Import libraries
Taken from website:- https://ourworldindata.org/coronavirus-source-data
import pandas as pd
import numpy as np
Read files
# load datasets
train = pd.read_csv('/content/drive/MyDrive/owid-covid-data.csv')
train
iso_code | continent | location | date | total_cases | new_cases | new_cases_smoothed | total_deaths | new_deaths | new_deaths_smoothed | total_cases_per_million | new_cases_per_million | new_cases_smoothed_per_million | total_deaths_per_million | new_deaths_per_million | new_deaths_smoothed_per_million | reproduction_rate | icu_patients | icu_patients_per_million | hosp_patients | hosp_patients_per_million | weekly_icu_admissions | weekly_icu_admissions_per_million | weekly_hosp_admissions | weekly_hosp_admissions_per_million | new_tests | total_tests | total_tests_per_thousand | new_tests_per_thousand | new_tests_smoothed | new_tests_smoothed_per_thousand | positive_rate | tests_per_case | tests_units | total_vaccinations | people_vaccinated | people_fully_vaccinated | new_vaccinations | new_vaccinations_smoothed | total_vaccinations_per_hundred | people_vaccinated_per_hundred | people_fully_vaccinated_per_hundred | new_vaccinations_smoothed_per_million | stringency_index | population | population_density | median_age | aged_65_older | aged_70_older | gdp_per_capita | extreme_poverty | cardiovasc_death_rate | diabetes_prevalence | female_smokers | male_smokers | handwashing_facilities | hospital_beds_per_thousand | life_expectancy | human_development_index | |
---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
0 | AFG | Asia | Afghanistan | 2020-02-24 | 1.0 | 1.0 | NaN | NaN | NaN | NaN | 0.026 | 0.026 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 8.33 | 38928341.0 | 54.422 | 18.6 | 2.581 | 1.337 | 1803.987 | NaN | 597.029 | 9.59 | NaN | NaN | 37.746 | 0.5 | 64.83 | 0.511 |
1 | AFG | Asia | Afghanistan | 2020-02-25 | 1.0 | 0.0 | NaN | NaN | NaN | NaN | 0.026 | 0.000 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 8.33 | 38928341.0 | 54.422 | 18.6 | 2.581 | 1.337 | 1803.987 | NaN | 597.029 | 9.59 | NaN | NaN | 37.746 | 0.5 | 64.83 | 0.511 |
2 | AFG | Asia | Afghanistan | 2020-02-26 | 1.0 | 0.0 | NaN | NaN | NaN | NaN | 0.026 | 0.000 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 8.33 | 38928341.0 | 54.422 | 18.6 | 2.581 | 1.337 | 1803.987 | NaN | 597.029 | 9.59 | NaN | NaN | 37.746 | 0.5 | 64.83 | 0.511 |
3 | AFG | Asia | Afghanistan | 2020-02-27 | 1.0 | 0.0 | NaN | NaN | NaN | NaN | 0.026 | 0.000 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 8.33 | 38928341.0 | 54.422 | 18.6 | 2.581 | 1.337 | 1803.987 | NaN | 597.029 | 9.59 | NaN | NaN | 37.746 | 0.5 | 64.83 | 0.511 |
4 | AFG | Asia | Afghanistan | 2020-02-28 | 1.0 | 0.0 | NaN | NaN | NaN | NaN | 0.026 | 0.000 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 8.33 | 38928341.0 | 54.422 | 18.6 | 2.581 | 1.337 | 1803.987 | NaN | 597.029 | 9.59 | NaN | NaN | 37.746 | 0.5 | 64.83 | 0.511 |
... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... |
87737 | ZWE | Africa | Zimbabwe | 2021-05-07 | 38403.0 | 5.0 | 20.857 | 1576.0 | 1.0 | 1.286 | 2583.811 | 0.336 | 1.403 | 106.036 | 0.067 | 0.087 | 0.72 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 1401.0 | 506977.0 | 34.110 | 0.094 | 1996.0 | 0.134 | 0.010 | 95.7 | tests performed | 640762.0 | 500422.0 | 140340.0 | 33407.0 | 20060.0 | 4.31 | 3.37 | 0.94 | 1350.0 | 51.85 | 14862927.0 | 42.729 | 19.6 | 2.822 | 1.882 | 1899.775 | 21.4 | 307.846 | 1.82 | 1.6 | 30.7 | 36.791 | 1.7 | 61.49 | 0.571 |
87738 | ZWE | Africa | Zimbabwe | 2021-05-08 | 38414.0 | 11.0 | 22.000 | 1576.0 | 0.0 | 1.143 | 2584.551 | 0.740 | 1.480 | 106.036 | 0.000 | 0.077 | 0.72 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 1770.0 | 508747.0 | 34.229 | 0.119 | 1985.0 | 0.134 | 0.011 | 90.2 | tests performed | 657838.0 | 509274.0 | 148564.0 | 17076.0 | 19648.0 | 4.43 | 3.43 | 1.00 | 1322.0 | 51.85 | 14862927.0 | 42.729 | 19.6 | 2.822 | 1.882 | 1899.775 | 21.4 | 307.846 | 1.82 | 1.6 | 30.7 | 36.791 | 1.7 | 61.49 | 0.571 |
87739 | ZWE | Africa | Zimbabwe | 2021-05-09 | 38419.0 | 5.0 | 19.714 | 1576.0 | 0.0 | 0.857 | 2584.888 | 0.336 | 1.326 | 106.036 | 0.000 | 0.058 | 0.71 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 1300.0 | 510047.0 | 34.317 | 0.087 | 2009.0 | 0.135 | 0.010 | 101.9 | tests performed | 684243.0 | 526066.0 | 158177.0 | 26405.0 | 22863.0 | 4.60 | 3.54 | 1.06 | 1538.0 | 51.85 | 14862927.0 | 42.729 | 19.6 | 2.822 | 1.882 | 1899.775 | 21.4 | 307.846 | 1.82 | 1.6 | 30.7 | 36.791 | 1.7 | 61.49 | 0.571 |
87740 | ZWE | Africa | Zimbabwe | 2021-05-10 | 38433.0 | 14.0 | 20.000 | 1576.0 | 0.0 | 0.429 | 2585.830 | 0.942 | 1.346 | 106.036 | 0.000 | 0.029 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 690653.0 | 529360.0 | 161293.0 | 6410.0 | 21877.0 | 4.65 | 3.56 | 1.09 | 1472.0 | NaN | 14862927.0 | 42.729 | 19.6 | 2.822 | 1.882 | 1899.775 | 21.4 | 307.846 | 1.82 | 1.6 | 30.7 | 36.791 | 1.7 | 61.49 | 0.571 |
87741 | ZWE | Africa | Zimbabwe | 2021-05-11 | 38448.0 | 15.0 | 17.286 | 1579.0 | 3.0 | 0.714 | 2586.839 | 1.009 | 1.163 | 106.237 | 0.202 | 0.048 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 709772.0 | 539526.0 | 170246.0 | 19119.0 | 21428.0 | 4.78 | 3.63 | 1.15 | 1442.0 | NaN | 14862927.0 | 42.729 | 19.6 | 2.822 | 1.882 | 1899.775 | 21.4 | 307.846 | 1.82 | 1.6 | 30.7 | 36.791 | 1.7 | 61.49 | 0.571 |
87742 rows × 59 columns
from google.colab import drive
drive.mount('/content/drive')
Drive already mounted at /content/drive; to attempt to forcibly remount, call drive.mount("/content/drive", force_remount=True).
