.0 307.0 3.0 2020-06-23 境外输入 NaN 0.0 72.0 0.0 65.0 0.0
91 NaN NaN NaN NaN 天津市 NaN NaN NaN NaN NaN NaN 2020-06-23 NaN NaN NaN 61.0 0.0 59.0 0.0
136 亚洲 Asia 中国 China 陕西省 Shaanxi 610000.0 317.0 1.0 307.0 3.0 2020-06-23 境外输入 NaN 0.0 72.0 0.0 65.0 0.0
201 亚洲 Asia 中国 China 北京市 Beijing 110000.0 843.0 164.0 584.0 9.0 2020-06-23 境外输入 NaN 0.0 174.0 3.0 173.0 0.0

2524 rows × 19 columns

分析：作copy()防止数据处理失误使得原数据丢失

draft_i = imported.copy()

分析：初始化一个省份数据，保证这个方法可行

real_s = imported.loc[imported['provinceName'] == province[0]]
real_s.drop_duplicates(subset='updateTime', keep='first', inplace=True)
draft_i =  real_s
for p in province:real_data = imported.loc[imported['provinceName'] == p]real_data.drop_duplicates(subset='updateTime', keep='first', inplace=True)#imported = pd.concat([real_data, china],sort=False)draft_i = pd.concat([real_data,draft_i],sort=False)

D:\Anaconda\envs\python32\lib\site-packages\ipykernel_launcher.py:2: SettingWithCopyWarning:
A value is trying to be set on a copy of a slice from a DataFrameSee the caveats in the documentation: https://pandas.pydata.org/pandas-docs/stable/user_guide/indexing.html#returning-a-view-versus-a-copyD:\Anaconda\envs\python32\lib\site-packages\ipykernel_launcher.py:6: SettingWithCopyWarning:
A value is trying to be set on a copy of a slice from a DataFrameSee the caveats in the documentation: https://pandas.pydata.org/pandas-docs/stable/user_guide/indexing.html#returning-a-view-versus-a-copy

分析：确认方法无误，对余下省份进行相同的处理

imported = draft_i

imported = imported.set_index('provinceName')
imported = imported.reset_index()

分析：进行各个省份的数据合并。

list_p = []
list_d = []
list_e = []
for p in range(0,32):try:con_0 = imported.loc[imported['updateTime'] == date[2]].loc[imported['provinceName'] ==  province[p]].iloc[[0]].iloc[0] list_p.append(con_0['city_confirmedCount'])#该日每省的累计确诊人数except:continue
list_d.append(sum(list_p))
list_e.append(str(date[0]))
date_new_foreign_confirmed = pd.DataFrame(list_d,index=list_e)
date_new_foreign_confirmed.index.name="date"
date_new_foreign_confirmed.columns=["imported_confirmedCount"]
date_new_foreign_confirmed
imported_confirmedCount
date
2020-01-24 0 
l = 0
for i in date[3:]:list_p = []list_d = []list_e = []l +=1for p in range(0,32):try:con_0 = imported.loc[imported['updateTime'] == date[l]].loc[imported['provinceName'] ==  province[p]].iloc[[0]].iloc[0] list_p.append(con_0['city_confirmedCount'])#该日每省的累计确诊人数except:continue#con_0 = imported.loc[imported['updateTime'] == date[0]].loc[imported['provinceName'] == '河北省'].loc[[0]].iloc[0]#list_p.append(con_0['city_confirmedCount'])#该日每省的累计确诊人数list_d.append(sum(list_p))list_e.append(str(date[l]))confirmed = pd.DataFrame(list_d, index=list_e)confirmed.index.name="date"confirmed.columns=["imported_confirmedCount"]date_new_foreign_confirmed = pd.concat([date_new_foreign_confirmed,confirmed],sort=False)
date_new_foreign_confirmed
imported_confirmedCount
date
2020-01-24 0.0
2020-01-25 0.0
2020-01-26 0.0
2020-01-27 0.0
2020-01-28 0.0
... ...
2020-06-17 848.0
2020-06-18 800.0
2020-06-19 800.0
2020-06-20 802.0
2020-06-21 775.0

