疫情當前，共克時艱。

在新型冠狀病毒感染的肺炎疫情牽動社會人心的關鍵時刻，本文將利用數據分析、數據挖掘、機器學習相關方法，圍繞疫情態勢展示、疫情走勢預測進行分析，挖掘復雜異構多源數據之間的關聯關系，以形象生動的方式呈現給大家，為奪取防控疫情的勝利貢獻力量！

這里將使用傳統時間序列模型Prophet、深度學習模型Seq2seq和傳染病模型SIR進行確診人數預測。

數據描述

數據來源：https://www.kaggle.com/sudalairajkumar/novel-corona-virus-2019-dataset

該數據集為2019年新型冠狀病毒全球感染病例數、死亡人數和恢復情況的信息。請注意，這是一個時間序列數據，因此任何一天的病例數都是累積數。數據從2020年1月22日開始提供，每天都將進行更新。

數據集：

-2019ncovdata.csv

-time_series_2019_ncov_confirmed.csv

-time_series_2019_ncov_deaths.csv

-time_series_2019_ncov_recovered.csv

• Sno - 序列號

• Date - 觀察日期和時間（MM/DD/YYYY HH:MM:SS）

• Province / State - 觀察的省或州（丟失時可以為空）

• Country - 國家

• Last Update - 以UTC為單位的時間，在該時間為給定的省或國家更新行。（目前沒有標準化。所以請在使用前清洗）

• Confirmed - 確診人數

• Deaths - 死亡人數

• Recovered - 治愈人數

本文主要使用2019ncovdata.csv數據

數據分析

1.基本導入

import pandas as pd import numpy as np import matplotlib.pyplot as plt import seaborn as sns import scipy.stats as stats %matplotlib inline plt.style.use('ggplot')import plotly.express as px import plotly.graph_objs as go from plotly.offline import iplot, init_notebook_mode import plotly.figure_factory as ff from plotly import subplots from plotly.subplots import make_subplots init_notebook_mode(connected=True)from datetime import datetime, date, timedeltafrom fbprophet import Prophetimport warnings warnings.filterwarnings('ignore')pd.set_option('display.max_columns', 100) pd.set_option('display.max_rows', 100)

2. 數據導入

import os for dirname, _, filenames in os.walk('/kaggle/input'):for filename in filenames:print(os.path.join(dirname, filename))

輸出：

/kaggle/input/novel-corona-virus-2019-dataset/2019_nCoV_data.csv
/kaggle/input/novel-corona-virus-2019-dataset/time_series_2019_ncov_deaths.csv
/kaggle/input/novel-corona-virus-2019-dataset/time_series_2019_ncov_confirmed.csv
/kaggle/input/novel-corona-virus-2019-dataset/time_series_2019_ncov_recovered.csv

df = pd.read_csv('/kaggle/input/novel-corona-virus-2019-dataset/2019_nCoV_data.csv') df.head(5)

3.缺失值處理

可以看到省/州這列存在明顯缺失，詳細查看一下原因。

df[df['Province/State'].isnull()]

對于一些國家是沒有省/州相關信息的，所以為空。

4.已確診情況可視化

首先是全球情況

fig = px.bar(df, x='Date', y='Confirmed', hover_data=['Province/State', 'Deaths', 'Recovered'], color='Country') annotations = [] annotations.append(dict(xref='paper', yref='paper', x=0.0, y=1.05,xanchor='left', yanchor='bottom',text='Confirmed bar plot for each country',font=dict(family='Arial',size=30,color='rgb(37,37,37)'),showarrow=False)) fig.update_layout(annotations=annotations) fig.show()

這里是中國的確診情況

fig = px.bar(df.loc[dataset['Country'] == 'Mainland China'], x='Date', y='Confirmed', hover_data=['Province/State', 'Deaths', 'Recovered'], color='Province/State') annotations = [] annotations.append(dict(xref='paper', yref='paper', x=0.0, y=1.05,xanchor='left', yanchor='bottom',text='Confirmed bar plot for Mainland China',font=dict(family='Arial',size=30,color='rgb(37,37,37)'),showarrow=False)) fig.update_layout(annotations=annotations) fig.show()

中國死亡人數情況

湖北地區死亡人數/治愈人數

數據聚合

confirmed_training_dataset = pd.DataFrame(dataset[dataset.Country=='China'].groupby('Date')['Confirmed'].sum().reset_index()).rename(columns={'Date': 'ds', 'Confirmed': 'y'}) confirmed_training_dataset.head()

