В настоящее время доступно множество визуализаций и статистических данных о распространении коронавируса по всему Интернету. При таком большом количестве информации и мнений экспертов трудно анализировать информацию и ее влияние на ситуации. Например, разные страны применяют разные стратегии для изоляции, следуя нормам социального дистанцирования в пострадавших районах и так далее. Прямого решения для разрешения текущей ситуации не существует, так как от многих других факторов также зависит осторожное обращение с ситуацией. Эта статья представляет собой попытку прогнозирования и анализа распространения коронавируса (COVID-19) в Индии.
Вступление
Коронавирус - это вирус РНК (рибонуклеиновой кислоты), состоящий из одноцепочечной РНК с положительным смыслом приблизительно 27–32 т.п.н. Коронавирус принадлежит к семейству Coronaviridae, которое состоит из коронавирусов альфа, бета, дельта и гамма. Известно, что вирус поражает широкий круг хозяев, включая людей, других млекопитающих и птиц. В Индии 1,34 миллиарда человек следуют изоляции, сохраняя социальное дистанцирование и другие меры предосторожности в соответствии с руководящими принципами, изданными правительством Индии. Поэтому я попытался осветить влияние COVID-19 на население Индии.
Задача
Цель этой статьи - получить необходимые данные для анализа и повысить осведомленность о COVID-19, включив сбор всех соответствующих данных.
Содержание
- Технические требования
- Сбор данных о COVID-19
- Уровень смертности по данным штата в Индии
- Анализ состояния до и после блокировки
- Прогнозирование активных случаев
- Подтвержденное прогнозирование случая
Предпосылки
- Установлен Python 3.1 или более поздней версии.
- Установите Pandas, Plotly, Maltplotlib, Scikit-learn
Сбор данных о COVID-19
Различные попытки ограничить влияние COVID-19 на мир, различные исследовательские работы и инновационные меры зависят от понимания, полученного на основе правильных данных, поэтому я решил использовать Covid19India API, ниже приведен код для получения сведений о состоянии из api.
Выше кода, указанные ниже детали
- 2 источника данных: latest и state_wise_daily
- Отображенный код состояния с именами состояний
- Агрегирование и сортировка данных по дням
Итак, теперь у нас есть агрегированное ежедневное количество подтвержденных, умерших и вылеченных.
Уровень смертности по данным штата в Индии
Для определения уровня смертности на 100 человек используйте приведенный ниже код.
Выше мы собрали совокупные данные по штатам, и для определения уровня смертности мы делим умерший случай на подтвержденный, и после запуска кода вы найдете ниже вывод
Исходя из результатов, мы можем проанализировать, что Гуджарат, Махараштра и Мадхья-Прадеш являются основными штатами, где на каждые 100 подтвержденных случаев Covid-19 прибл. 5 случаев подпадают под категорию умерших.
Анализ состояния до и после блокировки
Для проведения анализа состояния был проанализирован первый этап периода блокировки, который начался с 24 марта 2020 года по 24 апреля 2020 года. Ниже приведены несколько снимков тенденции по штатам.
Интересно, что после блокировки восстановленных и подтвержденных случаев увеличивается аналогичный образец для всех состояний. Вы можете использовать приведенный ниже код, чтобы получить визуализацию выше. .
Теперь мы сгруппируем количество подтвержденных случаев за день, чтобы получить визуальное представление.
С момента первого выявленного случая Covid-19 в Индии сейчас 104-й день, и анализ показывает, что планка растет день ото дня. Ниже приведен код для получения вышеупомянутой визуализации.
Вместо того, чтобы останавливаться на точных цифрах, вывод из нижеследующего прогноза состоит в том, что мы можем провести значимый анализ и предпринять предварительные действия.
Прогнозирование активных случаев
Анализ показывает, что ежедневно активных случаев в Индии составляет прибл. 4524, а на 52-й день кривая прекратила крутизну и начала выравниваться, кривая будет выравниваться до дня 130, что составляет 22 июля 2020 г. Кроме того, 31 июля 2020 года в Индии будет около 360848 активных случаев Covid-19. Вы можете использовать приведенный ниже код для выполнения вышеуказанного анализа, прежде чем это позволит понять сигмовидную функцию в нашем сценарии.
Сигмовидная функция
С самого начала, которое со временем ускоряется и приближается к кульминации. Когда конкретная математическая модель отсутствует, часто используется сигмовидная функция. Таким образом, в нашем случае сигмоидальная функция равна y = c / (1 + np.exp (-a * (xb))), где
c - максимальное значение ( Максимальное количество зараженных вирусом людей)
a - Сигмовидная форма (как прогрессирует заражение)
b - Точка, в которой сигмовидная кишка начинает сглаживаться
Ниже приведен код для сигмовидной функции и активного прогнозирования случаев.
Уловка, позволяющая понять, что это не реальный линейный процесс, а экспоненциальный. Мы должны соответствующим образом обращаться с нашими данными.
Подтвержденное прогнозирование случая
Ежедневно подтвержденных случаев в Индии составляет прибл. 29115, а на 94-й день кривая прекратила крутизну и начала выравниваться, кривая будет выравниваться до 245-го дня, т.е. 14 ноября 2020 г. Кроме того, 31 июля 2020 г. в Индии прибл. 1276800 Подтвержденных случаев Covid-19. Вы можете использовать приведенный ниже код для получения вышеуказанного анализа.
Надеюсь, эта статья будет способствовать дальнейшим исследованиям. Спасибо за чтение.
Будьте в безопасности!
Ссылки
Covid19India.org
Выявление коронавируса, изолированного от пациента
Отдельное спасибо Приянке и Нихилу!