全文鏈接：https://tecdat.cn/?p=33536

自2019年12月以來，傳染性冠狀病毒疾病2019（COVID-19）迅速席卷全球，并在短短幾個(gè)月內(nèi)達(dá)到了大流行狀態(tài)（點(diǎn)擊文末“閱讀原文”獲取完整代碼數(shù)據(jù)）。

相關(guān)視頻

迄今為止，全球已報(bào)告了超過6800萬例病例。為了應(yīng)對這一大流行病，實(shí)施了公共衛(wèi)生政策，通過實(shí)施“居家令”政策來減緩COVID-19的傳播。

因此，為了檢查全球范圍內(nèi)采取的限制措施對人員流動(dòng)性的有效性，我們幫助客戶研究死亡人數(shù)與時(shí)間的關(guān)系。

問題陳述：

該項(xiàng)目的目標(biāo)是分析各國政府采取的各種限制措施對人員流動(dòng)性的影響，以控制COVID-19病例和由此導(dǎo)致的死亡人數(shù)對經(jīng)濟(jì)和失業(yè)率的影響。我們使用匯率數(shù)據(jù)來查看這些限制措施對經(jīng)濟(jì)的影響，并在此期間檢查失業(yè)率的變化。我們開發(fā)了一個(gè)模型來預(yù)測由于病例增加而導(dǎo)致的COVID-19相關(guān)死亡人數(shù)。

文章來源地址http://www.zghlxwxcb.cn/news/detail-691676.html

使用 read csv 讀取數(shù)據(jù)，然后使用數(shù)據(jù)可視化探索數(shù)據(jù)

df.columns

數(shù)據(jù)信息

-數(shù)據(jù)集中的分類變量：dateRep、countriesAndTerritories、geoId、countryterritoryCode、continentExp -數(shù)據(jù)集中的無限變量：日、月、年、病例數(shù)、死亡數(shù)、popData2019、Cumulative_number_for_14_days_of_COVID-19_cases_per_100000

df.info()

數(shù)據(jù)集中有 49572 個(gè)觀測值和 12 個(gè)特征值

df.shape

Out[7]:

(49572, 12)

In?[8]:

#屬性/特征之間的相關(guān)性
 
df.corr()

#數(shù)據(jù)集說明
 
df.describe()

每天的 14 天累計(jì)病例數(shù)、病例數(shù)和死亡數(shù)。

2783 14 天累計(jì)病例數(shù)不為零的天數(shù)?

報(bào)告的 14 天累計(jì)病例數(shù)為零的天數(shù)。

報(bào)告的 14 天累計(jì)死亡人數(shù)為零的天數(shù)。

# 數(shù)據(jù)清洗-檢查是否存在空值
df.isnull()

# 這些似乎是數(shù)據(jù)集中的真實(shí)讀數(shù)，因此將其從數(shù)據(jù)集中刪除可能會(huì)改變分析結(jié)果。所以保持原樣。
print(df["Cumulative_number_for_14_days_of_COVID-19_cases_per_100000"].isnull().value_counts()) # 2783天中沒有累積14天病例為零

#可視化

import seaborn as sns

In?[107]:

df.columns

# 該函數(shù)接受特征/列名作為輸入。
# 繪制特征在天數(shù)和月份上的計(jì)數(shù)情況。

def plots_days_mnths(x):
    
    plt.figure(figsize = (30,20))
    feature = ['day','month']

• 病例數(shù)的日分析和月分析

• 從病例圖中我們可以看出，報(bào)告病例從 1 月份開始迅速增加，到 2020 年 7 月至 9 月達(dá)到最高峰。

• 而各月每天的報(bào)告病例數(shù)大致相等。

plots_days

最初幾個(gè)月報(bào)告的死亡病例有所增加，但從圖中可以看出，自 7 月份以來已得到控制。每月各天的報(bào)告死亡病例數(shù)大體相當(dāng)，但略有不同。

plots_days_m

import numpy as np

截至 2010 年 10 月，全世界報(bào)告的病例總數(shù)約為 39400032 例。

df['cases'].sum()

plt.ylabel('Counts', fontsize =14)
plt.title("Histogram of cases ", fontsize = 16)

Out[114]:

[0, 100000, 0, 100]