150 rows × 1 columns

#新增境外输入
fig = plt.figure( figsize=(16,4), dpi=100)
ax = fig.add_subplot(1,1,1)
x = date_new_foreign_confirmed.index
y = date_new_foreign_confirmed.values
plot = ax.plot( x, y, color=dt_hex, linewidth=2, linestyle='-',label='date_new_foreign_confirmed' )
ax.set_xticks( range(0,len(x),10))
plt.xlabel('日期',fontsize=20)
plt.ylabel('人数',fontsize=20)
plt.title('COVID-19——新增境外输入',fontsize=30)
ax.legend( loc=0, frameon=True )

<matplotlib.legend.Legend at 0x25553ca5f28>

分析总结：境外输入病例自3月末开始激增，到5月初增速趋于平缓，到6月初开始增速减缓。

（四）你所在的省市情况如何？

分析：首先取出广东省的所有时间序列,转换成string类型,然后进行排序

m_dates = list(set(myhome['updateTime']))
aid_d = m_dates.copy()
for d in aid_d:a = str(d)m_dates.remove(d)m_dates.append(a)
m_dates.sort()

myhome = myhome.set_index('provinceName')
myhome = myhome.reset_index()

分析：遍历我的城市对应的省份的时间构建对应的dataframe

#广东省累计确诊人数
list_g = []
for i in range(0,len(m_dates)):try:con_m = myhome.loc[myhome['updateTime'] == date[i]].loc[myhome['cityName'] == '茂名'].iloc[[0]].iloc[0] list_g.append(con_m['province_confirmedCount'])except:list_g.append(0)continue
g_date_confirmed = pd.DataFrame(list_g, index=m_dates)
g_date_confirmed.index.name="date"
g_date_confirmed.columns=["g_confirmed"]
g_date_confirmed=g_date_confirmed[~g_date_confirmed['g_confirmed'].isin([0])]#广东省累计治愈人数
list_g = []
for i in range(0,len(m_dates)):try:con_m = myhome.loc[myhome['updateTime'] == date[i]].loc[myhome['cityName'] == '茂名'].iloc[[0]].iloc[0] list_g.append(con_m['province_curedCount'])except:list_g.append(0)continue
g_date_cured = pd.DataFrame(list_g, index=m_dates)
g_date_cured.index.name="date"
g_date_cured.columns=["g_cured"]
g_date_cured=g_date_cured[~g_date_cured['g_cured'].isin([0])]#广东省累计死亡人数
list_g = []
for i in range(0,len(m_dates)):try:con_m = myhome.loc[myhome['updateTime'] == date[i]].loc[myhome['cityName'] == '茂名'].iloc[[0]].iloc[0] list_g.append(con_m['province_deadCount'])except:list_g.append(0)continue
g_date_dead = pd.DataFrame(list_g, index=m_dates)
g_date_dead.index.name="date"
g_date_dead.columns=["g_dead"]
g_date_dead=g_date_dead[~g_date_dead['g_dead'].isin([0])]

分析：作折线图表现疫情随时间变化趋势

##广东省累计确诊人数  广东省累计治愈人数
plt.rcParams['font.sans-serif'] = ['SimHei']
x= g_date_confirmed.index
y1 = g_date_confirmed.values
y2 = g_date_cured.values
y3 = g_date_dead
#font_manager = font_manager.FontProperties(fname = 'C:/Windows/Fonts/simsun.ttc',size = 18)
plt.figure(figsize=(20,10),dpi = 80)
plt.plot(x,y1,color = r_hex,label = 'confirmed')
plt.plot(x,y2,color = g_hex,label = 'cured')
x_major_locator=MultipleLocator(12)
ax=plt.gca()
ax.xaxis.set_major_locator(x_major_locator)
plt.title('COVID-19 —— 广东省',fontsize=30)
plt.xlabel('日期',fontsize=20)
plt.ylabel('人数',fontsize=20)
plt.legend(loc=1, bbox_to_anchor=(1.00,0.90), bbox_transform=ax.transAxes)

