這次疫情的情況大家也都了解了，各地也都延遲開學或者延遲開工，對于我們來說，正好是一次深入學習的機會。今天，我就帶領大家分析一下新型冠狀病毒的爆發趨勢，也借此作為一次數據分析課程的實戰案例，從 數據獲取、數據清洗、數據可視化再到產出數據結論，完整的走一遍數據分析流程。

這次使用的數據是霍普金斯大學收集的世界范圍內的病毒爆發數據。

導入所需的包和數據

數據清洗

第一：刪除不需要的數據列

從數據中我們可以看出，第一列相當于編號，第五列是數據更新的最后時間，這兩列對我們的分析來說沒有實際意義，所以先把這兩列進行刪除操作：

第二：對數據集中的空值進行處理

先來看一下數據的整體情況：

我們發現，只有省份這一個字段是有空值的，那我們再來看一下具體的空值有哪些：

經過篩選發現，空缺的都是一些國外的省份，這是由于數據收集過程中產生的，并且我們無從推斷到底是什么，所以，這里的空值我們選擇不處理。

第三：刪除重復數據

通過使用dumplicate方法，我們發現這個人工整理的數據集不存在重復情況，所以也不需要進行去重操作。

數據洞察

我們首先來看一下，截止到數據完成時間，世界上總共有多少國家已經「淪陷」了：

通過統計發現，總共只有32個國家已經有了確診患者，但是，細心的同學可能會發現，國家列表當中有「China」和「Mainland China」，第二個表示的是「中國大陸」，其實也是中國，所以我們應該把「Mainland China」也改為「China」統一口徑，在實際工作過程中，跨部門的數據經常會出現這種情況，所以，處理這種數據噪音也是數據分析師的日常工作之一。

接著，我們看一下時間字段，時間字段的處理也是數據分析過程中不可或缺的一個步驟：

這里的時間，都是精確到「小時」的，為了便于統計，我們把它改成精確到「日」：

接下來，我們以國家作為維度，來統計一下每個國家的確診人數：

排名第一的肯定是中國，排名靠前的基本都是中國臨近的亞洲國家，歐美國家當中，排名第一的是德國，如果是真正工作過程中，德國這一點就是「異常點」，肯定要深入挖掘，在這里我們只是做一個示例。

之后我們以時間作為維度，分析一下每天的感染人群數量的變化：

從這里可以看到，14天之內感染人數就從555人增長到24503個人，增長速度還是很快的，那我們接著也要具體分析一下，每天新增的確診人數有多少人，這里我們需要用到diff( )方法：

數據可視化

首先來看每天的確診人數，基本上是指數增長的一個走勢，符合傳染病的爆發規律，我們要做的就是根據之后的數據，洞察拐點的到來。

接著，我們看一下，每天的「死亡人數」和「治愈人數」的走勢，從這個數據上來看，治愈人數的增長趨勢已經超過的死亡人數，所以，從「最好」和「最壞」兩個方面來說的話，總體趨勢還是向好發展，大家也不必過于擔心。

總結

以上分析只是拋磚引玉，使用一部分數據來引導大家參與到數據分析的實戰流程當中，歡迎大家在留言區一起討論學習。