学校作业记一下
一、数据说明:
本次练习使用的数据集来自数据网站Kaggle的美国新冠肺炎疫情数据集,该数据集以数据表us-counties.csv组织,其中包含了美国发现首例新冠肺炎确诊病例至2020-05-19的相关数据。数据包含以下字段:
字段名称 字段含义 例子
date 日期 2020/1/21;2020/1/22;etc
county 区县(州的下一级单位) Snohomish;
state 州 Washington
cases 截止该日期该区县的累计确诊人数 1,2,3…
deaths 截止该日期该区县的累计确诊人数 1,2,3…
二、实验要求:
使用python根据该数据完成以下内容:
- 清除重复数据后,生成DataFrame。
- 进行数据分析,解决如下问题:
1) 统计美国截止每日的累计确诊人数和累计死亡人数。做法是以date作为分组字段,对cases和deaths字段进行汇总统计。
2) 统计截止2020.05.19,美国各州的累计确诊人数和死亡人数。首先筛选出5.19的数据,然后以state作为分组字段,对cases和deaths字段进行汇总统计。
3) 统计截止5.19日,美国死亡人数最少的十个州。
4) 统计截止5.19日,全美和各州的病死率。病死率 = 死亡数/确诊数,对3)的结果DataFrame注册临时表,然后按公式计算。 - 上述统计结果写入csv文件(分开生成,共4个文件1.csv-4.csv)。
import pandas as pd
import os
import csv
# 使用pandas读入
data = pd.read_csv( r"./us-counties.csv") #读取文件中所有数据为dataframe
a=data.drop_duplicates(subset=None, keep='first', inplace=False) #去重
new = a
# 1)统计美国截止每日的累计确诊人数和累计死亡人数。做法是以date作为分组字段,对cases和deaths字段进行汇总统计
sum = a[["date", "cases","deaths"]].groupby("date").sum()
sum.to_csv(r'./1.csv')
# 2) 以state作为分组字段,对cases和deaths字段进行汇总统计。
state = a[["state", "cases","deaths"]].groupby("state").sum()
state.to_csv(r'./2.csv')
# 3) 美国死亡人数最少的十个州
death = a[["state", "deaths"]].groupby("state").sum()
top = death.sort_values(by='deaths', ascending=True).head(10)
top.to_csv(r'./3.csv')
# 4) 全美和各州的病死率。病死率 = 死亡数/确诊数,对3)的结果DataFrame注册临时表,然后按公式计算。
new.loc['ALL'] = new.apply(lambda x: x.sum())
new.loc['ALL','state'] = "US"
DF = new[["state", "cases","deaths"]].groupby("state").sum()
DF.eval('death_rate = deaths/cases' , inplace=True)
B=DF.drop("deaths", 1)
C=B.drop("cases", 1)
C.to_csv(r'./4.csv')
发现自己看错数据了,源数据是累计死亡率…改了一下
import pandas as pd
import os
import csv
# 使用pandas读入
data = pd.read_csv( r"./us-counties.csv") #读取文件中所有数据为dataframe
a=data.drop_duplicates(subset=None, keep='first', inplace=False) #去重
new = a
# 1)统计美国截止每日的累计确诊人数和累计死亡人数。做法是以date作为分组字段,对cases和deaths字段进行汇总统计
sum = a[["date", "cases","deaths"]].groupby("date").sum()
sum.to_csv(r'./1.csv')
# 2) 以state作为分组字段,对cases和deaths字段进行汇总统计。
a = a[a['date']=='2020/5/19']
state = a[["state", "cases","deaths"]].groupby("state").sum()
state.to_csv(r'./2.csv')
# 3) 美国死亡人数最少的十个州
death = a[["state", "deaths"]].groupby("state").sum()
top = death.sort_values(by='deaths', ascending=True).head(10)
top.to_csv(r'./3.csv')
# 4) 全美和各州的病死率。病死率 = 死亡数/确诊数,对3)的结果DataFrame注册临时表,然后按公式计算。
new = a[a['date']=='2020/5/19']
new.loc['ALL'] = new.apply(lambda x: x.sum())
new.loc['ALL','state'] = "US"
DF = new[["state", "cases","deaths"]].groupby("state").sum()
DF.eval('death_rate = deaths/cases' , inplace=True)
B=DF.drop("deaths", 1)
C=B.drop("cases", 1)
C.to_csv(r'./4.csv')