<matplotlib.legend.Legend at 0x25553d02a90>


#广东省累计死亡人数
plt.rcParams['font.sans-serif'] = ['SimHei']
fig = plt.figure( figsize=(16,4), dpi=100)
ax = fig.add_subplot(1,1,1)
x = g_date_dead.index
y = g_date_dead.values
plot = ax.plot( x, y, color=dt_hex, linewidth=2, linestyle='-',label='dead' )
ax.set_xticks( range(0,len(x),10))
plt.xlabel('日期',fontsize=20)
plt.ylabel('人数',fontsize=20)
plt.title('COVID-19——广东省',fontsize=30)
ax.legend( loc=0, frameon=True )

<matplotlib.legend.Legend at 0x25553d94940>

分析：广东省的数据补全很成功，真实性高。
分析：从折线图来看，广东省自1月末起感染人数激增，直到2月中旬趋于平缓，3月初开始由于检测普及以及统计因素，短期确诊患者人数小幅度增加。广东省自2月初开始治愈人数激增，直到6月初开始因为新增感染人数趋于平缓，所以治愈人数趋于平缓。广东省自3月初开始不再有新增死亡患者。

（五）国外疫情态势如何？

分析：数据去除空值

world.dropna(axis=1, how='any', inplace=True)
#world.set_index('updateTime')

D:\Anaconda\envs\python32\lib\site-packages\ipykernel_launcher.py:1: SettingWithCopyWarning:
A value is trying to be set on a copy of a slice from a DataFrameSee the caveats in the documentation: https://pandas.pydata.org/pandas-docs/stable/user_guide/indexing.html#returning-a-view-versus-a-copy"""Entry point for launching an IPython kernel.

分析：创建国家列表country，创建日期列表date_y

country = list(set(world['provinceName']))
date_y = []
for dt in world.loc[world['provinceName'] ==  country[0]]['updateTime']:date_y.append(str(dt))
date_y = list(set(date_0))
date_y.sort()

分析：遍历国家列表对world中的updateTime进行处理并去重。

for c in country:world.loc[world['provinceName'] == c].sort_values(by = 'updateTime')
world.dropna(subset=['provinceName'],inplace=True)
world.updateTime = pd.to_datetime(world.updateTime,format="%Y-%m-%d",errors='coerce').dt.date

D:\Anaconda\envs\python32\lib\site-packages\ipykernel_launcher.py:3: SettingWithCopyWarning:
A value is trying to be set on a copy of a slice from a DataFrameSee the caveats in the documentation: https://pandas.pydata.org/pandas-docs/stable/user_guide/indexing.html#returning-a-view-versus-a-copyThis is separate from the ipykernel package so we can avoid doing imports until
D:\Anaconda\envs\python32\lib\site-packages\pandas\core\generic.py:5303: SettingWithCopyWarning:
A value is trying to be set on a copy of a slice from a DataFrame.
Try using .loc[row_indexer,col_indexer] = value insteadSee the caveats in the documentation: https://pandas.pydata.org/pandas-docs/stable/user_guide/indexing.html#returning-a-view-versus-a-copyself[name] = value