在大多數(shù)情況下，每天報(bào)告的死亡人數(shù)在 500 人及以下。在大多數(shù)天數(shù)中，約有 50%的天數(shù)每天報(bào)告的新病例超過 40000 例。全世界平均每天報(bào)告的死亡人數(shù)約為 795 人，平均每天報(bào)告的死亡人數(shù)為 23 人。

df[['deaths', 'cases']].mean(axis = 0, skipna = True)

截至 2010 年 10 月，全世界報(bào)告的死亡總?cè)藬?shù)約為 1105353 人

df['deaths'].sum()

plt.xlabel('deaths', fontsize = 14)
plt.ylabel('Counts', fontsize =14)

# 將日期列轉(zhuǎn)換為日期時(shí)間格式，以便繪制圖表。
date = pd.to_datetime(df['dateRep']) 

plt.figure(figsize =(15,10))

---

點(diǎn)擊標(biāo)題查閱往期內(nèi)容

Python用RNN神經(jīng)網(wǎng)絡(luò)：LSTM、GRU、回歸和ARIMA對COVID19新冠疫情人數(shù)時(shí)間序列預(yù)測

左右滑動(dòng)查看更多

01

02

03

04

用回歸法直觀顯示病例和死亡人數(shù)及其分布情況

從圖中可以看出，隨著病例數(shù)的增加，死亡人數(shù)也在增加。

顯示出這兩個(gè)特征之間的正線性關(guān)系。

#用回歸法直觀顯示病例和死亡人數(shù)及其分布情況
sns.jointplot(x='cases' , y='deaths' , data=df, kind='reg')

按年分析失業(yè)率

導(dǎo)入失業(yè)數(shù)據(jù)并將其轉(zhuǎn)換為數(shù)據(jù)框架 刪除列名 "1960 "至 "1990 "之間的所有列，因?yàn)樗鼈兪强樟?，?shù)據(jù)中沒有各縣報(bào)告的這些年份的數(shù)據(jù)，還刪除了 "指標(biāo)名稱 "和 "指標(biāo)代碼 "這兩列，因?yàn)榉治霾恍枰鼈儭?/p>

#  

unemp = unemp.drop(unemp.loc[:, 'Indicator Name':'1990'].columns, axis = 1)

In?[590]:

unemp.head(5)

查看 1991 年至 2020 年各國的基本統(tǒng)計(jì)數(shù)據(jù)摘要

unemp.describe()

繪制 1991 年至 2020 年各國就業(yè)率曲線的函數(shù)

def plot_unemp_region(country):
    for c in country:
        plt.plot(unemp.loc[c][1:],label = c)

失業(yè)率與國家總失業(yè)率對比

從 2015 年開始，愛爾蘭在控制失業(yè)率方面做得更好，因此在 2020 年持續(xù)低迷的大流行病期間，愛爾蘭在處理失業(yè)率方面做得更好。但從 2019 年開始，愛爾蘭的失業(yè)率仍有上升趨勢，應(yīng)注意避免進(jìn)一步的損害。

plot_unemp_regio

不同國家和地區(qū)的失業(yè)率

在大流行病期間，愛爾蘭在處理失業(yè)率方面似乎總體上介于歐盟和美國之間，印度在此期間與愛爾蘭緊隨其后。數(shù)據(jù)顯示，在過去一年中，美國的失業(yè)率在這些國家中最低。

plot_unemp_region(country)

skiprows = [0], index_col = "Date")

In?[588]:

cur.head()

顯示歐元相對于其他主要貨幣波動(dòng)

輸入要與歐元匯率進(jìn)行比較的貨幣列表 ，繪制 2020 年 1 月至 2020 年 10 月期間單個(gè)貨幣相對于歐元的波動(dòng)圖 ，從圖中可以看出，在過去幾個(gè)月中，歐元相對于美元、日元、人民幣等主要貨幣的匯率走低，這表明由于為控制病毒傳播而實(shí)施的封鎖和限制行動(dòng)的法律，企業(yè)和組織無法正常運(yùn)作。歐元估值受中國貨幣人民幣的影響最大，受印度貨幣盧比的影響最小。

def plot_currency_rate(currency):
    
    plt.figure(figsize = (30,20))
    for c in list(enumerate(currency)):
        plt.subplot(3, 2,c[0]+1)
        plt.plot(cur.loc[:][c[1]],label = c[1])

