当前位置: 首页 > 后端技术 > Python

用数据看疫情拐点——真的来了吗?

时间:2023-03-26 11:25:37 Python

2020,努力做一个无可替代的人!前面的话,我们写了一篇关于自动获取疫情数据并通过邮件定时发送的文章。有兴趣的同学可以自行了解。我会贴出链接:疫情数据可视化,发邮件给你我。他提到这个One是因为它是我们今天内容的数据源的一部分。上一篇是2月15号发的,我12号就已经在爬数据了。12日,丁香园疫情平台新增“当前确诊病例数”栏目,这是此前没有的。另外,12号之前的数据来自github。我粗略地检查并处理了它。数据没有太大问题,不影响我们今天的分析课文。到目前为止,我们得到的最早数据是1月23日,全国累计确诊病例866人。23号之前的数据确实没有找到,所以特意找了这个。如果谁知道这部分数据的出处,请留言告知,万分感谢!这就是数据部分需要说明的全部内容。我们的数据不是从0开始的,这一点需要注意。今天需要提一个概念:拐点在数学中,拐点,又称拐点,指的是曲线向上或向下方向发生变化的点,即凹圆弧与圆弧之间的分界点。连续曲线的凸弧。大家应该没有忘记这个概念。高中数学,在网上找了一张图:这样看,拐点还是很好判断的。如果只是简单的根据曲线来判断拐点的话,真的很简单。首先我们看一下现在的疫情分布图:我们在上一节实现了这张疫情分布图,每天都会给留下邮箱的同学发邮件。看看这张分布图,它展示了从疫情开始到现在的累计数据。当然,我猜你可能还想看这张图:这张图显示的是仍然确诊的人数。如果青海和西藏的确诊病例已经恢复,则显示为0。也是因为有朋友提醒,从明天开始,邮件中的分布图内容将从第一张图改为第二张图.原因其实很简单。朋友说:“第一张图对我没用。”确实,对于疫区的人来说,他们最希望自己所在的地区像西藏、青海一样0。这一点是由于我在小学时缺乏考虑。前面留邮箱的同学要注意变化了。下面说说大家比较感兴趣的问题:疫情的拐点来了吗?在说这个问题之前,我们先来看一张图。我认为这幅图很能说明问题。这是1月23日到昨天的全国疫情数据图。需要注意的是,2月12日的疫情诊断标准由原来的中国核酸检测修改为临床检测,所以一天之内就出现了激增。如果单看累计确诊数的曲线,拐点是符合我们在数学上讲的拐点的定义,但我总觉得拐点到了累计确诊数就到了个案。曲线似乎有上升趋势,累计死亡人数仍处于上升通道。小义,我大胆预测一下,大家看看就好。如果累计确诊病例数、新增确诊病例数和死亡人数出现拐点,或许这就是我们想要的拐点。我们再看一张图。这是从1月23日到昨天的全国(湖北省除外)疫情数据图表,累计确诊病例数确实非常一致,但是在医学上,不应该只看这个指标吧?而如果再严谨一些,就会通过模型来验证,而不只是让我们用眼睛看到这个。但令人欣慰的是,无论是全国数据还是湖北省以外的数据都显示,治愈人数和治愈率都在加快。全国数据显示,治愈率几乎上升到25%,除湖北省外的全国数据显示,治愈率都在50%以上。有一说一,我们在疫情防控方面做得非常有成效,大家宅在家里的效果也特别好。显著地。通过以上分析,我们可以看出,在这场没有硝烟的特殊战役中,我们已经取得了初步的成绩。只要曲线的拐点都在,就是我们想要的拐点。但当前阶段,疫情已经得到遏制,但拐点尚未到来,战胜疫情仍需继续共同努力。前面说到数据,2月12日之前的数据是从github上获取的,之后的数据就是上一节的爬虫程序。爬虫每天早上八九点运行,所以数据可能和官方的不一样。毕竟官方数据也是随时更新的。这部分关于源码的内容是用seaborn绘制的,数据处理比较简单。我对代码写了评论。本节代码也已上传至github。需要源代码。在公众号后台回复,继续努力。对数据和代码有疑问的同学可以进群交流(后台回复加群)。原创不易,欢迎点赞