train.info()
<class 'pandas.core.frame.DataFrame'> RangeIndex: 87742 entries, 0 to 87741 Data columns (total 59 columns): # Column Non-Null Count Dtype --- ------ -------------- ----- 0 iso_code 87742 non-null object 1 continent 83532 non-null object 2 location 87742 non-null object 3 date 87742 non-null object 4 total_cases 85261 non-null float64 5 new_cases 85259 non-null float64 6 new_cases_smoothed 84258 non-null float64 7 total_deaths 75512 non-null float64 8 new_deaths 75670 non-null float64 9 new_deaths_smoothed 84258 non-null float64 10 total_cases_per_million 84801 non-null float64 11 new_cases_per_million 84799 non-null float64 12 new_cases_smoothed_per_million 83803 non-null float64 13 total_deaths_per_million 75065 non-null float64 14 new_deaths_per_million 75223 non-null float64 15 new_deaths_smoothed_per_million 83803 non-null float64 16 reproduction_rate 70762 non-null float64 17 icu_patients 8849 non-null float64 18 icu_patients_per_million 8849 non-null float64 19 hosp_patients 11019 non-null float64 20 hosp_patients_per_million 11019 non-null float64 21 weekly_icu_admissions 802 non-null float64 22 weekly_icu_admissions_per_million 802 non-null float64 23 weekly_hosp_admissions 1395 non-null float64 24 weekly_hosp_admissions_per_million 1395 non-null float64 25 new_tests 39957 non-null float64 26 total_tests 39654 non-null float64 27 total_tests_per_thousand 39654 non-null float64 28 new_tests_per_thousand 39957 non-null float64 29 new_tests_smoothed 45787 non-null float64 30 new_tests_smoothed_per_thousand 45787 non-null float64 31 positive_rate 43140 non-null float64 32 tests_per_case 42546 non-null float64 33 tests_units 47271 non-null object 34 total_vaccinations 10628 non-null float64 35 people_vaccinated 9928 non-null float64 36 people_fully_vaccinated 7483 non-null float64 37 new_vaccinations 9001 non-null float64 38 new_vaccinations_smoothed 17192 non-null float64 39 total_vaccinations_per_hundred 10628 non-null float64 40 people_vaccinated_per_hundred 9928 non-null float64 41 people_fully_vaccinated_per_hundred 7483 non-null float64 42 new_vaccinations_smoothed_per_million 17192 non-null float64 43 stringency_index 74701 non-null float64 44 population 87164 non-null float64 45 population_density 81686 non-null float64 46 median_age 78989 non-null float64 47 aged_65_older 78091 non-null float64 48 aged_70_older 78548 non-null float64 49 gdp_per_capita 79160 non-null float64 50 extreme_poverty 53854 non-null float64 51 cardiovasc_death_rate 79725 non-null float64 52 diabetes_prevalence 81146 non-null float64 53 female_smokers 62454 non-null float64 54 male_smokers 61535 non-null float64 55 handwashing_facilities 40052 non-null float64 56 hospital_beds_per_thousand 72737 non-null float64 57 life_expectancy 83328 non-null float64 58 human_development_index 79601 non-null float64 dtypes: float64(54), object(5) memory usage: 39.5+ MB
Convert date to number
import datetime
date = train.date
train['date'] = pd.to_datetime(train['date'], errors='coerce')
train['date_num'] = train['date'].dt.strftime('%d%m%Y')
train
iso_code | continent | location | date | total_cases | new_cases | new_cases_smoothed | total_deaths | new_deaths | new_deaths_smoothed | total_cases_per_million | new_cases_per_million | new_cases_smoothed_per_million | total_deaths_per_million | new_deaths_per_million | new_deaths_smoothed_per_million | reproduction_rate | icu_patients | icu_patients_per_million | hosp_patients | hosp_patients_per_million | weekly_icu_admissions | weekly_icu_admissions_per_million | weekly_hosp_admissions | weekly_hosp_admissions_per_million | new_tests | total_tests | total_tests_per_thousand | new_tests_per_thousand | new_tests_smoothed | new_tests_smoothed_per_thousand | positive_rate | tests_per_case | tests_units | total_vaccinations | people_vaccinated | people_fully_vaccinated | new_vaccinations | new_vaccinations_smoothed | total_vaccinations_per_hundred | people_vaccinated_per_hundred | people_fully_vaccinated_per_hundred | new_vaccinations_smoothed_per_million | stringency_index | population | population_density | median_age | aged_65_older | aged_70_older | gdp_per_capita | extreme_poverty | cardiovasc_death_rate | diabetes_prevalence | female_smokers | male_smokers | handwashing_facilities | hospital_beds_per_thousand | life_expectancy | human_development_index | date_num | |
---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
0 | AFG | Asia | Afghanistan | 2020-02-24 | 1.0 | 1.0 | NaN | NaN | NaN | NaN | 0.026 | 0.026 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 8.33 | 38928341.0 | 54.422 | 18.6 | 2.581 | 1.337 | 1803.987 | NaN | 597.029 | 9.59 | NaN | NaN | 37.746 | 0.5 | 64.83 | 0.511 | 24022020 |
1 | AFG | Asia | Afghanistan | 2020-02-25 | 1.0 | 0.0 | NaN | NaN | NaN | NaN | 0.026 | 0.000 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 8.33 | 38928341.0 | 54.422 | 18.6 | 2.581 | 1.337 | 1803.987 | NaN | 597.029 | 9.59 | NaN | NaN | 37.746 | 0.5 | 64.83 | 0.511 | 25022020 |
2 | AFG | Asia | Afghanistan | 2020-02-26 | 1.0 | 0.0 | NaN | NaN | NaN | NaN | 0.026 | 0.000 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 8.33 | 38928341.0 | 54.422 | 18.6 | 2.581 | 1.337 | 1803.987 | NaN | 597.029 | 9.59 | NaN | NaN | 37.746 | 0.5 | 64.83 | 0.511 | 26022020 |
3 | AFG | Asia | Afghanistan | 2020-02-27 | 1.0 | 0.0 | NaN | NaN | NaN | NaN | 0.026 | 0.000 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 8.33 | 38928341.0 | 54.422 | 18.6 | 2.581 | 1.337 | 1803.987 | NaN | 597.029 | 9.59 | NaN | NaN | 37.746 | 0.5 | 64.83 | 0.511 | 27022020 |
4 | AFG | Asia | Afghanistan | 2020-02-28 | 1.0 | 0.0 | NaN | NaN | NaN | NaN | 0.026 | 0.000 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 8.33 | 38928341.0 | 54.422 | 18.6 | 2.581 | 1.337 | 1803.987 | NaN | 597.029 | 9.59 | NaN | NaN | 37.746 | 0.5 | 64.83 | 0.511 | 28022020 |
... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... |
87737 | ZWE | Africa | Zimbabwe | 2021-05-07 | 38403.0 | 5.0 | 20.857 | 1576.0 | 1.0 | 1.286 | 2583.811 | 0.336 | 1.403 | 106.036 | 0.067 | 0.087 | 0.72 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 1401.0 | 506977.0 | 34.110 | 0.094 | 1996.0 | 0.134 | 0.010 | 95.7 | tests performed | 640762.0 | 500422.0 | 140340.0 | 33407.0 | 20060.0 | 4.31 | 3.37 | 0.94 | 1350.0 | 51.85 | 14862927.0 | 42.729 | 19.6 | 2.822 | 1.882 | 1899.775 | 21.4 | 307.846 | 1.82 | 1.6 | 30.7 | 36.791 | 1.7 | 61.49 | 0.571 | 07052021 |
87738 | ZWE | Africa | Zimbabwe | 2021-05-08 | 38414.0 | 11.0 | 22.000 | 1576.0 | 0.0 | 1.143 | 2584.551 | 0.740 | 1.480 | 106.036 | 0.000 | 0.077 | 0.72 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 1770.0 | 508747.0 | 34.229 | 0.119 | 1985.0 | 0.134 | 0.011 | 90.2 | tests performed | 657838.0 | 509274.0 | 148564.0 | 17076.0 | 19648.0 | 4.43 | 3.43 | 1.00 | 1322.0 | 51.85 | 14862927.0 | 42.729 | 19.6 | 2.822 | 1.882 | 1899.775 | 21.4 | 307.846 | 1.82 | 1.6 | 30.7 | 36.791 | 1.7 | 61.49 | 0.571 | 08052021 |