分析：取前15个国家的province_confirmedCount透视构成world_confirmed，并进行数据补全处理

world_confirmed = world.loc[world['provinceName'] == world.head(15)['provinceName'][0]].pivot_table(index='updateTime', columns='provinceName', values='province_confirmedCount',aggfunc=np.mean)
for i in world.head(15)['provinceName'][1:]:draft_c = world.loc[world['provinceName'] == i].pivot_table(index='updateTime', columns='provinceName', values='province_confirmedCount',aggfunc=np.mean)world_confirmed = pd.merge(world_confirmed,draft_c,on='updateTime', how='outer',sort=True)
world_confirmed.fillna(0,inplace=True,limit = 1)
world_confirmed.fillna(method="ffill",inplace=True)
world_confirmed
provinceName 美国 巴西 英国 俄罗斯 智利 印度 巴基斯坦 秘鲁 西班牙 孟加拉国 法国 沙特阿拉伯 瑞典 南非 厄瓜多尔
updateTime
2020-01-27 5.000000e+00 0.00 0.000000 0.0 0.0 0.000000 0.000000 0.000000 0.00 0.00 3.000000 0.000000 0.000000 0.0 0.000000
2020-01-29 0.000000e+00 0.00 0.000000 0.0 0.0 0.000000 0.000000 0.000000 0.00 0.00 4.000000 0.000000 0.000000 0.0 0.000000
2020-01-30 0.000000e+00 0.00 0.000000 0.0 0.0 1.000000 0.000000 0.000000 0.00 0.00 5.000000 0.000000 0.000000 0.0 0.000000
2020-01-31 6.000000e+00 0.00 2.000000 2.0 0.0 1.000000 0.000000 0.000000 0.00 0.00 0.000000 0.000000 0.000000 0.0 0.000000
2020-02-01 6.000000e+00 0.00 2.000000 2.0 0.0 1.000000 0.000000 0.000000 4.00 0.00 5.500000 0.000000 1.000000 0.0 0.000000
... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ...
2020-06-19 2.184912e+06 976906.50 300469.000000 563084.0 225103.0 371474.666667 162935.600000 243518.000000 245268.00 102292.00 158641.000000 145991.000000 55672.750000 83020.5 48256.400000
2020-06-20 2.221982e+06 1038568.00 302138.750000 573007.5 231393.0 390209.333333 169464.666667 247925.000000 245665.75 105535.00 159452.000000 151277.250000 56201.500000 87715.0 49519.666667
2020-06-21 2.253118e+06 1068977.25 303284.428571 579160.0 236748.0 399451.714286 174346.222222 251338.000000 245938.00 109657.75 160093.000000 154715.714286 56360.000000 92681.0 49731.000000
2020-06-22 2.279603e+06 1084312.25 304331.000000 587720.0 243276.6 416389.400000 179148.750000 254336.333333 246272.00 112306.00 160336.428571 158177.500000 57346.000000 96377.8 50092.600000
2020-06-23 2.299650e+06 1106470.00 305289.000000 592280.0 246963.0 425282.000000 182562.666667 257447.000000 246504.00 115786.00 160750.000000 161005.000000 59060.666667 101590.0 50487.666667

144 rows × 15 columns

分析：作前15个国家的疫情随时间变动表

#plt.rcParams['font.sans-serif'] = ['SimHei']
fig = plt.figure(figsize=(16,10))
plt.plot(world_confirmed)
plt.legend(world_confirmed.columns)
plt.title('前15个国家累计确诊人数',fontsize=20)
plt.xlabel('日期',fontsize=20)
plt.ylabel('人数/百万',fontsize=20);

分析：国外数据的补全较为成功，有一定的真实性。
分析：国外新冠确诊人数自3月末开始激增，排名前四的国家的疫情没有受到控制的趋势，国外疫情的趋势为确诊人数继续激增。

（六）结合你的分析结果，对个人和社会在抗击疫情方面有何建议？

从国内疫情折线图来看，从4月末开始疫情趋于平缓，相反，国外疫情从4月初开始爆发，至今没有看到平缓的趋势。
从境外输入案例来看，我们需要谨防境外输入病例，遏制国内新冠再次传播，一切都不能放松警惕。
对于个人，我们要避免到人员密集的区域，外出一定要戴好口罩，回家要做全面的消毒。
对于社会，在交通发达区域和人员密集区域，需要普及病毒检测和场所消毒措施，切断病毒的传播途径，维护我国疫情防控的成果。

附加分析(选做)

附加分析，所使用的库不限，比如可以使用seaborn、pyecharts等库。

限于个人能力，没有做。

用Python进行新型冠状病毒（COVID-19/2019-nCoV）疫情分析相关推荐

  1. python 关于新型冠状病毒代码!

    python 关于新型冠状病毒代码! 以下是代码(可复制,但没缩进.我打了,但不显示) t = 0 while t<35 or t>=40: t = int(input("请输入 ...

  2. 用Python抓新型冠状病毒肺炎实时数据，绘制市内疫情地图

    说明: 本文是Python可视化技术结合时下热点进行进行开发.讲解的案例,也是计算机编程课程思政的一个形式.文章遵守CSDN平台规定和国家法规(非新闻资质的网站不允许发布疫情数据),对运行结果图片中的 ...

  3. 基于大规模结构化病例数据的新型冠状病毒传播特征和感染人群分析

    来源:  专知 本文约510字,建议阅读5分钟 本文详细分析了新型冠状肺炎总体发病性别和年龄分布特点.主要感染原因.潜伏期特点及疫情趋势等特征. 2020 年年初,新型冠状病毒感染的肺炎 (COVID ...