In?[303]:

plot_currency_rate(currency)

for c in currency:
                    plt.plot(cur.loc[:][c],label = c)
                    plt.ylabel("Euro", fontsize = 12)

基于每日病例預(yù)測死亡的模型開發(fā)

sns.barplot(data=df, x= 'cases' , y = 'deaths' , estimator=np.std)

從下面代碼中的相關(guān)矩陣圖中，我可以看到死亡和病例之間的相關(guān)性高達(dá) 0.736，而其他變量之間的相關(guān)性很弱。

df.corr()

sns.heatmap(df.corr())

sns.heatmap(df.corr(),annot=True , cmap='YlGnBu')

sns.pairplot(df)

通過可視化觀察數(shù)據(jù)分布，可以清楚地看出病例數(shù)的增加導(dǎo)致死亡人數(shù)的增加。因此，為了根據(jù)全國每天的病例數(shù)預(yù)測死亡人數(shù)，我們使用了線性回歸法來完成這一過程，結(jié)果如下。

這段代碼用于將數(shù)組或矩陣隨機(jī)分割成訓(xùn)練集和測試集。

python
# 用于將數(shù)組或矩陣隨機(jī)分割成訓(xùn)練集和測試集
from sklearn.model_selection import train_test_split

自變量為 cases，因變量為 deaths，分別賦值給 X 和 y。

python
X, y = df[['cases']], df['deaths']

• X 是包含 "cases" 條目的數(shù)據(jù)框（DataFrame）的一列，y 是包含目標(biāo)/響應(yīng)變量 "deaths" 的序列（Series）。

python
X.head(5)

• 數(shù)據(jù)被劃分為測試集和訓(xùn)練集，使用 train_test_split() 函數(shù)，以 80:20 的比例進(jìn)行劃分。

• train_test_split() 函數(shù)中的 test_size 參數(shù)設(shè)為 0.2，表示將 20% 的數(shù)據(jù)作為測試集。

python
# 訓(xùn)練集和測試集
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2)

在 [565] 處：

python
# 定義一個(gè)線性回歸模型
from sklearn import linear_model


# 使用訓(xùn)練集訓(xùn)練模型
regr.fit(X_train, y_train)

回歸系數(shù)

• 回歸系數(shù)是未知總體參數(shù)的估計(jì)值，表示預(yù)測變量（cases）與響應(yīng)變量（deaths）之間的關(guān)系。

• beta0 的回歸系數(shù)為 0.0196，這意味著平均而言，當(dāng)沒有報(bào)告病例時(shí)，死亡人數(shù)為 0.0196。

• 截距系數(shù)為 6.759，說明每天病例增加一個(gè)單位時(shí)，死亡人數(shù)增加 6.759。例如，每增加 100 個(gè)新病例，死亡人數(shù)每天增加 7.5。

• 對測試數(shù)據(jù)進(jìn)行線性模型預(yù)測死亡人數(shù)

#基于測試數(shù)據(jù)進(jìn)行預(yù)測
y_pre

結(jié)果：

# 每天對應(yīng)病例數(shù)量的實(shí)際死亡人數(shù)
y_test.head(10)

結(jié)果：

df.head()

結(jié)果：

計(jì)算評估指標(biāo)需要重新調(diào)整 X 的形狀：

# 重新調(diào)整 X 的形狀以計(jì)算指標(biāo)
X.values.reshape

結(jié)果：

<function ndarray.reshape>

計(jì)算均值絕對誤差（MAE）：

from sklearn.metrics import mean_squared_error,r2_score , mean_absolute_error

平均絕對誤差（MAE）

• 平均絕對誤差（MAE）是用于回歸模型的另一種損失函數(shù)。

• MAE 是目標(biāo)變量和預(yù)測變量之間的絕對差的總和。

• 我們有實(shí)際值 y_test 和預(yù)測值 y_pre，可以觀察到它們之間的差異。

#MAE
mean_absolute_error(y_test , y_pre)

結(jié)果：

18.3128

R-Squared

• R-squared 是衡量數(shù)據(jù)與擬合的回歸線之間接近程度的統(tǒng)計(jì)指標(biāo)。

• 提供了關(guān)于預(yù)測變量“cases”在我們的模型中如何解釋響應(yīng)變量“death”的程度的指示。

• 我的模型使用預(yù)測變量“cases”能夠解釋響應(yīng)變量“death”的變異程度為61%。

#R方分?jǐn)?shù)
r2_score(y_test , y_pre)