87739 | ZWE | Africa | Zimbabwe | 2021-05-09 | 38419.0 | 5.0 | 19.714 | 1576.0 | 0.0 | 0.857 | 2584.888 | 0.336 | 1.326 | 106.036 | 0.000 | 0.058 | 0.71 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 1300.0 | 510047.0 | 34.317 | 0.087 | 2009.0 | 0.135 | 0.010 | 101.9 | tests performed | 684243.0 | 526066.0 | 158177.0 | 26405.0 | 22863.0 | 4.60 | 3.54 | 1.06 | 1538.0 | 51.85 | 14862927.0 | 42.729 | 19.6 | 2.822 | 1.882 | 1899.775 | 21.4 | 307.846 | 1.82 | 1.6 | 30.7 | 36.791 | 1.7 | 61.49 | 0.571 | 09052021 |
87740 | ZWE | Africa | Zimbabwe | 2021-05-10 | 38433.0 | 14.0 | 20.000 | 1576.0 | 0.0 | 0.429 | 2585.830 | 0.942 | 1.346 | 106.036 | 0.000 | 0.029 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 690653.0 | 529360.0 | 161293.0 | 6410.0 | 21877.0 | 4.65 | 3.56 | 1.09 | 1472.0 | NaN | 14862927.0 | 42.729 | 19.6 | 2.822 | 1.882 | 1899.775 | 21.4 | 307.846 | 1.82 | 1.6 | 30.7 | 36.791 | 1.7 | 61.49 | 0.571 | 10052021 |
87741 | ZWE | Africa | Zimbabwe | 2021-05-11 | 38448.0 | 15.0 | 17.286 | 1579.0 | 3.0 | 0.714 | 2586.839 | 1.009 | 1.163 | 106.237 | 0.202 | 0.048 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 709772.0 | 539526.0 | 170246.0 | 19119.0 | 21428.0 | 4.78 | 3.63 | 1.15 | 1442.0 | NaN | 14862927.0 | 42.729 | 19.6 | 2.822 | 1.882 | 1899.775 | 21.4 | 307.846 | 1.82 | 1.6 | 30.7 | 36.791 | 1.7 | 61.49 | 0.571 | 11052021 |
87742 rows × 60 columns
Country
country = train['location'].to_list()
# using naive method to remove duplicated from list
list_country = []
for i in country:
if i not in list_country:
list_country.append(i)
list_country
['Afghanistan', 'Africa', 'Albania', 'Algeria', 'Andorra', 'Angola', 'Anguilla', 'Antigua and Barbuda', 'Argentina', 'Armenia', 'Aruba', 'Asia', 'Australia', 'Austria', 'Azerbaijan', 'Bahamas', 'Bahrain', 'Bangladesh', 'Barbados', 'Belarus', 'Belgium', 'Belize', 'Benin', 'Bermuda', 'Bhutan', 'Bolivia', 'Bosnia and Herzegovina', 'Botswana', 'Brazil', 'Brunei', 'Bulgaria', 'Burkina Faso', 'Burundi', 'Cambodia', 'Cameroon', 'Canada', 'Cape Verde', 'Cayman Islands', 'Central African Republic', 'Chad', 'Chile', 'China', 'Colombia', 'Comoros', 'Congo', 'Costa Rica', "Cote d'Ivoire", 'Croatia', 'Cuba', 'Curacao', 'Cyprus', 'Czechia', 'Democratic Republic of Congo', 'Denmark', 'Djibouti', 'Dominica', 'Dominican Republic', 'Ecuador', 'Egypt', 'El Salvador', 'Equatorial Guinea', 'Eritrea', 'Estonia', 'Eswatini', 'Ethiopia', 'Europe', 'European Union', 'Faeroe Islands', 'Falkland Islands', 'Fiji', 'Finland', 'France', 'French Polynesia', 'Gabon', 'Gambia', 'Georgia', 'Germany', 'Ghana', 'Gibraltar', 'Greece', 'Greenland', 'Grenada', 'Guatemala', 'Guernsey', 'Guinea', 'Guinea-Bissau', 'Guyana', 'Haiti', 'Honduras', 'Hong Kong', 'Hungary', 'Iceland', 'India', 'Indonesia', 'International', 'Iran', 'Iraq', 'Ireland', 'Isle of Man', 'Israel', 'Italy', 'Jamaica', 'Japan', 'Jersey', 'Jordan', 'Kazakhstan', 'Kenya', 'Kosovo', 'Kuwait', 'Kyrgyzstan', 'Laos', 'Latvia', 'Lebanon', 'Lesotho', 'Liberia', 'Libya', 'Liechtenstein', 'Lithuania', 'Luxembourg', 'Macao', 'Madagascar', 'Malawi', 'Malaysia', 'Maldives', 'Mali', 'Malta', 'Marshall Islands', 'Mauritania', 'Mauritius', 'Mexico', 'Micronesia (country)', 'Moldova', 'Monaco', 'Mongolia', 'Montenegro', 'Montserrat', 'Morocco', 'Mozambique', 'Myanmar', 'Namibia', 'Nauru', 'Nepal', 'Netherlands', 'New Caledonia', 'New Zealand', 'Nicaragua', 'Niger', 'Nigeria', 'North America', 'North Macedonia', 'Northern Cyprus', 'Norway', 'Oceania', 'Oman', 'Pakistan', 'Palestine', 'Panama', 'Papua New Guinea', 'Paraguay', 'Peru', 'Philippines', 'Poland', 'Portugal', 'Qatar', 'Romania', 'Russia', 'Rwanda', 'Saint Helena', 'Saint Kitts and Nevis', 'Saint Lucia', 'Saint Vincent and the Grenadines', 'Samoa', 'San Marino', 'Sao Tome and Principe', 'Saudi Arabia', 'Senegal', 'Serbia', 'Seychelles', 'Sierra Leone', 'Singapore', 'Slovakia', 'Slovenia', 'Solomon Islands', 'Somalia', 'South Africa', 'South America', 'South Korea', 'South Sudan', 'Spain', 'Sri Lanka', 'Sudan', 'Suriname', 'Sweden', 'Switzerland', 'Syria', 'Taiwan', 'Tajikistan', 'Tanzania', 'Thailand', 'Timor', 'Togo', 'Tonga', 'Trinidad and Tobago', 'Tunisia', 'Turkey', 'Turks and Caicos Islands', 'Tuvalu', 'Uganda', 'Ukraine', 'United Arab Emirates', 'United Kingdom', 'United States', 'Uruguay', 'Uzbekistan', 'Vanuatu', 'Vatican', 'Venezuela', 'Vietnam', 'Wallis and Futuna', 'World', 'Yemen', 'Zambia', 'Zimbabwe']
print(len(list_country))
223
Get latest date
from datetime import date
from datetime import timedelta
today = date.today()
print("Today is: ", today)
Today is: 2021-05-12
yesterday = today - timedelta(days = 1)
print("Yesterday was: ", yesterday)
Yesterday was: 2021-05-11
last_date = train.date.max()
last_date
Timestamp('2021-05-12 00:00:00')
print(type(last_date))
<class 'pandas._libs.tslibs.timestamps.Timestamp'>
yesterday = pd.Timestamp(yesterday)
print(type(yesterday))
<class 'pandas._libs.tslibs.timestamps.Timestamp'>
if last_date == yesterday:
last_date = yesterday
elif last_date > yesterday:
last_date = yesterday
else:
last_date = last_date
last_date
Timestamp('2021-05-11 00:00:00')
last_date = train[train.date == last_date]
last_date
iso_code | continent | location | date | total_cases | new_cases | new_cases_smoothed | total_deaths | new_deaths | new_deaths_smoothed | total_cases_per_million | new_cases_per_million | new_cases_smoothed_per_million | total_deaths_per_million | new_deaths_per_million | new_deaths_smoothed_per_million | reproduction_rate | icu_patients | icu_patients_per_million | hosp_patients | hosp_patients_per_million | weekly_icu_admissions | weekly_icu_admissions_per_million | weekly_hosp_admissions | weekly_hosp_admissions_per_million | new_tests | total_tests | total_tests_per_thousand | new_tests_per_thousand | new_tests_smoothed | new_tests_smoothed_per_thousand | positive_rate | tests_per_case | tests_units | total_vaccinations | people_vaccinated | people_fully_vaccinated | new_vaccinations | new_vaccinations_smoothed | total_vaccinations_per_hundred | people_vaccinated_per_hundred | people_fully_vaccinated_per_hundred | new_vaccinations_smoothed_per_million | stringency_index | population | population_density | median_age | aged_65_older | aged_70_older | gdp_per_capita | extreme_poverty | cardiovasc_death_rate | diabetes_prevalence | female_smokers | male_smokers | handwashing_facilities | hospital_beds_per_thousand | life_expectancy | human_development_index | date_num | |
---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
442 | AFG | Asia | Afghanistan | 2021-05-11 | 62403.0 | 340.0 | 262.857 | 2710.0 | 12.0 | 8.857 | 1603.022 | 8.734 | 6.752 | 69.615 | 0.308 | 0.228 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 3.892834e+07 | 54.422 | 18.6 | 2.581 | 1.337 | 1803.987 | NaN | 597.029 | 9.59 | NaN | NaN | 37.746 | 0.500 | 64.83 | 0.511 | 11052021 |