  4. 用Python爬取新型冠状病毒肺炎实时数据，pyecharts v1.x绘制省市区疫情地图

    说明: 本文是Python可视化技术结合时下热点进行进行开发.讲解的案例,也课程思政的一个形式.文章遵守CSDN平台规定和国家法规(非新闻资质的网站不允许发布疫情数据),对运行结果(2020年2月8日 ...

  5. 详解医学顶刊《柳叶刀》最新发表新型冠状病毒研究论文

    自微信订阅号<夕小瑶的卖萌屋> 前言 新型冠状病毒(2019-nCoV)的突发恰逢春节,千家万户都对疫情十分关注.令人心痛的是,病毒带来的不止有病痛,还有来自各路媒体的大量谣言和不实解读. ...

  6. 【Python】利用python进行数据分析——以新型冠状病毒疫情为例

    [Python]利用python进行数据分析--以新型冠状病毒疫情为例 重要说明 只提交该文档这一个文件,做完后提交到学习通"结课大作业"中. 1. 文件命名: 必须以学号-姓名- ...

  7. 2019新型冠状病毒来势汹汹我们无需恐慌（可防可控），但也不得不防（存在的“人传人”的风险）

    [作为一个普通市民想要了解的"新型冠状病毒"的知识点整理] 一.病毒传染途径 1.病毒简介 冠状病毒是一个大型病毒家族,已知可引起感冒以及中东呼吸综合征(MERS)和严重急性呼吸综 ...

  8. 2019新型冠状病毒（COVID-19/2019-nCoV）全球各国疫情状况图表对比分析

    2019新型冠状病毒(COVID-19/2019-nCoV)全球各国疫情状况图表对比分析 本项目为2019新型冠状病毒(COVID-19/2019-nCoV)全球各国疫情状况的图表对比分析而创建,包括 ...

  9. Python爬取新型冠状病毒新闻进行LDA主题分析-从概率的角度去看文学

    一.主题介绍 使用 Python 爬取冠状病毒新闻 使用 jieba 分词进行词频分析 使用 LDA 主题模型提取新闻话题 通过词频分析绘制词云图 二.爬取新闻数据 目标网站:人民新闻网 导入我们需要 ...

最新文章

  1. thinkphp 调用php文件上传,ThinkPHP实现带验证码的文件上传功能实例
  2. 如何成为一名无人驾驶工程师
  3. 比特币现金受到美国和欧洲市场的欢迎
  4. rfc mail content-type
  5. 14-angular.isDefined
  6. Django REST framework 认证、权限和频率组件
  7. IOT（21）---：云、大数据、IOT深度融合 云计算进入3.0时代
  8. Linux：20个linux常用命令
  9. 2021年电视盒子推荐指南 电视盒子选购以及常见问题
  10. TIT 计算机图形学 实验一 十二面体线框模型
  11. Android开发工程师已难找工作
  12. 数学符号Span的含义
  13. SparkRDD优化（二）之SparkRDD共享变量（广播变量，累加器）
  14. 定积分的基本性质6 积分第一中值定理
  15. linux进程创建心得体会,Linux系统下计算机C语言编程心得体会
  16. 华为鸿蒙亮利剑,华为P50pro亮利剑，鸿蒙OS＋徕卡五摄＋5400mAh，这才是华为
  17. 容器云和传统云平台有什么区别？
  18. java web常用且实用的网站收集
  19. 为什么计算机没有无线网络,为什么没有无线路由器的计算机上没有宽带连接？...
  20. PDPS 服务器型Imtools的安装与最新一期许可证分享及替换方法

热门文章

  1. Past Simple
  2. React native ios上架
  3. unity粒子系统制作火的效果和碰撞触发入门
  4. 常用的Sql命令之创建表
  5. 电压测量的基本要求和电压测量仪器的分类
  6. 蓝桥杯单片机第十一届第一场省赛-多功能电压测量装置
  7. [转]五大杀毒引擎分析
  8. 一汽大众t一roc_一汽大众T-ROC正式亮相，百公里油耗仅5.7升，售价14万起！
  9. Web端阿里云音视频通信推流、拉流demo
  10. RHCE第一天之Linux例行性工作at、crontab详解