大家都知道这次疫情的情况，各地都推迟了开学或上班。对我们来说，这只是一个深入学习的机会。今天，我将带领大家分析一下新型冠状病毒的爆发趋势，并将其作为一个数据分析课程的实践案例，从数据采集、数据清洗、数据可视化到输出数据结论，走一遍数据分析的过程完全地。此次使用的数据是约翰霍普金斯大学收集的全球病毒爆发数据。导入需要的包和数据首先进行数据清理：删除不需要的数据列从数据中我们可以看出，第一列相当于数字，第五列是最后一次数据更新的时间。这两列对我们的分析很重要，没有实际意义，所以先把这两列删掉：二：处理数据集中的空值我们来看一下数据的整体情况：我们发现只有province字段有null值，那我们来看看具体的null值：经过筛选，我们发现空缺是一些国外的省份，是数据采集过程中产生的，我们无从推断是什么，所以这里的空值我们选择不处理。第三：删除重复数据通过使用duplicate的方法，我们发现这个手工组织的dataset中没有重复数据，所以不需要进行去重。数据洞察先来看看截至数据完成时，全球有多少国家“倒下”：通过统计，只有32个国家有确诊患者，但细心的同学可能会发现，有“中国”和“中国大陆””在国家列表中，第二个表示“中国大陆”，实际上是中国，所以我们应该将“中国大陆”改为“中国”作为一个统一的口径。在实际工作过程中，跨部门的数据经常会出现这种情况，所以处理这种数据噪音也是数据分析师的日常工作之一。接下来，让我们看一下时间字段。时间字段的处理也是数据分析过程中必不可少的一步：这里的时间精确到“小时”。为了统计方便，我们改成精确到“天”“：接下来我们以国家为维度统计每个国家的确诊病例数：排名第一的肯定是中国，排名靠前的是基本都是离中国近的亚洲国家，在欧美国家中，排名第一的是德国，如果是真正的工作流程，德国这一点是一个“异常值”，必须深挖，这里我们只是举个例子.然后我们以时间为维度来分析每天感染人数的变化：从这里可以看出，感染人数在14天内从555人增加到24503人，增长速度还是非常快的.具体分析每天有多少人新确诊。这里需要用到diff()方法：数据可视化首先看每天的确诊病例数，基本上是指数增长的趋势，符合传染病的暴发规律。我们要做的，就是根据后续的数据，洞察拐点的到来。接下来我们来看看每日“死亡数”和“治愈数”的变化趋势。从这个数据来看，治愈人数的增长趋势已经超过了死亡人数。因此，从“最好”和“最差”两个方面来看，整体趋势还是在向好的方向发展，大家不必过于担心。综上所述，以上分析只是一个介绍。部分数据用于指导大家参与数据分析的实际过程。欢迎大家在留言区一起讨论学习。