896 | OWID_AFR | NaN | Africa | 2021-05-11 | 4648116.0 | 7067.0 | 8869.000 | 125059.0 | 314.0 | 310.000 | 3467.196 | 5.272 | 6.616 | 93.286 | 0.234 | 0.231 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 2.164884e+07 | 15231710.0 | 5540571.0 | 254715.0 | 349521.0 | 1.61 | 1.14 | 0.41 | 261.0 | NaN | 1.340598e+09 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 11052021 |
1338 | ALB | Europe | Albania | 2021-05-11 | 131803.0 | 50.0 | 68.000 | 2420.0 | 4.0 | 2.571 | 45799.917 | 17.374 | 23.629 | 840.920 | 1.390 | 0.894 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 2.877800e+06 | 104.871 | 38.0 | 13.188 | 8.643 | 11803.431 | 1.1 | 304.195 | 10.08 | 7.100 | 51.200 | NaN | 2.890 | 78.57 | 0.795 | 11052021 |
1780 | DZA | Africa | Algeria | 2021-05-11 | 124483.0 | 195.0 | 212.000 | 3343.0 | 8.0 | 7.714 | 2838.769 | 4.447 | 4.835 | 76.235 | 0.182 | 0.176 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 4.385104e+07 | 17.348 | 29.1 | 6.211 | 3.857 | 13913.839 | 0.5 | 278.364 | 6.73 | 0.700 | 30.400 | 83.741 | 1.900 | 76.88 | 0.748 | 11052021 |
2216 | AND | Europe | Andorra | 2021-05-11 | 13447.0 | 18.0 | 18.714 | 127.0 | 0.0 | 0.000 | 174037.404 | 232.964 | 242.209 | 1643.694 | 0.000 | 0.000 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 7.726500e+04 | 163.755 | NaN | NaN | NaN | NaN | NaN | 109.135 | 7.97 | 29.000 | 37.800 | NaN | NaN | 83.73 | 0.868 | 11052021 |
... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... |
86030 | WLF | Oceania | Wallis and Futuna | 2021-05-11 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 5.774000e+03 | 4286.0 | 1488.0 | NaN | 10.0 | 51.34 | 38.11 | 13.23 | 889.0 | NaN | 1.124600e+04 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 79.94 | NaN | 11052021 |
86506 | OWID_WRL | NaN | World | 2021-05-11 | 159690774.0 | 738473.0 | 761605.857 | 3317325.0 | 13629.0 | 12806.143 | 20486.837 | 94.739 | 97.707 | 425.582 | 1.748 | 1.643 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 1.345085e+09 | 666983330.0 | 327671130.0 | 20880198.0 | 21067383.0 | 17.26 | 8.56 | 4.20 | 2703.0 | NaN | 7.794799e+09 | 58.045 | 30.9 | 8.696 | 5.355 | 15469.207 | 10.0 | 233.070 | 8.51 | 6.434 | 34.635 | 60.130 | 2.705 | 72.58 | 0.737 | 11052021 |
86903 | YEM | Asia | Yemen | 2021-05-11 | 6492.0 | 7.0 | 14.571 | 1276.0 | 1.0 | 5.143 | 217.663 | 0.235 | 0.489 | 42.782 | 0.034 | 0.172 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 2.982597e+07 | 53.508 | 20.3 | 2.922 | 1.583 | 1479.147 | 18.8 | 495.003 | 5.35 | 7.600 | 29.200 | 49.542 | 0.700 | 66.12 | 0.470 | 11052021 |
87323 | ZMB | Africa | Zambia | 2021-05-11 | 92152.0 | 40.0 | 49.714 | 1258.0 | 1.0 | 0.571 | 5012.632 | 2.176 | 2.704 | 68.429 | 0.054 | 0.031 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 1.838396e+07 | 22.995 | 17.7 | 2.480 | 1.542 | 3689.251 | 57.5 | 234.499 | 3.94 | 3.100 | 24.700 | 13.938 | 2.000 | 63.89 | 0.584 | 11052021 |
87741 | ZWE | Africa | Zimbabwe | 2021-05-11 | 38448.0 | 15.0 | 17.286 | 1579.0 | 3.0 | 0.714 | 2586.839 | 1.009 | 1.163 | 106.237 | 0.202 | 0.048 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 7.097720e+05 | 539526.0 | 170246.0 | 19119.0 | 21428.0 | 4.78 | 3.63 | 1.15 | 1442.0 | NaN | 1.486293e+07 | 42.729 | 19.6 | 2.822 | 1.882 | 1899.775 | 21.4 | 307.846 | 1.82 | 1.600 | 30.700 | 36.791 | 1.700 | 61.49 | 0.571 | 11052021 |
211 rows × 60 columns
Graphical representation
from matplotlib import pyplot as plt
train.new_cases.hist()
<matplotlib.axes._subplots.AxesSubplot at 0x7f45503fd090>
train.new_deaths.hist()
<matplotlib.axes._subplots.AxesSubplot at 0x7f454fd1ca90>
var = 'location'
data = pd.concat([train['new_cases'], train[var]], axis=1)
data.plot.scatter(x=var, y='new_cases', ylim=(0,1000000), s=32);
var = 'location'
data = pd.concat([train['new_deaths'], train[var]], axis=1)
data.plot.scatter(x=var, y='new_deaths', ylim=(0,30000), s=32);
import seaborn as sns
var = 'continent'
data = pd.concat([train['new_cases'], train[var]], axis=1)
f, ax = plt.subplots(figsize=(14, 8))
fig = sns.boxplot(x=var, y="new_cases", data=data)
fig.axis(ymin=0, ymax=500000);
var = 'continent'
data = pd.concat([train['new_deaths'], train[var]], axis=1)
f, ax = plt.subplots(figsize=(14, 8))
fig = sns.boxplot(x=var, y="new_deaths", data=data)
fig.axis(ymin=0, ymax=20000);
corrmat = train.corr()
f, ax = plt.subplots(figsize=(12, 9))
sns.heatmap(corrmat, vmax=.8, square=True)
<matplotlib.axes._subplots.AxesSubplot at 0x7f45414c8f50>
UK
country = "United Kingdom"
include_uk = train[train['location'].values == country]
exclude_uk = train[train['location'].values != country]
uk_cov19 = include_uk
uk_cov19
iso_code | continent | location | date | total_cases | new_cases | new_cases_smoothed | total_deaths | new_deaths | new_deaths_smoothed | total_cases_per_million | new_cases_per_million | new_cases_smoothed_per_million | total_deaths_per_million | new_deaths_per_million | new_deaths_smoothed_per_million | reproduction_rate | icu_patients | icu_patients_per_million | hosp_patients | hosp_patients_per_million | weekly_icu_admissions | weekly_icu_admissions_per_million | weekly_hosp_admissions | weekly_hosp_admissions_per_million | new_tests | total_tests | total_tests_per_thousand | new_tests_per_thousand | new_tests_smoothed | new_tests_smoothed_per_thousand | positive_rate | tests_per_case | tests_units | total_vaccinations | people_vaccinated | people_fully_vaccinated | new_vaccinations | new_vaccinations_smoothed | total_vaccinations_per_hundred | people_vaccinated_per_hundred | people_fully_vaccinated_per_hundred | new_vaccinations_smoothed_per_million | stringency_index | population | population_density | median_age | aged_65_older | aged_70_older | gdp_per_capita | extreme_poverty | cardiovasc_death_rate | diabetes_prevalence | female_smokers | male_smokers | handwashing_facilities | hospital_beds_per_thousand | life_expectancy | human_development_index | date_num | |
---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
82676 | GBR | Europe | United Kingdom | 2020-01-31 | 2.0 | 2.0 | NaN | NaN | NaN | NaN | 0.029 | 0.029 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 8.33 | 67886004.0 | 272.898 | 40.8 | 18.517 | 12.527 | 39753.244 | 0.2 | 122.137 | 4.28 | 20.0 | 24.7 | NaN | 2.54 | 81.32 | 0.932 | 31012020 |
82677 | GBR | Europe | United Kingdom | 2020-02-01 | 2.0 | 0.0 | NaN | NaN | NaN | NaN | 0.029 | 0.000 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 8.33 | 67886004.0 | 272.898 | 40.8 | 18.517 | 12.527 | 39753.244 | 0.2 | 122.137 | 4.28 | 20.0 | 24.7 | NaN | 2.54 | 81.32 | 0.932 | 01022020 |
82678 | GBR | Europe | United Kingdom | 2020-02-02 | 2.0 | 0.0 | NaN | NaN | NaN | NaN | 0.029 | 0.000 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 11.11 | 67886004.0 | 272.898 | 40.8 | 18.517 | 12.527 | 39753.244 | 0.2 | 122.137 | 4.28 | 20.0 | 24.7 | NaN | 2.54 | 81.32 | 0.932 | 02022020 |