結(jié)果：

0.6156843

散點(diǎn)圖展示了線性回歸線以及數(shù)據(jù)圍繞該線分布的情況。

plt.scatter(X_test, y_test , color= 'blue' , linewidths=1)

g

輸出[579]:

0.615

輸入[580]:

# 構(gòu)建隨機(jī)森林模型。

輸入[581]:

from sklearn.ensemble import ExtraTreesRegressor, RandomForestRegressor

輸入[582]:

rfr.fit(X_train, y_train)

Y_pred = rfr.predict(X_test)

輸入[584]:

rfr.score(X_test, y_test)

輸出[584]:

0.39

輸入[585]:

plt.scatter(X_test, Y_pred, color='red')
plt.plot(X_test, y_pre, color='blue', linewidth=0.5)

結(jié)論

通過探索性數(shù)據(jù)分析，發(fā)現(xiàn)每天新冠病例增加時(shí)，報(bào)告的死亡人數(shù)也會(huì)有所上升。通過將病例作為預(yù)測因子、每天的死亡人數(shù)作為目標(biāo)變量的兩個(gè)回歸模型的結(jié)果，線性模型在預(yù)測每天的死亡人數(shù)方面更準(zhǔn)確，與每天報(bào)告的病例數(shù)相關(guān)。

通過對包含失業(yè)率和歐元匯率數(shù)據(jù)的數(shù)據(jù)集進(jìn)行數(shù)據(jù)可視化分析，還能夠探索各國為限制病毒傳播而引入的限制措施對歐洲主要經(jīng)濟(jì)體和失業(yè)率產(chǎn)生的影響。

歐元兌美元、英鎊、人民幣等主要貨幣的匯率在過去幾個(gè)月中看到了下降，這表明封鎖措施對企業(yè)和國家經(jīng)濟(jì)的影響。對失業(yè)率的影響也在失業(yè)率數(shù)據(jù)中清晰可見，愛爾蘭的失業(yè)率相對于其他國家來說處理得更好，但在過去幾個(gè)月中失業(yè)率明顯上升。

參考資料

1. https://www.sciencedirect.com/science/article/abs/pii/S0048969720323998

---

點(diǎn)擊文末“閱讀原文”

獲取全文完整代碼數(shù)據(jù)資料。

本文選自《Python隨機(jī)森林、線性回歸對COVID-19疫情、匯率數(shù)據(jù)預(yù)測病例數(shù)、失業(yè)率影響可視化》。

點(diǎn)擊標(biāo)題查閱往期內(nèi)容

【視頻】Python用LSTM長短期記憶神經(jīng)網(wǎng)絡(luò)對不穩(wěn)定降雨量時(shí)間序列進(jìn)行預(yù)測分析|數(shù)據(jù)分享

深度學(xué)習(xí)實(shí)現(xiàn)自編碼器Autoencoder神經(jīng)網(wǎng)絡(luò)異常檢測心電圖ECG時(shí)間序列

spss modeler用決策樹神經(jīng)網(wǎng)絡(luò)預(yù)測ST的股票

Python中TensorFlow的長短期記憶神經(jīng)網(wǎng)絡(luò)(LSTM)、指數(shù)移動(dòng)平均法預(yù)測股票市場和可視化

RNN循環(huán)神經(jīng)網(wǎng)絡(luò) 、LSTM長短期記憶網(wǎng)絡(luò)實(shí)現(xiàn)時(shí)間序列長期利率預(yù)測

結(jié)合新冠疫情COVID-19股票價(jià)格預(yù)測：ARIMA，KNN和神經(jīng)網(wǎng)絡(luò)時(shí)間序列分析

深度學(xué)習(xí)：Keras使用神經(jīng)網(wǎng)絡(luò)進(jìn)行簡單文本分類分析新聞組數(shù)據(jù)

用PyTorch機(jī)器學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)分類預(yù)測銀行客戶流失模型

PYTHON用LSTM長短期記憶神經(jīng)網(wǎng)絡(luò)的參數(shù)優(yōu)化方法預(yù)測時(shí)間序列洗發(fā)水銷售數(shù)據(jù)

