新冠肺炎的可视化和Logistic增长模型预测分析（新手入坑）

最新推荐文章于 2023-03-25 09:33:31 发布

null)

最新推荐文章于 2023-03-25 09:33:31 发布

阅读量2.1w

点赞数 23

分类专栏：数据分析数据预测文章标签： python 可视化数据可视化数据分析

本文链接：https://blog.csdn.net/null23333/article/details/106401281

版权

这篇博客通过Jupyter Notebook对全球新冠疫情进行了可视化分析，特别是使用Logistic增长模型预测了美国的确诊人数。作者指出，模型预测美国在90天内将达到约145万病例，拐点在6月19日左右，但实际数据已超过预测，说明模型需要进一步调整。

摘要由CSDN通过智能技术生成

新冠肺炎的可视化和Logistic增长模型预测分析（新手入坑）

Jupyter notebook代码进行了全球性可视化分析，并对美国感染人数进行了预测；
本人GitHub项目：
https://github.com/null421/COVID
参考GitHub项目：
https://github.com/fengdu78/machine_learning_beginner/tree/master/covid19
数据来源：
https://github.com/CSSEGISandData/COVID-19

全球新冠疫情发展趋势

subset = ww_trend['2020-01-22':'2020-05-05']
ax = subset.plot(figsize=(15, 10),linewidth=2,fontsize=10)  
plt.title('Worldwide Confirmed/Death Cases Over Time')
plt.xlabel('date')
plt.ylabel('Confirmed/Death')
plt.show()

全球确诊/死亡/新增病例

ww_trend['mortality'] = ww_trend['deaths'] / ww_trend['confirmed']
x=ww_trend.mortality
plt.figure(figsize = (15,10))
plt.plot(x)

全球致死率

可以看到世界疫情从三月中旬开始，便呈现指数级增长。在半个月内，全球确诊病例翻了一倍，死亡率也随之指数级上升。而三月中旬正好国内疫情进入攻坚后半段，形势好转，确诊人数各省逐步清零，但这时仅仅是国外疫情爆发的开始…

各大洲及国家新冠疫情发展趋势

1.亚洲

country_asian = country_data.query('date == @target_date')
fig = px.choropleth(
    country_asian,
    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