82679 | GBR | Europe | United Kingdom | 2020-02-03 | 8.0 | 6.0 | NaN | NaN | NaN | NaN | 0.118 | 0.088 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 11.11 | 67886004.0 | 272.898 | 40.8 | 18.517 | 12.527 | 39753.244 | 0.2 | 122.137 | 4.28 | 20.0 | 24.7 | NaN | 2.54 | 81.32 | 0.932 | 03022020 |
82680 | GBR | Europe | United Kingdom | 2020-02-04 | 8.0 | 0.0 | NaN | NaN | NaN | NaN | 0.118 | 0.000 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 11.11 | 67886004.0 | 272.898 | 40.8 | 18.517 | 12.527 | 39753.244 | 0.2 | 122.137 | 4.28 | 20.0 | 24.7 | NaN | 2.54 | 81.32 | 0.932 | 04022020 |
... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... |
83138 | GBR | Europe | United Kingdom | 2021-05-07 | 4446752.0 | 2490.0 | 2072.286 | 127858.0 | 15.0 | 11.857 | 65503.222 | 36.679 | 30.526 | 1883.422 | 0.221 | 0.175 | 1.0 | 159.0 | 2.342 | 1153.0 | 16.984 | NaN | NaN | NaN | NaN | 708935.0 | 160342371.0 | 2361.936 | 10.443 | 978636.0 | 14.416 | 0.002 | 472.2 | tests performed | 52433184.0 | 35202642.0 | 17230542.0 | 598823.0 | 444809.0 | 77.24 | 51.86 | 25.38 | 6552.0 | 59.72 | 67886004.0 | 272.898 | 40.8 | 18.517 | 12.527 | 39753.244 | 0.2 | 122.137 | 4.28 | 20.0 | 24.7 | NaN | 2.54 | 81.32 | 0.932 | 07052021 |
83139 | GBR | Europe | United Kingdom | 2021-05-08 | 4448808.0 | 2056.0 | 2093.000 | 127863.0 | 5.0 | 11.571 | 65533.508 | 30.286 | 30.831 | 1883.496 | 0.074 | 0.170 | 1.0 | 150.0 | 2.210 | 1130.0 | 16.646 | NaN | NaN | NaN | NaN | 490546.0 | 160869162.0 | 2369.696 | 7.226 | 979597.0 | 14.430 | 0.002 | 468.0 | tests performed | 53041048.0 | 35371669.0 | 17669379.0 | 607864.0 | 458007.0 | 78.13 | 52.10 | 26.03 | 6747.0 | NaN | 67886004.0 | 272.898 | 40.8 | 18.517 | 12.527 | 39753.244 | 0.2 | 122.137 | 4.28 | 20.0 | 24.7 | NaN | 2.54 | 81.32 | 0.932 | 08052021 |
83140 | GBR | Europe | United Kingdom | 2021-05-09 | 4450578.0 | 1770.0 | 2106.714 | 127865.0 | 2.0 | 9.857 | 65559.581 | 26.073 | 31.033 | 1883.525 | 0.029 | 0.145 | 1.0 | 143.0 | 2.106 | 1108.0 | 16.321 | NaN | NaN | 339.0 | 4.994 | 1322338.0 | 162226572.0 | 2389.691 | 19.479 | 1049492.0 | 15.460 | 0.002 | 498.2 | tests performed | 53328845.0 | 35472295.0 | 17856550.0 | 287797.0 | 461576.0 | 78.56 | 52.25 | 26.30 | 6799.0 | NaN | 67886004.0 | 272.898 | 40.8 | 18.517 | 12.527 | 39753.244 | 0.2 | 122.137 | 4.28 | 20.0 | 24.7 | NaN | 2.54 | 81.32 | 0.932 | 09052021 |
83141 | GBR | Europe | United Kingdom | 2021-05-10 | 4452956.0 | 2378.0 | 2207.286 | 127870.0 | 5.0 | 10.429 | 65594.611 | 35.029 | 32.515 | 1883.599 | 0.074 | 0.154 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 53675733.0 | 35587348.0 | 18088385.0 | 346888.0 | 482546.0 | 79.07 | 52.42 | 26.65 | 7108.0 | NaN | 67886004.0 | 272.898 | 40.8 | 18.517 | 12.527 | 39753.244 | 0.2 | 122.137 | 4.28 | 20.0 | 24.7 | NaN | 2.54 | 81.32 | 0.932 | 10052021 |
83142 | GBR | Europe | United Kingdom | 2021-05-11 | 4455446.0 | 2490.0 | 2279.571 | 127890.0 | 20.0 | 12.429 | 65631.290 | 36.679 | 33.579 | 1883.893 | 0.295 | 0.183 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 67886004.0 | 272.898 | 40.8 | 18.517 | 12.527 | 39753.244 | 0.2 | 122.137 | 4.28 | 20.0 | 24.7 | NaN | 2.54 | 81.32 | 0.932 | 11052021 |
467 rows × 60 columns
import matplotlib.pyplot as plt
uk_cov19['new_cases_per_million'].plot(figsize=(16, 8))
plt.title('Time Series')
plt.xlabel("date")
plt.ylabel("uk_new_cases_per_million")
Text(0, 0.5, 'uk_new_cases_per_million')
uk_cov19['new_deaths_per_million'].plot(figsize=(16, 8))
plt.title('Time Series')
plt.xlabel("date")
plt.ylabel("uk_new_deaths_per_million")
Text(0, 0.5, 'uk_new_deaths_per_million')
US
country = "United States"
include_us = train[train['location'].values == country]
exclude_us = train[train['location'].values != country]
us_cov19 = include_us
us_cov19
iso_code | continent | location | date | total_cases | new_cases | new_cases_smoothed | total_deaths | new_deaths | new_deaths_smoothed | total_cases_per_million | new_cases_per_million | new_cases_smoothed_per_million | total_deaths_per_million | new_deaths_per_million | new_deaths_smoothed_per_million | reproduction_rate | icu_patients | icu_patients_per_million | hosp_patients | hosp_patients_per_million | weekly_icu_admissions | weekly_icu_admissions_per_million | weekly_hosp_admissions | weekly_hosp_admissions_per_million | new_tests | total_tests | total_tests_per_thousand | new_tests_per_thousand | new_tests_smoothed | new_tests_smoothed_per_thousand | positive_rate | tests_per_case | tests_units | total_vaccinations | people_vaccinated | people_fully_vaccinated | new_vaccinations | new_vaccinations_smoothed | total_vaccinations_per_hundred | people_vaccinated_per_hundred | people_fully_vaccinated_per_hundred | new_vaccinations_smoothed_per_million | stringency_index | population | population_density | median_age | aged_65_older | aged_70_older | gdp_per_capita | extreme_poverty | cardiovasc_death_rate | diabetes_prevalence | female_smokers | male_smokers | handwashing_facilities | hospital_beds_per_thousand | life_expectancy | human_development_index | date_num | |
---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
83143 | USA | North America | United States | 2020-01-22 | 1.0 | NaN | NaN | NaN | NaN | NaN | 0.003 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 0.00 | 331002647.0 | 35.608 | 38.3 | 15.413 | 9.732 | 54225.446 | 1.2 | 151.089 | 10.79 | 19.1 | 24.6 | NaN | 2.77 | 78.86 | 0.926 | 22012020 |
83144 | USA | North America | United States | 2020-01-23 | 1.0 | 0.0 | NaN | NaN | NaN | NaN | 0.003 | 0.000 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 0.00 | 331002647.0 | 35.608 | 38.3 | 15.413 | 9.732 | 54225.446 | 1.2 | 151.089 | 10.79 | 19.1 | 24.6 | NaN | 2.77 | 78.86 | 0.926 | 23012020 |
83145 | USA | North America | United States | 2020-01-24 | 2.0 | 1.0 | NaN | NaN | NaN | NaN | 0.006 | 0.003 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 0.00 | 331002647.0 | 35.608 | 38.3 | 15.413 | 9.732 | 54225.446 | 1.2 | 151.089 | 10.79 | 19.1 | 24.6 | NaN | 2.77 | 78.86 | 0.926 | 24012020 |
83146 | USA | North America | United States | 2020-01-25 | 2.0 | 0.0 | NaN | NaN | NaN | NaN | 0.006 | 0.000 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 0.00 | 331002647.0 | 35.608 | 38.3 | 15.413 | 9.732 | 54225.446 | 1.2 | 151.089 | 10.79 | 19.1 | 24.6 | NaN | 2.77 | 78.86 | 0.926 | 25012020 |
83147 | USA | North America | United States | 2020-01-26 | 5.0 | 3.0 | NaN | NaN | NaN | NaN | 0.015 | 0.009 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 0.00 | 331002647.0 | 35.608 | 38.3 | 15.413 | 9.732 | 54225.446 | 1.2 | 151.089 | 10.79 | 19.1 | 24.6 | NaN | 2.77 | 78.86 | 0.926 | 26012020 |
... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... |