Python用Keras神經(jīng)網(wǎng)絡(luò)序列模型回歸擬合預(yù)測、準(zhǔn)確度檢查和結(jié)果可視化

R語言深度學(xué)習(xí)卷積神經(jīng)網(wǎng)絡(luò) (CNN)對 CIFAR 圖像進(jìn)行分類：訓(xùn)練與結(jié)果評估可視化

深度學(xué)習(xí)：Keras使用神經(jīng)網(wǎng)絡(luò)進(jìn)行簡單文本分類分析新聞組數(shù)據(jù)

Python用LSTM長短期記憶神經(jīng)網(wǎng)絡(luò)對不穩(wěn)定降雨量時(shí)間序列進(jìn)行預(yù)測分析

R語言深度學(xué)習(xí)Keras循環(huán)神經(jīng)網(wǎng)絡(luò)(RNN)模型預(yù)測多輸出變量時(shí)間序列

R語言KERAS用RNN、雙向RNNS遞歸神經(jīng)網(wǎng)絡(luò)、LSTM分析預(yù)測溫度時(shí)間序列、 IMDB電影評分情感

Python用Keras神經(jīng)網(wǎng)絡(luò)序列模型回歸擬合預(yù)測、準(zhǔn)確度檢查和結(jié)果可視化

Python用LSTM長短期記憶神經(jīng)網(wǎng)絡(luò)對不穩(wěn)定降雨量時(shí)間序列進(jìn)行預(yù)測分析

R語言中的神經(jīng)網(wǎng)絡(luò)預(yù)測時(shí)間序列：多層感知器（MLP）和極限學(xué)習(xí)機(jī)（ELM）數(shù)據(jù)分析報(bào)告

R語言深度學(xué)習(xí)：用keras神經(jīng)網(wǎng)絡(luò)回歸模型預(yù)測時(shí)間序列數(shù)據(jù)

Matlab用深度學(xué)習(xí)長短期記憶（LSTM）神經(jīng)網(wǎng)絡(luò)對文本數(shù)據(jù)進(jìn)行分類

R語言KERAS深度學(xué)習(xí)CNN卷積神經(jīng)網(wǎng)絡(luò)分類識(shí)別手寫數(shù)字圖像數(shù)據(jù)（MNIST）

MATLAB中用BP神經(jīng)網(wǎng)絡(luò)預(yù)測人體脂肪百分比數(shù)據(jù)

Python中用PyTorch機(jī)器學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)分類預(yù)測銀行客戶流失模型

R語言實(shí)現(xiàn)CNN（卷積神經(jīng)網(wǎng)絡(luò)）模型進(jìn)行回歸數(shù)據(jù)分析

SAS使用鳶尾花(iris)數(shù)據(jù)集訓(xùn)練人工神經(jīng)網(wǎng)絡(luò)(ANN)模型

【視頻】R語言實(shí)現(xiàn)CNN（卷積神經(jīng)網(wǎng)絡(luò)）模型進(jìn)行回歸數(shù)據(jù)分析

Python使用神經(jīng)網(wǎng)絡(luò)進(jìn)行簡單文本分類

R語言用神經(jīng)網(wǎng)絡(luò)改進(jìn)Nelson-Siegel模型擬合收益率曲線分析

R語言基于遞歸神經(jīng)網(wǎng)絡(luò)RNN的溫度時(shí)間序列預(yù)測

R語言神經(jīng)網(wǎng)絡(luò)模型預(yù)測車輛數(shù)量時(shí)間序列

R語言中的BP神經(jīng)網(wǎng)絡(luò)模型分析學(xué)生成績

matlab使用長短期記憶（LSTM）神經(jīng)網(wǎng)絡(luò)對序列數(shù)據(jù)進(jìn)行分類

R語言實(shí)現(xiàn)擬合神經(jīng)網(wǎng)絡(luò)預(yù)測和結(jié)果可視化

用R語言實(shí)現(xiàn)神經(jīng)網(wǎng)絡(luò)預(yù)測股票實(shí)例

使用PYTHON中KERAS的LSTM遞歸神經(jīng)網(wǎng)絡(luò)進(jìn)行時(shí)間序列預(yù)測

python用于NLP的seq2seq模型實(shí)例:用Keras實(shí)現(xiàn)神經(jīng)網(wǎng)絡(luò)機(jī)器翻譯

用于NLP的Python：使用Keras的多標(biāo)簽文本LSTM神經(jīng)網(wǎng)絡(luò)分類