用 Python 对新冠病毒做数据分析，我们得出哪些结论？

一种最初在中国城市武汉被发现的病毒，现在已经传播到世界上十几个国家，引发了前所未有的健康和经济危机。

世界卫生组织(简称世卫组织)宣布武汉冠状病毒爆发为「国际关注的公共卫生突发事件」。

在本文中，我们将简要回顾当前的危机，然后深入研究 Kaggle 的「Novel Corona Virus 2019 Dataset」。我创建了一个 GitHub repo，以供大家发表自己的见解。

什么是冠状病毒?

据世卫组织称，冠状病毒(CoV)是一个病毒大家族，它们引起的疾病很多，包括普通感冒和更严重的疾病，如中东呼吸综合征(MERS-CoV)和严重急性呼吸综合征(SARS-CoV)。

新型冠状病毒(nCoV)是一种新的病毒株，此前尚未被人类发现。最近爆发的病毒被称为 2019-nCoV 或武汉冠状病毒。

我们面临的危机

此前，据《纽约时报》的一篇报道，「确诊感染人数上升至 37198 人」，「中国死亡人数上升至 811 人，超过了非典疫情造成的死亡人数」。

中国有 16 个城市，超过 5000 万人口，正处于封锁状态。全球各地的航空公司都取消了往返中国的航班。一些国家正通过特别航班疏散本国公民，并进一步对他们实施严格的隔离。

更糟糕的是，中国股市暴跌，全球股市受到了影响。一些分析人士预测，疫情对全球经济构成的威胁，有可能引发深远的政治后果。

数据集简介

约翰霍普金斯大学收集了「Novel Corona Virus 2019 Dataset」，并将该数据集发表在 Kaggle 上。该小组从世界卫生组织、当地疾控中心和媒体等不同渠道收集了这些数据。他们还创建了一个实时仪表盘来监控病毒的传播

免责声明：请注意，数据集没有更新，因此下面记录的结果可能不是当前现状的真实反映。

导入库并加载数据

理解数据集

让我们首先对数据集有一个基本的了解，并在必要时执行数据清洗操作。

输出：(770，8)。数据集中有 8 列共 770 个观测值。

列的名称显而易见。第一列「Sno」看起来像行号，不向分析添加任何值。第五列「Last Update」显示的值与「Date」列相同，但少数情况下，这些数字稍后会更新。在继续之前，我们先删除这两列。

除「Province/State」外，所有列都没有空值。进一步分析显示，英国、法国和印度等国的省份名称都不见了。在这种情况下，我们不能假设或填充任何主列表中缺少的值。让我们转到数字列。

describe() 方法返回数据帧中数值列的一般统计信息。

这个输出可以得到的一个直接结论是，数据已经累积报告，即任何一天报告的病例数包括先前报告的病例。死亡的最大值是 479，这与几天前媒体的报道(在这一数据公布时)是一致的。

duplicated() 方法返回一个布尔序列，然后将其用作原始数据帧的掩码。结果显示没有两个记录具有相同的国家、州和日期。因此我们可以得出结论，数据集中的所有观测值都是唯一的。

数据显示，该病毒已经传播到亚洲、欧洲和美洲的 32 个国家。为了进行分析，我们可以合并「China」和「Mainland China」的数据。

在开始之前，让我们检查一下 [Date] 栏中的日期。

数据似乎每天都在不同的时间更新。我们可以从时间戳中提取日期并将其用于进一步的分析。这将有助于我们保持日期一致。

让我们了解一下疫情对每个国家的影响。

由于数据是累积的，所以我们需要使用 groupby() 和 max() 函数，以获得每个国家报告的最大数目。如果我们使用 sum()，则会导致重复计算。

数据证实，迄今为止，中国报告的病例最多，481 例死亡病例几乎全部来自中国。但另一方面，中国也有 522 人康复，其次是泰国，有 7 人康复。

我们已经完成了数据预处理步骤，接下来让我们继续进行数据可视化，以寻找新的趋势和模式。