83614 | USA | North America | United States | 2021-05-07 | 32652472.0 | 47289.0 | 43643.000 | 580901.0 | 753.0 | 671.857 | 98647.163 | 142.866 | 131.851 | 1754.974 | 2.275 | 2.030 | 0.83 | 8624.0 | 26.054 | 31834.0 | 96.174 | NaN | NaN | NaN | NaN | 723019.0 | 426539890.0 | 1288.63 | 2.184 | 864103.0 | 2.611 | 0.05 | 20.0 | tests performed | 254779333.0 | 150416559.0 | 110874920.0 | 2805581.0 | 2088522.0 | 76.18 | 44.98 | 33.15 | 6245.0 | 56.94 | 331002647.0 | 35.608 | 38.3 | 15.413 | 9.732 | 54225.446 | 1.2 | 151.089 | 10.79 | 19.1 | 24.6 | NaN | 2.77 | 78.86 | 0.926 | 07052021 |
83615 | USA | North America | United States | 2021-05-08 | 32686965.0 | 34493.0 | 42098.714 | 581516.0 | 615.0 | 659.143 | 98751.370 | 104.208 | 127.185 | 1756.832 | 1.858 | 1.991 | 0.82 | 8607.0 | 26.003 | 31781.0 | 96.014 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 257347205.0 | 151315505.0 | 112626771.0 | 2567872.0 | 1983391.0 | 76.95 | 45.24 | 33.68 | 5930.0 | 56.94 | 331002647.0 | 35.608 | 38.3 | 15.413 | 9.732 | 54225.446 | 1.2 | 151.089 | 10.79 | 19.1 | 24.6 | NaN | 2.77 | 78.86 | 0.926 | 08052021 |
83616 | USA | North America | United States | 2021-05-09 | 32708357.0 | 21392.0 | 40959.429 | 581754.0 | 238.0 | 646.857 | 98815.998 | 64.628 | 123.744 | 1757.551 | 0.719 | 1.954 | 0.82 | NaN | NaN | NaN | NaN | NaN | NaN | 27145.0 | 82.008 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 259716989.0 | 152116936.0 | 114258244.0 | 2369784.0 | 2017931.0 | 77.66 | 45.48 | 34.16 | 6034.0 | NaN | 331002647.0 | 35.608 | 38.3 | 15.413 | 9.732 | 54225.446 | 1.2 | 151.089 | 10.79 | 19.1 | 24.6 | NaN | 2.77 | 78.86 | 0.926 | 09052021 |
83617 | USA | North America | United States | 2021-05-10 | 32745255.0 | 36898.0 | 39007.714 | 582153.0 | 399.0 | 634.714 | 98927.472 | 111.473 | 117.847 | 1758.756 | 1.205 | 1.918 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 261599381.0 | 152819904.0 | 115530780.0 | 1882392.0 | 2117025.0 | 78.22 | 45.69 | 34.54 | 6330.0 | NaN | 331002647.0 | 35.608 | 38.3 | 15.413 | 9.732 | 54225.446 | 1.2 | 151.089 | 10.79 | 19.1 | 24.6 | NaN | 2.77 | 78.86 | 0.926 | 10052021 |
83618 | USA | North America | United States | 2021-05-11 | 32778906.0 | 33651.0 | 37996.000 | 582837.0 | 684.0 | 607.714 | 99029.136 | 101.664 | 114.791 | 1760.823 | 2.066 | 1.836 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 263132561.0 | 153448316.0 | 116576359.0 | 1533180.0 | 2194787.0 | 78.68 | 45.88 | 34.86 | 6563.0 | NaN | 331002647.0 | 35.608 | 38.3 | 15.413 | 9.732 | 54225.446 | 1.2 | 151.089 | 10.79 | 19.1 | 24.6 | NaN | 2.77 | 78.86 | 0.926 | 11052021 |
476 rows × 60 columns
us_cov19['new_cases_per_million'].plot(figsize=(16, 8))
plt.title('Time Series')
plt.xlabel("date")
plt.ylabel("us_new_cases_per_million")
Text(0, 0.5, 'us_new_cases_per_million')
us_cov19['new_deaths_per_million'].plot(figsize=(16, 8))
plt.title('Time Series')
plt.xlabel("date")
plt.ylabel("us_new_deaths_per_million")
Text(0, 0.5, 'us_new_deaths_per_million')
France
country = "France"
include_fr = train[train['location'].values == country]
exclude_fr = train[train['location'].values != country]
fr_cov19 = include_fr
fr_cov19
iso_code | continent | location | date | total_cases | new_cases | new_cases_smoothed | total_deaths | new_deaths | new_deaths_smoothed | total_cases_per_million | new_cases_per_million | new_cases_smoothed_per_million | total_deaths_per_million | new_deaths_per_million | new_deaths_smoothed_per_million | reproduction_rate | icu_patients | icu_patients_per_million | hosp_patients | hosp_patients_per_million | weekly_icu_admissions | weekly_icu_admissions_per_million | weekly_hosp_admissions | weekly_hosp_admissions_per_million | new_tests | total_tests | total_tests_per_thousand | new_tests_per_thousand | new_tests_smoothed | new_tests_smoothed_per_thousand | positive_rate | tests_per_case | tests_units | total_vaccinations | people_vaccinated | people_fully_vaccinated | new_vaccinations | new_vaccinations_smoothed | total_vaccinations_per_hundred | people_vaccinated_per_hundred | people_fully_vaccinated_per_hundred | new_vaccinations_smoothed_per_million | stringency_index | population | population_density | median_age | aged_65_older | aged_70_older | gdp_per_capita | extreme_poverty | cardiovasc_death_rate | diabetes_prevalence | female_smokers | male_smokers | handwashing_facilities | hospital_beds_per_thousand | life_expectancy | human_development_index | date_num | |
---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
28592 | FRA | Europe | France | 2020-01-24 | 2.0 | 2.0 | NaN | NaN | NaN | NaN | 0.030 | 0.030 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 5.56 | 67564251.0 | 122.578 | 42.0 | 19.718 | 13.079 | 38605.671 | NaN | 86.06 | 4.77 | 30.1 | 35.6 | NaN | 5.98 | 82.66 | 0.901 | 24012020 |
28593 | FRA | Europe | France | 2020-01-25 | 3.0 | 1.0 | NaN | NaN | NaN | NaN | 0.044 | 0.015 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 5.56 | 67564251.0 | 122.578 | 42.0 | 19.718 | 13.079 | 38605.671 | NaN | 86.06 | 4.77 | 30.1 | 35.6 | NaN | 5.98 | 82.66 | 0.901 | 25012020 |
28594 | FRA | Europe | France | 2020-01-26 | 3.0 | 0.0 | NaN | NaN | NaN | NaN | 0.044 | 0.000 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 5.56 | 67564251.0 | 122.578 | 42.0 | 19.718 | 13.079 | 38605.671 | NaN | 86.06 | 4.77 | 30.1 | 35.6 | NaN | 5.98 | 82.66 | 0.901 | 26012020 |
28595 | FRA | Europe | France | 2020-01-27 | 3.0 | 0.0 | NaN | NaN | NaN | NaN | 0.044 | 0.000 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 5.56 | 67564251.0 | 122.578 | 42.0 | 19.718 | 13.079 | 38605.671 | NaN | 86.06 | 4.77 | 30.1 | 35.6 | NaN | 5.98 | 82.66 | 0.901 | 27012020 |
28596 | FRA | Europe | France | 2020-01-28 | 4.0 | 1.0 | NaN | NaN | NaN | NaN | 0.059 | 0.015 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 5.56 | 67564251.0 | 122.578 | 42.0 | 19.718 | 13.079 | 38605.671 | NaN | 86.06 | 4.77 | 30.1 | 35.6 | NaN | 5.98 | 82.66 | 0.901 | 28012020 |
... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... |
29061 | FRA | Europe | France | 2021-05-07 | 5808421.0 | 19138.0 | 18655.143 | 106262.0 | 251.0 | 226.714 | 85968.851 | 283.256 | 276.110 | 1572.755 | 3.715 | 3.356 | 0.80 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 500448.0 | NaN | NaN | 7.344 | 332449.0 | 4.878 | 0.054 | 18.5 | people tested | 25196861.0 | 17542317.0 | 7764439.0 | 616260.0 | 438794.0 | 37.29 | 25.96 | 11.49 | 6494.0 | 63.89 | 67564251.0 | 122.578 | 42.0 | 19.718 | 13.079 | 38605.671 | NaN | 86.06 | 4.77 | 30.1 | 35.6 | NaN | 5.98 | 82.66 | 0.901 | 07052021 |
29062 | FRA | Europe | France | 2021-05-08 | 5829166.0 | 20745.0 | 17951.571 | 106438.0 | 176.0 | 224.429 | 86275.892 | 307.041 | 265.696 | 1575.360 | 2.605 | 3.322 | 0.79 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 25448331.0 | 17726841.0 | 7833539.0 | 251470.0 | 444570.0 | 37.67 | 26.24 | 11.59 | 6580.0 | NaN | 67564251.0 | 122.578 | 42.0 | 19.718 | 13.079 | 38605.671 | NaN | 86.06 | 4.77 | 30.1 | 35.6 | NaN | 5.98 | 82.66 | 0.901 | 08052021 |
