机器学习分析预测新冠数据，实现GUI界面

前言

这次小项目主要是对前段时间学习成果的一次集中展现，新人博主，欢迎指导。

简介

本代码通过分析近88天的疫情数据，将确诊病例数、在国家、地区两个维度进行了可视化展示，并且使用多项式回归和logistic回归对未来的确诊人数进行预测，本代码，使用到了numpy 、panda和datetime处理数据，sklearn建立相应的数学模型， matplotlib绘制图， tkinter制作GUI界面。
time_series_covid19_confirmed_global.csv文件记录了截止到4月19日的新型肺炎确诊情况 最新数据源文件

效果图预览

在GUI界面选择预测的天数，起止时间，地区可以得出分析预测图像。

整体思路

1. 获取数据源
   使用SVN从Github上面一个项目仓库CSSEGISandData/COVID-19，下载了一个包含地区维和时间维的确诊患者数量.csv文件。
   SVM使用教程连接
   四月份下载的数据文件

2. 处理数据
   首先读取.csv文件，转为DataFrame格式。按GUI界面选择的参数截取数据，如：中国-湖北-1月22日-4月19日。先按国家属性做行截取，得到33行各省市数据。再按省属性做行截取，得到一行湖北数据。再按起止时间做列截取，得纯患者人数行DateFrame格式。把时间段转换成时间序列[1,2,3……88]，把患者人数转换成List结构。

3. 进行回归分析
   自变量为时间，因变量为患者数，用多种模型尝试进行拟合。简单线性回归、支持向量回归，拟合效果很差，舍弃。最后留下了效果好的：多项式回归和logistic回归。对应输入的预测天数，反馈出预测图像。

4. 制作GUI界面
   用tk的标签，输入条，下拉框，画布控件组成。其中两个下拉选项框，负责选择国家和选择的，做了嵌套功能，只有选了中国才能有武汉选项。具体实现方法是在国家选择事件触发一个函数，这个函数会把省选项删除，代入国家参数重新显示一个省选项。在选择完地区成后会触发更新预测图函数，即先把已有的图删除，再重新画一个。

整体代码

import pandas as pd
import numpy as np
import datetime
from sklearn.model_selection import  train_test_split
from sklearn.linear_model import LogisticRegression,LinearRegression
from sklearn.preprocessing import PolynomialFeatures
import matplotlib
from matplotlib.pyplot import MultipleLocator
from matplotlib.backends.backend_tkagg import  FigureCanvasTkAgg
from matplotlib.figure import Figure
import tkinter as tk
from tkinter import ttk

pd.set_option('display.max_columns',1000)
pd.set_option('display.width', 1000)
pd.set_option('display.max_colwidth',1000)
# .csv包含93列：Province/State表示省份，Country/Region表示国家，Lat，Long分别表示经纬度，后面每一列分别表示具体日期（1月22日-4月19日）
confirmed_global_path = 'C:\\Users\\chao\\csse_covid_19_time_series\\time_series_covid19_confirmed_global.csv'
confirmed_global_df = pd.DataFrame(pd.read_csv(confirmed_global_path))
cols = confirmed_global_df.keys()#列名
dates = confirmed_global_df.loc[:, cols[4]:].keys()#提取日期列名（1月22日-4月19日）
global  start_date,end_date
start_date=0
end_date=88
matplotlib.use('TkAgg')
window = tk.Tk()
window.geometry("600x900")

label4=tk.Label(window, text='Predicted days: ')
label4.pack()
entry4=tk.Entry(window,width=20,font=("宋体", 10, 'bold'))
entry4.pack()

label3=tk