В своих предыдущих постах я проводил сравнительный анализ того, как новые случаи заболевания COVID-19 и новые смерти влияют на страны Великобритании, США, Китая, Южной Африки и Швеции. В этом посте было обнаружено, что в Китае сейчас очень мало новых случаев и новых смертей, что странно, учитывая тот факт, что это такая большая страна. Ссылку на этот пост можно найти по адресу: - «Использование ИИ для измерения того, как пандемия коронавируса повлияла на Великобританию, США, Китай, Южную Африку | от Трейсирени | ИИ на простом английском языке | декабрь 2020 г. | Середина"
Поскольку число новых случаев и смертей от COVID-19 в Китае так мало, я задал вопрос: Почему уровень заболеваемости COVID-19 в Китае такой низкий?. Задав этот вопрос, я наткнулся на статью, в которой говорилось, что правительство Китая окружено аурой секретности и не может считаться заслуживающим доверия, когда речь идет о сообщениях о новых случаях и смертях от COVID-19. Кроме того, китайское правительство говорит своим гражданам, что они являются расой господ, что является еще одной причиной, по которой правительство хочет замалчивать все, что связано с COVID-19. Я помню, как в прошлом веке одна страна, в частности, сказала своим гражданам, что они являются расой господ, и эта идеология привела к мировой войне. Если вы хотите прочитать статью, написанную Fox News, ссылку на нее можно найти здесь: - Низкое количество умерших от COVID-19 в Китае, секретность вызывает опасения доверия | Фокс Новости
Проводя исследование статуса COVID-19 в Китае, я обнаружил, что Всемирная организация здравоохранения или ВОЗ не признает Тайвань независимой страной. В своем последнем посте я упомянул, что США намерены выйти из ВОЗ главным образом из-за того, как они справились с пандемией. США считают, что ВОЗ находится в заднем кармане Китая и не будет общаться или признавать Тайвань, независимую демократическую страну, что еще больше подтверждает мнение США о ВОЗ.
Когда я анализировал новые случаи и новые смерти на Тайване, я обнаружил, что они невероятно низки, как и статистика Китая по вирусу. Я нашел статью, в которой говорится, что на Тайване такой низкий уровень заражения из-за раннего и быстрого вмешательства страны. Ссылку на статью можно найти здесь, если вам интересно ее прочитать: - Как Тайваню удалось удержать уровень заражения коронавирусом на таком низком уровне? | Азия| Подробный обзор новостей со всего континента | ДВ | 09.04.2020
У меня такой вопрос: почему СМИ говорят, что статистика Китая по COVID-19 не заслуживает доверия, но хвалят низкую статистику Тайваня? Подразумевается, что Китай лжет, и это причина их низких вирусных показателей, но говорят, что Тайвань имеет низкие показатели из-за исключительных стандартов чистоты и гигиены в стране. Поскольку я посторонний, я никогда не узнаю правды, но одна вещь, которую я могу сделать, — это использовать науку о данных, чтобы проанализировать цифры, которые эти две страны показывают миру, и прийти к решению.
Я использовал CSV-файл, взятый с веб-сайта Наш мир в данных. Этот CSV-файл обновляется каждый день, поэтому файл необходимо перезагружать каждый день, когда он используется. Ссылку на этот сайт можно найти здесь: - Исходные данные о коронавирусе — наш мир в данных
Я написал эту программу в Google Colab, бесплатном онлайн-блокноте Jupyter, в котором уже установлено множество библиотек, и к нему можно получить доступ с любого компьютера, имеющего доступ в Интернет и Google.
После создания файла я импортировал две очень важные библиотеки, pandas и numpy. Затем я прочитал в CSV, который я сохранил на моем диске Google в программе: -
Я взял столбец даты в наборе данных и преобразовал его в числовые данные, потому что модель будет принимать числовое значение только тогда, когда она обучается, подходит и прогнозирует: -
Я создал список, содержащий названия всех стран в наборе данных, используя цикл for, чтобы поместить в список только имена, которые раньше не появлялись:
В этот момент мне нужно было выполнить некоторые вычисления, чтобы получить последнюю дату, для которой были предоставлены статистические данные. Это важно сделать, потому что, работая над набором данных, я заметил, что однажды страна ввела дату, которая еще не наступила.
Я получил текущий день и вычел из него один день, чтобы создать переменную вчера.
Я получил последнюю дату ввода данных и определил эту переменную как last_day.
Затем я создал переменную next_day, которая равна вчерашнему дню плюс один день:
Я использовал if-elif-else для определения определенных действий на основе значений вчерашнего дня и last_date:
Затем я закодировал фильтр, чтобы выбрать статистику для Великобритании:
Я использовал фильтр для выбора статистики по Китаю:
Я также написал фильтр для выбора статистики для Тайваня:
Затем мне пришлось подготовить три набора данных, чтобы сделать их одинаковыми, что позволило их объединить.
Я взял первые 7 строк из набора данных Великобритании, чтобы сделать его совместимым с наборами данных Китая и Тайваня:
Я удалил первые 16 косуль из набора данных Китая, чтобы сделать его совместимым с наборами данных Великобритании и Тайваня:
Я удалил первые 22 строки из набора данных Тайваня, чтобы сделать его совместимым с наборами данных Великобритании и Китая:
Затем мне пришлось создать переменные для новых случаев на миллион и новых смертей на миллион для трех анализируемых стран:
Мне также пришлось создать фрейм данных для каждой из трех анализируемых стран.
Я создал фрейм данных для данных Великобритании, в котором указаны даты, новые случаи на миллион и новые смерти на миллион:
Я создал фрейм данных для данных Китая, в котором указаны даты, новые случаи на миллион и новые случаи смерти на миллион:
Я создал фрейм данных для данных Тайваня, в котором указаны даты, новые случаи на миллион и новые смерти на миллион:
После создания фреймов данных для трех проанализированных стран я объединил их все вместе в один фрейм данных. Одновременно можно объединять только два фрейма данных, поэтому для этого мне нужно было использовать несколько слияний:
Я проверил, есть ли нулевые значения в кадре данных, и обнаружил, что их довольно много. Поскольку нулевые значения были числовыми, я заменил все нулевые значения в кадре данных на 0: -
Я построил график, чтобы сравнить количество новых случаев заболевания в Китае и на Тайване на миллион, а затем число новых смертей на миллион. Я нашел обе страны довольно низкими, что меня весьма озадачило:
Из-за странных цифр, которые я получил как из Китая, так и из Тайваня, я решил сравнить их с новыми случаями на миллион, а затем с новыми смертями на миллион в Великобритании. Именно в этот момент я увидел, что ценности как Китая, так и Тайваня значительно ниже, чем в Великобритании:
Проанализировав новые случаи COVID-19 и новые случаи смерти как в Китае, так и на Тайване, я обнаружил, что обе статистики чрезвычайно низкие по сравнению с Великобританией. Поэтому я решил, что в целях прозрачности данные из обеих этих стран не имеют веских доказательств, подтверждающих их точность, и лично я не буду использовать эту статистику в своих расчетах.
Полностью код этой программы можно найти в моей личной учетной записи GitHub, а ссылку на нее можно найти здесь: COV19/COV19_Compare_China_and_Tiawan.ipynb на главной · TracyRenee61/COV19 (github.com)