29063 | FRA | Europe | France | 2021-05-09 | 5838294.0 | 9128.0 | 17843.000 | 106553.0 | 115.0 | 224.714 | 86410.993 | 135.101 | 264.089 | 1577.062 | 1.702 | 3.326 | 0.79 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 25621942.0 | 17853667.0 | 7880929.0 | 173611.0 | 451259.0 | 37.92 | 26.42 | 11.66 | 6679.0 | NaN | 67564251.0 | 122.578 | 42.0 | 19.718 | 13.079 | 38605.671 | NaN | 86.06 | 4.77 | 30.1 | 35.6 | NaN | 5.98 | 82.66 | 0.901 | 09052021 |
29064 | FRA | Europe | France | 2021-05-10 | 5841593.0 | 3299.0 | 17776.143 | 106845.0 | 292.0 | 222.000 | 86459.820 | 48.828 | 263.100 | 1581.384 | 4.322 | 3.286 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 26143585.0 | 18146226.0 | 8116853.0 | 521643.0 | 461891.0 | 38.69 | 26.86 | 12.01 | 6836.0 | NaN | 67564251.0 | 122.578 | 42.0 | 19.718 | 13.079 | 38605.671 | NaN | 86.06 | 4.77 | 30.1 | 35.6 | NaN | 5.98 | 82.66 | 0.901 | 10052021 |
29065 | FRA | Europe | France | 2021-05-11 | 5861384.0 | 19791.0 | 17121.000 | 107096.0 | 251.0 | 221.143 | 86752.741 | 292.921 | 253.403 | 1585.099 | 3.715 | 3.273 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 67564251.0 | 122.578 | 42.0 | 19.718 | 13.079 | 38605.671 | NaN | 86.06 | 4.77 | 30.1 | 35.6 | NaN | 5.98 | 82.66 | 0.901 | 11052021 |
474 rows × 60 columns
fr_cov19['new_cases_per_million'].plot(figsize=(16, 8))
plt.title('Time Series')
plt.xlabel("date")
plt.ylabel("france_new_cases_per_million")
Text(0, 0.5, 'france_new_cases_per_million')
fr_cov19['new_deaths_per_million'].plot(figsize=(16, 8))
plt.title('Time Series')
plt.xlabel("date")
plt.ylabel("france_new_deaths_per_million")
Text(0, 0.5, 'france_new_deaths_per_million')
Italy
country = "Italy"
include_it = train[train['location'].values == country]
exclude_it = train[train['location'].values != country]
it_cov19 = include_it
it_cov19
iso_code | continent | location | date | total_cases | new_cases | new_cases_smoothed | total_deaths | new_deaths | new_deaths_smoothed | total_cases_per_million | new_cases_per_million | new_cases_smoothed_per_million | total_deaths_per_million | new_deaths_per_million | new_deaths_smoothed_per_million | reproduction_rate | icu_patients | icu_patients_per_million | hosp_patients | hosp_patients_per_million | weekly_icu_admissions | weekly_icu_admissions_per_million | weekly_hosp_admissions | weekly_hosp_admissions_per_million | new_tests | total_tests | total_tests_per_thousand | new_tests_per_thousand | new_tests_smoothed | new_tests_smoothed_per_thousand | positive_rate | tests_per_case | tests_units | total_vaccinations | people_vaccinated | people_fully_vaccinated | new_vaccinations | new_vaccinations_smoothed | total_vaccinations_per_hundred | people_vaccinated_per_hundred | people_fully_vaccinated_per_hundred | new_vaccinations_smoothed_per_million | stringency_index | population | population_density | median_age | aged_65_older | aged_70_older | gdp_per_capita | extreme_poverty | cardiovasc_death_rate | diabetes_prevalence | female_smokers | male_smokers | handwashing_facilities | hospital_beds_per_thousand | life_expectancy | human_development_index | date_num | |
---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
39356 | ITA | Europe | Italy | 2020-01-31 | 2.0 | 2.0 | NaN | NaN | NaN | NaN | 0.033 | 0.033 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 19.44 | 60461828.0 | 205.859 | 47.9 | 23.021 | 16.24 | 35220.084 | 2.0 | 113.151 | 4.78 | 19.8 | 27.8 | NaN | 3.18 | 83.51 | 0.892 | 31012020 |
39357 | ITA | Europe | Italy | 2020-02-01 | 2.0 | 0.0 | NaN | NaN | NaN | NaN | 0.033 | 0.000 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 19.44 | 60461828.0 | 205.859 | 47.9 | 23.021 | 16.24 | 35220.084 | 2.0 | 113.151 | 4.78 | 19.8 | 27.8 | NaN | 3.18 | 83.51 | 0.892 | 01022020 |
39358 | ITA | Europe | Italy | 2020-02-02 | 2.0 | 0.0 | NaN | NaN | NaN | NaN | 0.033 | 0.000 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 19.44 | 60461828.0 | 205.859 | 47.9 | 23.021 | 16.24 | 35220.084 | 2.0 | 113.151 | 4.78 | 19.8 | 27.8 | NaN | 3.18 | 83.51 | 0.892 | 02022020 |
39359 | ITA | Europe | Italy | 2020-02-03 | 2.0 | 0.0 | NaN | NaN | NaN | NaN | 0.033 | 0.000 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 19.44 | 60461828.0 | 205.859 | 47.9 | 23.021 | 16.24 | 35220.084 | 2.0 | 113.151 | 4.78 | 19.8 | 27.8 | NaN | 3.18 | 83.51 | 0.892 | 03022020 |
39360 | ITA | Europe | Italy | 2020-02-04 | 2.0 | 0.0 | NaN | NaN | NaN | NaN | 0.033 | 0.000 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 19.44 | 60461828.0 | 205.859 | 47.9 | 23.021 | 16.24 | 35220.084 | 2.0 | 113.151 | 4.78 | 19.8 | 27.8 | NaN | 3.18 | 83.51 | 0.892 | 04022020 |
... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... |
39818 | ITA | Europe | Italy | 2021-05-07 | 4092747.0 | 10549.0 | 10013.429 | 122470.0 | 207.0 | 237.571 | 67691.420 | 174.474 | 165.616 | 2025.576 | 3.424 | 3.929 | 0.83 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 328612.0 | 60532582.0 | 1001.170 | 5.435 | 278976.0 | 4.614 | 0.036 | 27.9 | tests performed | 23210717.0 | 16271652.0 | 7089532.0 | 533140.0 | 453090.0 | 38.39 | 26.91 | 11.73 | 7494.0 | 75.00 | 60461828.0 | 205.859 | 47.9 | 23.021 | 16.24 | 35220.084 | 2.0 | 113.151 | 4.78 | 19.8 | 27.8 | NaN | 3.18 | 83.51 | 0.892 | 07052021 |
39819 | ITA | Europe | Italy | 2021-05-08 | 4102921.0 | 10174.0 | 9614.857 | 122694.0 | 224.0 | 237.286 | 67859.692 | 168.271 | 159.024 | 2029.280 | 3.705 | 3.925 | 0.83 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 338436.0 | 60871018.0 | 1006.768 | 5.598 | 273295.0 | 4.520 | 0.035 | 28.4 | tests performed | 23712195.0 | 16591143.0 | 7286161.0 | 501478.0 | 463219.0 | 39.22 | 27.44 | 12.05 | 7661.0 | NaN | 60461828.0 | 205.859 | 47.9 | 23.021 | 16.24 | 35220.084 | 2.0 | 113.151 | 4.78 | 19.8 | 27.8 | NaN | 3.18 | 83.51 | 0.892 | 08052021 |
39820 | ITA | Europe | Italy | 2021-05-09 | 4111210.0 | 8289.0 | 9492.571 | 122833.0 | 139.0 | 236.571 | 67996.786 | 137.095 | 157.001 | 2031.579 | 2.299 | 3.913 | 0.83 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 226006.0 | 61097024.0 | 1010.506 | 3.738 | 283171.0 | 4.683 | 0.034 | 29.8 | tests performed | 24090355.0 | 16843885.0 | 7419080.0 | 378160.0 | 464583.0 | 39.84 | 27.86 | 12.27 | 7684.0 | NaN | 60461828.0 | 205.859 | 47.9 | 23.021 | 16.24 | 35220.084 | 2.0 | 113.151 | 4.78 | 19.8 | 27.8 | NaN | 3.18 | 83.51 | 0.892 | 09052021 |
39821 | ITA | Europe | Italy | 2021-05-10 | 4116287.0 | 5077.0 | 9368.429 | 123031.0 | 198.0 | 228.286 | 68080.757 | 83.970 | 154.948 | 2034.854 | 3.275 | 3.776 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 130000.0 | 61227024.0 | 1012.656 | 2.150 | 284338.0 | 4.703 | 0.033 | 30.4 | tests performed | 24521322.0 | 17130068.0 | 7571297.0 | 430967.0 | 467760.0 | 40.56 | 28.33 | 12.52 | 7736.0 | NaN | 60461828.0 | 205.859 | 47.9 | 23.021 | 16.24 | 35220.084 | 2.0 | 113.151 | 4.78 | 19.8 | 27.8 | NaN | 3.18 | 83.51 | 0.892 | 10052021 |
