Python 으로 COVID-19 데이터 분석: 통찰력 및 시각화

소개

이 프로젝트에서는 Python 을 사용하여 COVID-19 데이터를 분석하는 방법을 배우게 됩니다. COVID-19 팬데믹은 전 세계에 큰 영향을 미쳤으며, 바이러스 확산을 추적하고 정보에 입각한 결정을 내리기 위해서는 데이터 이해가 필수적입니다.

👀 미리보기

{
  "Confirmed": {
    "Africa": 1203094,
    "America": 6396173,
    "Asia": 6480321,
    "Europe": 3450299,
    "Oceania": 27346,
    "Others": 721,
    "Total": 17557954
  },
  "Deaths": {
    "Africa": 28289,
    "America": 254610,
    "Asia": 133186,
    "Europe": 206438,
    "Oceania": 576,
    "Others": 15,
    "Total": 623114
  },
  "Recovered": {
    "Africa": 930536,
    "America": 5087347,
    "Asia": 5163062,
    "Europe": 1927545,
    "Oceania": 21892,
    "Others": 651,
    "Total": 13131033
  },
  "Active": {
    "Africa": 244269,
    "America": 1054216,
    "Asia": 1184073,
    "Europe": 1316316,
    "Oceania": 4878,
    "Others": 55,
    "Total": 3803807
  }
}

🎯 과제

이 프로젝트에서는 다음을 배우게 됩니다:

개발 환경을 설정하고 필요한 Python 라이브러리를 설치하는 방법
COVID-19 데이터의 구조와 내용을 이해하는 방법
국가 이름을 대륙 이름으로 변환하는 함수를 구현하는 방법
COVID-19 데이터를 처리하고 각 대륙별 요약 통계를 계산하는 방법
코드를 테스트하고 출력을 확인하는 방법

🏆 성과

이 프로젝트를 완료하면 다음을 수행할 수 있습니다:

Python 에서 CSV 데이터를 사용하는 방법을 이해합니다.
데이터를 처리하고 분석하는 함수를 구현합니다.
데이터를 다른 형식 (예: CSV to JSON) 으로 변환합니다.
데이터 분석 및 시각화 경험을 얻습니다.
데이터 기반 통찰력을 통해 COVID-19 팬데믹에 대한 이해에 기여합니다.

환경 준비

이 단계에서는 COVID-19 데이터 분석 프로젝트를 위한 환경을 설정하는 방법을 배우게 됩니다.

터미널을 열고 /home/labex/project 디렉토리로 이동합니다.
다음 명령을 실행하여 필요한 Python 라이브러리를 설치합니다:

python3 -m pip install pandas country-converter

이렇게 하면 프로젝트에 필요한 pandas 및 country-converter 라이브러리가 설치됩니다.

데이터 이해

COVID-19 데이터는 /home/labex/project 디렉토리에 있는 CSV 파일로 제공됩니다. 이 파일에는 다음과 같은 열이 포함되어 있습니다:

Country_Region: 국가 또는 지역의 이름입니다.
Confirmed: 확진된 COVID-19 사례의 총 수입니다.
Deaths: COVID-19 사망자의 총 수입니다.
Recovered: COVID-19 회복자의 총 수입니다.
Active: 활성 COVID-19 사례의 총 수입니다.

귀하의 과제는 이 데이터를 처리하고 각 대륙별 요약 통계를 계산하는 것입니다.

country_to_continent 함수 구현

첫 번째 단계는 국가 이름을 해당 대륙 이름으로 변환할 수 있는 함수를 만드는 것입니다. /home/labex/project 디렉토리에 covid.py라는 새 파일을 만들고 다음 코드를 추가합니다:

import country_converter as coco

def country_to_continent(country_name):
    """This function takes a country name and returns the continent name."""
    try:
        ## Convert country name to continent name
        if country_name == "Diamond Princess" or country_name == "MS Zaandam":
            return "Others"
        country_continent_name = coco.convert(names=country_name, to="continent")
        ## If country name is not found, return 'Others'
        if country_continent_name == "not found":
            return "Others"
        return country_continent_name
    except:
        return "Others"

이 함수는 country-converter 라이브러리를 사용하여 국가 이름을 해당 대륙 이름으로 변환합니다. 국가 이름을 찾을 수 없는 경우 "Others"를 반환합니다.

count 함수 구현

다음으로, COVID-19 데이터를 처리하고 각 대륙별 요약 통계를 반환하는 count 함수를 구현해야 합니다. covid.py 파일에 다음 코드를 추가합니다:

import json
import pandas as pd

def count(data):
    """This function takes a file path and returns the total number of
    confirmed, deaths, recovered and active cases for each continent."""
    ## Read the data from the file
    df = pd.read_csv(data)
    ## Fill missing values with 0
    df.fillna(0, inplace=True)
    ## Remove rows with missing values
    df = df[df["Confirmed"] == df["Deaths"] + df["Recovered"] + df["Active"]]
    ## Convert country name to continent name
    df["Continent"] = df["Country_Region"].apply(country_to_continent)
    ## Convert data type to int
    df[["Confirmed", "Deaths", "Recovered", "Active"]] = df[
        ["Confirmed", "Deaths", "Recovered", "Active"]
    ].astype(int)
    ## Select columns of interest and change them into dictionary
    df = df[["Continent", "Confirmed", "Deaths", "Recovered", "Active"]]
    result = df.groupby("Continent").sum().to_dict()
    ## Add total for each continent
    for key in result.keys():
        result[key]["Total"] = sum(result[key].values())
    return json.dumps(result)

이 함수는 CSV 파일에서 COVID-19 데이터를 읽고, 데이터를 처리한 다음, 각 대륙별 요약 통계를 JSON 형식으로 반환합니다.

코드 테스트

코드를 테스트하려면 터미널에서 다음 명령을 실행할 수 있습니다:

python3 covid.py

이렇게 하면 count 함수가 실행되고 결과 JSON 데이터가 콘솔에 출력됩니다.

출력 결과 검증

count 함수의 출력은 다음과 유사한 JSON 문자열이어야 합니다:

{
  "Confirmed": {
    "Africa": 1203094,
    "America": 6396173,
    "Asia": 6480321,
    "Europe": 3450299,
    "Oceania": 27346,
    "Others": 721,
    "Total": 17557954
  },
  "Deaths": {
    "Africa": 28289,
    "America": 254610,
    "Asia": 133186,
    "Europe": 206438,
    "Oceania": 576,
    "Others": 15,
    "Total": 623114
  },
  "Recovered": {
    "Africa": 930536,
    "America": 5087347,
    "Asia": 5163062,
    "Europe": 1927545,
    "Oceania": 21892,
    "Others": 651,
    "Total": 13131033
  },
  "Active": {
    "Africa": 244269,
    "America": 1054216,
    "Asia": 1184073,
    "Europe": 1316316,
    "Oceania": 4878,
    "Others": 55,
    "Total": 3803807
  }
}

이 출력은 각 대륙별 요약 통계를 나타내며, 확진자 수, 사망자 수, 회복자 수 및 활동 중인 환자 수를 포함합니다.

축하합니다! COVID-19 데이터 분석 프로젝트를 완료했습니다. 질문이나 문제가 있으면 언제든지 문의하십시오.

요약

축하합니다! 이 프로젝트를 완료했습니다. LabEx 에서 더 많은 랩을 연습하여 기술을 향상시킬 수 있습니다.

Python 을 이용한 COVID-19 데이터 분석

소개