Select Language

AI社区

公开数据集

韩国COVID-19(DS4C)的数据

韩国COVID-19(DS4C)的数据

50M
929 浏览
0 喜欢
13 次下载
0 条讨论
Medical Text

COVID-19已在韩国感染了10,000多人。韩国疾病预防控制中心(KCDC)迅速透明地宣布了COVID-19的信息。我们根据KCDC和地方政府的报......

数据结构 ? 50M

    Data Structure ?

    * 以上分析是由系统提取分析形成的结果,具体实际数据为准。

    README.md

    COVID-19已在韩国感染了10,000多人。
    韩国疾病预防控制中心(KCDC)迅速透明地宣布了COVID-19的信息。
    我们根据KCDC和地方政府的报告材料制作结构化的数据集。
    此外,我们使用各种数据挖掘或可视化技术来分析和可视化数据。

    1.数据表清单
    1)案例数据
    病例:韩国COVID-19感染病例数据
    2)患者资料
    PatientInfo:韩国COVID-19患者的流行病学数据
    PatientRoute:韩国COVID-19患者的路线数据(当前不可用)
    3)时间序列数据
    时间:韩国COVID-19状态的时间序列数据
    TimeAge:按韩国年龄划分的COVID-19状态的时间序列数据
    TimeGender:韩国按性别划分的COVID-19状态的时间序列数据
    TimeProvince:以韩国省为单位的COVID-19状态的时间序列数据
    4)附加数据
    地区:韩国地区的位置和统计数据
    天气:韩国地区的天气数据
    SearchTrend:在NAVER(韩国最大的门户网站之一)中搜索的关键字的趋势数据
    首尔流动人口:韩国首尔的流动人口数据(来自SK Telecom Big Data Hub)
    政策:韩国针对COVID-19的政府政策数据
    2.我们数据集的结构
    颜色的意思是它们具有相似的属性。
    如果在列之间连接了一条线,则意味着列的值被部分共享。
    虚线表示相关性较弱.db_0701
    3.每个数据表的详细说明

    案例= p_info = pd.read_csv(path +'Case.csv')
    p_info = pd.read_csv(path +'PatientInfo.csv')
    #p_route = pd.read_csv(路径+'PatientRoute.csv')
    时间= pd.read_csv(路径+'Time.csv')
    t_age = pd.read_csv(path +'TimeAge.csv')
    t_gender = pd.read_csv(path +'TimeGender.csv')
    t_provin = pd.read_csv(path +'TimeProvince.csv')
    区域= pd.read_csv(路径+'Region.csv')
    天气= pd.read_csv(路径+'Weather.csv')
    搜索= pd.read_csv(路径+'SearchTrend.csv')
    浮动= pd.read_csv(路径+'SeoulFloating.csv')
    策略= pd.read_csv(路径+'Policy.csv')

    我们根据KCDC和地方政府的报告材料制作结构化的数据集。
    在韩国,我们使用术语“ -do”,“-si”,“-gun”和“ -gu”
    它们的含义解释如下。
    韩国行政区划的级别
    上级(省级师)
    特殊城市:首尔
    大城市:釜山/大邱/大田/光州/仁川/蔚山
    省份:京畿道/江原道/忠清北道/忠清南道/全罗北道/全罗南道/庆尚北道/庆尚南道
    下级(市级师)
    City(-si)韩国城市列表
    国家(郡)韩国县列表
    District(-gu)韩国地区列表

    1)案例
    韩国COVID-19感染病例数据
    case_id:感染病例的ID
    case_id(7)= region_code(5)+ case_number(2)
    您可以在“ Region.csv”中检查region_code
    省:特殊城市/大城市/省(-做)
    城市:城市(-si)/国家(-gun)/地区(-gu)
    “来自其他城市”的值表示团体感染开始的地方是其他城市。
    组:TRUE:组感染/ FALSE:非组
    如果此列中的值为“ TRUE”,则“ infection_cases”的值表示组的名称。
    名为“与患者联系”,“海外流入”和“等”的值不是组感染。
    fection_case:感染病例(组名或其他病例)
    “海外流入”是指感染来自其他国家。
    “等”值包括个别案件,调查后仍在进行关联分类的案件以及正在调查的案件。
    确认:已确认的累计数量
    纬度:组的纬度(WGS84)
    经度:组的经度(WGS)

    暂无相关内容。
    暂无相关内容。
    • 分享你的想法
    去分享你的想法~~

    全部内容

      欢迎交流分享
      开始分享您的观点和意见,和大家一起交流分享.
    所需积分:10 去赚积分?
    • 929浏览
    • 13下载
    • 0点赞
    • 收藏
    • 分享