前言

前几日，于一月底在家闲的实在无聊，便找了点事情做，写了个小脚本每小时收集实时疫情信息，并保存到数据库中，到我写这篇文章为止，我已经收集到了241396条数据，精确到了地级市的确诊人数、治愈人数、死亡人数，大多数小伙伴们都于下周一返回工作岗位进行复工，下面我将用数据告诉你，为什么国家在下周一敢让你复工。

导入数据

将mysql数据库中的数据导出csv，保存到桌面，记住路径，用sas导入到临时work库中：

1
2
3
4
5
6
7
8
filename csvfile '/folders/myfolders/data_files/all_data.csv';

proc import datafile=csvfile
	dbms=csv
	out=work.import;
	getnames=yes;
	guessingrows=32767;
run;

导入的数据集信息如下：

  • confirmedCount：确诊人数
  • curedCount：治愈人数
  • deadCount：死亡人数
  • name：省份、地级市名称
  • parent_id：上级地区名称
  • update_time：更新时间

数据清洗

  • 由于数据源suspectedCount（疑似人数）不正确，需要在数据集里丢掉它
  • update_time的格式是datetime，需要把相关日期提取出来，把时间去掉
  • 需要从时间把时提取出来，方便后面作筛选
1
2
3
4
5
6
7
data sasr_all_data;
	set work.import;
	datetime = datepart(update_time);
	hour = hour(update_time);
	format datetime yymmddn8.;
	drop suspectedCount update_time;
run;

数据筛选、计算

以湖北省为例

数据筛选

由于湖北省是疫情重灾区，数据量较大，更容易看出疫情蔓延的趋势，所以我们首先将湖北省截止到我写文章的时间点数据（20点）拿出来：

1
2
3
4
5
6
7
8
data hubei_data;
	set work.sasr_all_data;
	where datetime between input('2020-01-29',yymmdd10.) 
	and input('2020-02-20',yymmdd10.)
	and hour = 20
	and name = '湖北省';
	drop parent_id;
run;

数据计算

计算每日确诊人数、死亡人数、治愈人数的增长率

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
data hubei_data_handle;
	set work.hubei_data;
	
	/*新建三个变量来保存数据上次迭代的数据*/
	retain confirmed_temp cured_temp dead_temp;
	
	/*计算增长率*/
	confirmed_growth_rate = abs(confirmed_temp - confirmedCount) / confirmed_temp;
	cured_growth_rate = abs(cured_temp - confirmedCount) / cured_temp;
	dead_growth_rate = abs(dead_temp - confirmedCount) / dead_temp;
	
	/*为临时变量赋值*/
	confirmed_temp = confirmedCount;
	cured_temp = curedCount;
	dead_temp = deadCount;
	
	/*为缺失值赋值为0*/
	if confirmed_growth_rate = . then confirmed_growth_rate = 0;
	if cured_growth_rate = . then cured_growth_rate = 0;
	if dead_growth_rate = . then dead_growth_rate = 0;
run;

在进行完数据计算之后，接下来就是图形展示：

图形可视化分析

我们先看一下湖北省每日的死亡人数和确诊人数：

1
2
3
4
5
6
7
8
title "湖北省疫情感染情况图";
proc sgplot data=hubei_data_handle;
  xaxis type=discrete;
  series x=datetime y=confirmedCount / datalabel;
  series x=datetime y=deadCount / 
      datalabel y2axis;
run;
title;

从折线图看，每日增长在逐渐变缓，在02月12日湖北省感染人数明显增长，原因是在12日这天新的领导班子，将之前掩盖的问题彻底揭露了出来，经过新的领导班子的铁腕政策，拐点快要到来，下面看一下死亡人数、确诊人数的增长率：

1
2
3
4
5
6
7
8
title "湖北省疫情增长率情况图";
proc sgplot data=hubei_data_handle;
  xaxis type=discrete;
  series x=datetime y=confirmed_growth_rate / datalabel;
  series x=datetime y=dead_growth_rate / 
      datalabel y2axis;
run;
title;

红色线条是死亡增长率，从02月05日开始，死亡率明显下降，同时在12日有了突增，原因还是因为新的领导班子大刀阔斧，将之间旧的问题暴露出来，从12日开始，增长率开始有了明显的下降，蓝色线条是确诊人数增长率，我们也看到了明显的下降，疫情有了明显的控制。

以全国为例

数据筛选

首先需要拿出全国省市在01月29日至02月20日特定时间点（20点）的数据：

1
2
3
4
5
6
7
8
data all_data;
	set work.sasr_all_data;
	where datetime between input('2020-01-29',yymmdd10.) 
	and input('2020-02-20',yymmdd10.)
	and hour = 20
	and parent_id = 'NULL';
	drop parent_id;
run;

数据计算

将数据按照日期汇总，计算出全国总的确诊人数、死亡人数、治愈人数：

1
2
3
4
5
6
7
8
proc sql;
	create table all_data_sum as
	select t.datetime,
		sum(t.confirmedCount) as confirmedCount,
		sum(t.deadCount) as deadCount,
		sum(t.curedCount) as curedCount
	    from all_data t group by t.datetime;
quit;

计算增长率，计算逻辑与之前相似：

1
2
3
4
5
6
7
8
9
10
11
12
13
data all_data_handle;
	set all_data_sum;
	retain confirmed_temp cured_temp dead_temp;
	confirmed_growth_rate = abs(confirmed_temp - confirmedCount) / confirmed_temp;
	cured_growth_rate = abs(cured_temp - confirmedCount) / cured_temp;
	dead_growth_rate = abs(dead_temp - confirmedCount) / dead_temp;
	confirmed_temp = confirmedCount;
	cured_temp = curedCount;
	dead_temp = deadCount;
	if confirmed_growth_rate = . then confirmed_growth_rate = 0;
	if cured_growth_rate = . then cured_growth_rate = 0;
	if dead_growth_rate = . then dead_growth_rate = 0;
run;

图形可视化分析

首先看一下全国的每日死亡人数和确诊人数：

1
2
3
4
5
6
7
8
title "全国疫情详情统计图";
proc sgplot data=all_data_handle;
  xaxis type=discrete;
  series x=datetime y=confirmedCount / datalabel;
  series x=datetime y=deadCount / 
      datalabel y2axis;
run;
title;

虽然曲线在逐渐增长，但是斜率在逐渐变低，那就意味着增长率也在慢慢降低。

接下来看一下增长率：

红色线条是死亡增长率，蓝色线条是感染人数增长率，我们可以明显看到，每日感染人数的增长率都在逐步降低，死亡率也在慢慢降低，疫情得到了明显的控制，增长率已经控制到了2%以下。

总结

通过全国和湖北重灾区数据的可视化分析，我们能够得到的一个结论是，我们的各项数据的增长率在慢慢降低，相信不久的将来，可能是10天以内，增长率会控制在1%以下，这就为全国复工打下了坚实的基础，所以国家才会大力鼓励各地全员开工，恢复经济发展，好了今天的文章就到这里，下面是我的个人微信公众号，如果这篇文章帮到了您，请右下角点一个在看支持我一下，我们下期再见！我是TyrantLucifer，一个专注于Linux、Python、数据挖掘、数据分析的初入门小菜鸡~~