y疫情数据分析python代码
时间: 2023-11-12 17:48:35 浏览: 36
以下是一个简单的疫情数据分析的 Python 代码:
```python
import pandas as pd
import matplotlib.pyplot as plt
# 读取数据
data = pd.read_csv('covid19_data.csv')
# 筛选出中国的数据
china_data = data[data['Country/Region'] == 'China']
# 按照日期统计累计确诊、死亡、治愈人数
china_cumulative_data = china_data.groupby('ObservationDate')['Confirmed', 'Deaths', 'Recovered'].sum().reset_index()
# 绘制累计确诊、死亡、治愈人数曲线图
plt.plot(china_cumulative_data['ObservationDate'], china_cumulative_data['Confirmed'], label='Confirmed')
plt.plot(china_cumulative_data['ObservationDate'], china_cumulative_data['Deaths'], label='Deaths')
plt.plot(china_cumulative_data['ObservationDate'], china_cumulative_data['Recovered'], label='Recovered')
plt.legend()
plt.xlabel('Date')
plt.ylabel('Number')
plt.title('Cumulative COVID-19 Cases in China')
plt.show()
# 计算每日新增确诊、死亡、治愈人数
china_daily_data = china_cumulative_data.diff().fillna(0)
# 绘制每日新增确诊、死亡、治愈人数柱状图
plt.bar(china_daily_data['ObservationDate'], china_daily_data['Confirmed'], label='Confirmed')
plt.bar(china_daily_data['ObservationDate'], china_daily_data['Deaths'], label='Deaths')
plt.bar(china_daily_data['ObservationDate'], china_daily_data['Recovered'], label='Recovered')
plt.legend()
plt.xlabel('Date')
plt.ylabel('Number')
plt.title('Daily COVID-19 Cases in China')
plt.show()
```
其中,`covid19_data.csv` 是一个包含 COVID-19 疫情数据的 CSV 文件,可以从一些公开数据源获得。这段代码使用 `pandas` 库读取数据,并对中国的数据做了一些处理,然后使用 `matplotlib` 库绘制了累计确诊、死亡、治愈人数曲线图和每日新增确诊、死亡、治愈人数柱状图。这些图表可以帮助我们更好地理解疫情的发展趋势。