新冠疫情数据分析：实时趋势与地区对比

本题旨在考察参赛者在新冠疫情数据分析领域的技能，背景设定于2020年初爆发的新冠疫情。题目要求参与者处理和分析来自网络的新冠疫情数据，进行疫情的基本统计，制作可视化展示以及深入分析。 首先，任务1要求参赛者对附件1中的“城市疫情”数据进行处理。具体步骤包括： 1.1 统计各城市自首次确诊病例到6月30日的每日累计确诊、治愈和死亡人数，并以CSV格式保存为“task1_1.csv”。这个过程可能涉及数据清洗、日期解析和计算累计值，需要明确描述使用的编程语言（如C#）和数据处理库。例如，C#的LINQ或Excel函数可以用来处理数据。举例展示了武汉、深圳、保定在每月10号和25号的具体统计结果，这有助于理解数据趋势和变化。 1.2 任务1.1的结果将与“城市省份对照表”结合，进一步统计省级行政单位的日新增和累计数据，形成“task1_2.csv”。这部分工作涉及到数据整合和地理信息关联，参赛者需要确保省级数据的准确性和完整性。例如，湖北省（湖北）、广东省（广东）、河北省（河北）的数据展示，不仅包括每日新增病例，还包括累计数据，以便于比较和识别各地区的疫情动态。 除了这些基础统计，题目还提到设计可视化大屏，这可能涉及到数据可视化库（如Tableau、Power BI或Python的matplotlib）来创建动态展示，展示新冠疫情的时空变化情况。城市疫情风险图的绘制可能使用地图API（如Google Maps API）和数据可视化技术，展示不同城市的感染风险分布。 国际疫情变化的分析部分，参赛者需要对全球数据进行汇总，分析不同国家的感染速度、死亡率等关键指标，可能会使用世界卫生组织或其他官方数据源。这要求对全球数据集的处理和跨地区比较的能力。 最后，整个项目的成果将以研究报告的形式呈现，需要详细阐述数据处理方法、选择的工具和技术，以及分析结论和建议。这不仅考验了参赛者的编程和数据分析能力，也要求他们具备良好的报告写作和沟通技巧。 这个题目涵盖了从数据收集、处理、可视化到深入分析的完整流程，旨在考察参赛者在新冠疫情数据领域的真实应用能力和解决问题的综合能力。