日期特征沒有等距間隔，這是因為數據是在一天中的某個時間存儲的，而不是實時的。此處我們假設為每天真實的確診數據，以便分析和預測

模型預測 -?Prophet

Facebook 所提供的 prophet 算法不僅可以處理時間序列存在一些異常值的情況，也可以處理部分缺失值的情形，還能夠幾乎全自動地預測時間序列未來的走勢。prophet 所做的事情就是：

輸入已知的時間序列的時間戳和相應的值；

輸入需要預測的時間序列的長度；

輸出未來的時間序列走勢。

輸出結果可以提供必要的統計指標，包括擬合曲線，上界和下界等。

from fbprophet import Prophet from fbprophet.diagnostics import cross_validation, performance_metrics from fbprophet.plot import plot_cross_validation_metric, add_changepoints_to_plot, plot_plotly

我們從建立基本的baseline模型開始，包括每日趨勢。( 當然這不一定會有用，因為日期中的時間不是新確認病例登記的真實時間，所以會存在各種干擾因素）。

prophet = Prophet(yearly_seasonality=False,weekly_seasonality = False,daily_seasonality = True,seasonality_mode = 'additive') prophet.fit(confirmed_training_dataset) future = prophet.make_future_dataframe(periods=7) confirmed_forecast = prophet.predict(future)

對結果進行可視化分析

fig = plot_plotly(prophet, confirmed_forecast) annotations = [] annotations.append(dict(xref='paper', yref='paper', x=0.0, y=1.05,xanchor='left', yanchor='bottom',text='確診人數預測',font=dict(family='Arial',size=30,color='rgb(37,37,37)'),showarrow=False)) fig.update_layout(annotations=annotations) fig

Prophet中有年、周和日季節性參數，現在我們試著去掉每日的季節性重新預測。

prophet = Prophet(yearly_seasonality=False,weekly_seasonality = False,daily_seasonality = False,seasonality_mode = 'additive') prophet.fit(confirmed_training_dataset) future = prophet.make_future_dataframe(periods=7) confirmed_forecast_2 = prophet.predict(future)

效果變得非常的差，接下來看看這兩個模型的平均絕對百分比誤差（MAPE）。

def mean_absolute_percentage_error(y_true, y_pred): y_true, y_pred = np.array(y_true), np.array(y_pred)return np.mean(np.abs((y_true - y_pred) / y_true)) * 100max_date = prophet.ds.max() y_true = prophet.y.values y_pred_daily = confirmed_forecast.loc[confirmed_forecast['ds'] <= max_date].yhat.values y_pred_daily_2 = confirmed_forecast_2.loc[confirmed_forecast_2['ds'] <= max_date].yhat.valuesprint('包含日季節性 MAPE: {}'.format(mean_absolute_percentage_error(y_true,y_pred_daily))) print('不包含日季節性 MAPE: {}'.format(mean_absolute_percentage_error(y_true,y_pred_daily_2)))

輸出：

包含日季節性 MAPE: 39.37057017194978
不包含日季節性 MAPE: 162.6290389271529

很明顯這些模型的性能很差，我們可以嘗試在兩個模型中添加一些參數，看看是否有什么變化，希望有所改進。

在 Prophet 中，般可以設置以下四種參數：

Capacity：在增量函數是邏輯回歸函數的時候，需要設置的容量值。

Change Points：可以通過 n_changepoints 和 changepoint_range 來進行等距的變點設置，也可以通過人工設置的方式來指定時間序列的變點。

季節性和節假日：可以根據實際的業務需求來指定相應的節假日。

光滑參數：??changepoint_prior_scale 可以用來控制趨勢的靈活度，?seasonality_prior_scale 用來控制季節項的靈活度，??holidays prior scale 用來控制節假日的靈活度。

如果不想設置的話，使用 Prophet 默認的參數即可。

Prophet具體介紹，請參考：https://zhuanlan.zhihu.com/p/52330017

后續文章會對Seq2seq和SIR預測疫情進行詳細介紹

參考鏈接：

https://www.kaggle.com/shubhamai/coronavirus-eda-future-predictions

https://www.kaggle.com/parulpandey/wuhan-coronavirus-a-geographical-analysis

往期精彩回顧適合初學者入門人工智能的路線及資料下載機器學習在線手冊深度學習在線手冊AI基礎下載（pdf更新到25集）備注：加入本站微信群或者qq群，請回復“加群”獲取一折本站知識星球優惠券，請回復“知識星球”喜歡文章，點個在看

總結

以上是生活随笔為你收集整理的抗击肺炎：新冠肺炎疫情数据可视化及疫情预测分析的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。