39822 | ITA | Europe | Italy | 2021-05-11 | 4123230.0 | 6943.0 | 9058.429 | 123282.0 | 251.0 | 220.571 | 68195.589 | 114.833 | 149.821 | 2039.006 | 4.151 | 3.648 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 24950456.0 | 17413508.0 | 7725554.0 | 429134.0 | 465570.0 | 41.27 | 28.80 | 12.78 | 7700.0 | NaN | 60461828.0 | 205.859 | 47.9 | 23.021 | 16.24 | 35220.084 | 2.0 | 113.151 | 4.78 | 19.8 | 27.8 | NaN | 3.18 | 83.51 | 0.892 | 11052021 |
467 rows × 60 columns
it_cov19['new_cases_per_million'].plot(figsize=(16, 8))
plt.title('Time Series')
plt.xlabel("date")
plt.ylabel("italy_new_cases_per_million")
Text(0, 0.5, 'italy_new_cases_per_million')
it_cov19['new_deaths_per_million'].plot(figsize=(16, 8))
plt.title('Time Series')
plt.xlabel("date")
plt.ylabel("italy_new_deaths_per_million")
Text(0, 0.5, 'italy_new_deaths_per_million')
Brazil
country = "Brazil"
include_br = train[train['location'].values == country]
exclude_br = train[train['location'].values != country]
br_cov19 = include_br
br_cov19
iso_code | continent | location | date | total_cases | new_cases | new_cases_smoothed | total_deaths | new_deaths | new_deaths_smoothed | total_cases_per_million | new_cases_per_million | new_cases_smoothed_per_million | total_deaths_per_million | new_deaths_per_million | new_deaths_smoothed_per_million | reproduction_rate | icu_patients | icu_patients_per_million | hosp_patients | hosp_patients_per_million | weekly_icu_admissions | weekly_icu_admissions_per_million | weekly_hosp_admissions | weekly_hosp_admissions_per_million | new_tests | total_tests | total_tests_per_thousand | new_tests_per_thousand | new_tests_smoothed | new_tests_smoothed_per_thousand | positive_rate | tests_per_case | tests_units | total_vaccinations | people_vaccinated | people_fully_vaccinated | new_vaccinations | new_vaccinations_smoothed | total_vaccinations_per_hundred | people_vaccinated_per_hundred | people_fully_vaccinated_per_hundred | new_vaccinations_smoothed_per_million | stringency_index | population | population_density | median_age | aged_65_older | aged_70_older | gdp_per_capita | extreme_poverty | cardiovasc_death_rate | diabetes_prevalence | female_smokers | male_smokers | handwashing_facilities | hospital_beds_per_thousand | life_expectancy | human_development_index | date_num | |
---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
11216 | BRA | South America | Brazil | 2020-02-26 | 1.0 | 1.0 | NaN | NaN | NaN | NaN | 0.005 | 0.005 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 5.56 | 212559409.0 | 25.04 | 33.5 | 8.552 | 5.06 | 14103.452 | 3.4 | 177.961 | 8.11 | 10.1 | 17.9 | NaN | 2.2 | 75.88 | 0.765 | 26022020 |
11217 | BRA | South America | Brazil | 2020-02-27 | 1.0 | 0.0 | NaN | NaN | NaN | NaN | 0.005 | 0.000 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 5.56 | 212559409.0 | 25.04 | 33.5 | 8.552 | 5.06 | 14103.452 | 3.4 | 177.961 | 8.11 | 10.1 | 17.9 | NaN | 2.2 | 75.88 | 0.765 | 27022020 |
11218 | BRA | South America | Brazil | 2020-02-28 | 1.0 | 0.0 | NaN | NaN | NaN | NaN | 0.005 | 0.000 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 5.56 | 212559409.0 | 25.04 | 33.5 | 8.552 | 5.06 | 14103.452 | 3.4 | 177.961 | 8.11 | 10.1 | 17.9 | NaN | 2.2 | 75.88 | 0.765 | 28022020 |
11219 | BRA | South America | Brazil | 2020-02-29 | 2.0 | 1.0 | NaN | NaN | NaN | NaN | 0.009 | 0.005 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 5.56 | 212559409.0 | 25.04 | 33.5 | 8.552 | 5.06 | 14103.452 | 3.4 | 177.961 | 8.11 | 10.1 | 17.9 | NaN | 2.2 | 75.88 | 0.765 | 29022020 |
11220 | BRA | South America | Brazil | 2020-03-01 | 2.0 | 0.0 | NaN | NaN | NaN | NaN | 0.009 | 0.000 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 5.56 | 212559409.0 | 25.04 | 33.5 | 8.552 | 5.06 | 14103.452 | 3.4 | 177.961 | 8.11 | 10.1 | 17.9 | NaN | 2.2 | 75.88 | 0.765 | 01032020 |
... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... |
11652 | BRA | South America | Brazil | 2021-05-07 | 15082449.0 | 78886.0 | 60491.143 | 419114.0 | 2165.0 | 2190.429 | 70956.393 | 371.124 | 284.585 | 1971.750 | 10.185 | 10.305 | 1.02 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 46875460.0 | 31722544.0 | 15152916.0 | 333068.0 | 596657.0 | 22.05 | 14.92 | 7.13 | 2807.0 | NaN | 212559409.0 | 25.04 | 33.5 | 8.552 | 5.06 | 14103.452 | 3.4 | 177.961 | 8.11 | 10.1 | 17.9 | NaN | 2.2 | 75.88 | 0.765 | 07052021 |
11653 | BRA | South America | Brazil | 2021-05-08 | 15145879.0 | 63430.0 | 59986.286 | 421316.0 | 2202.0 | 2125.571 | 71254.804 | 298.411 | 282.210 | 1982.109 | 10.359 | 10.000 | 1.01 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 571797.0 | NaN | NaN | NaN | 2690.0 | NaN | 212559409.0 | 25.04 | 33.5 | 8.552 | 5.06 | 14103.452 | 3.4 | 177.961 | 8.11 | 10.1 | 17.9 | NaN | 2.2 | 75.88 | 0.765 | 08052021 |
11654 | BRA | South America | Brazil | 2021-05-09 | 15184790.0 | 38911.0 | 61411.429 | 422340.0 | 1024.0 | 2100.143 | 71437.863 | 183.059 | 288.914 | 1986.927 | 4.817 | 9.880 | 1.02 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 575528.0 | NaN | NaN | NaN | 2708.0 | NaN | 212559409.0 | 25.04 | 33.5 | 8.552 | 5.06 | 14103.452 | 3.4 | 177.961 | 8.11 | 10.1 | 17.9 | NaN | 2.2 | 75.88 | 0.765 | 09052021 |
11655 | BRA | South America | Brazil | 2021-05-10 | 15209990.0 | 25200.0 | 61494.429 | 423229.0 | 889.0 | 2086.714 | 71556.418 | 118.555 | 289.305 | 1991.109 | 4.182 | 9.817 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 47365348.0 | 32101075.0 | 15264273.0 | NaN | 486170.0 | 22.28 | 15.10 | 7.18 | 2287.0 | NaN | 212559409.0 | 25.04 | 33.5 | 8.552 | 5.06 | 14103.452 | 3.4 | 177.961 | 8.11 | 10.1 | 17.9 | NaN | 2.2 | 75.88 | 0.765 | 10052021 |
11656 | BRA | South America | Brazil | 2021-05-11 | 15282705.0 | 72715.0 | 60831.000 | 425540.0 | 2311.0 | 1993.143 | 71898.511 | 342.093 | 286.184 | 2001.981 | 10.872 | 9.377 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 48193472.0 | 32647725.0 | 15545747.0 | 828124.0 | 417092.0 | 22.67 | 15.36 | 7.31 | 1962.0 | NaN | 212559409.0 | 25.04 | 33.5 | 8.552 | 5.06 | 14103.452 | 3.4 | 177.961 | 8.11 | 10.1 | 17.9 | NaN | 2.2 | 75.88 | 0.765 | 11052021 |
441 rows × 60 columns
br_cov19['new_cases_per_million'].plot(figsize=(16, 8))
plt.title('Time Series')
plt.xlabel("date")
plt.ylabel("brazil_new_cases_per_million")
Text(0, 0.5, 'brazil_new_cases_per_million')
br_cov19['new_deaths_per_million'].plot(figsize=(16, 8))
plt.title('Time Series')
plt.xlabel("date")
plt.ylabel("brazil_new_deaths_per_million")
Text(0, 0.5, 'brazil_new_deaths_per_million')
Portugal
country = "Portugal"
include_p = train[train['location'].values == country]
exclude_p = train[train['location'].values != country]
p_cov19 = include_p
p_cov19
iso_code | continent | location | date | total_cases | new_cases | new_cases_smoothed | total_deaths | new_deaths | new_deaths_smoothed | total_cases_per_million | new_cases_per_million | new_cases_smoothed_per_million | total_deaths_per_million | new_deaths_per_million | new_deaths_smoothed_per_million | reproduction_rate | icu_patients | icu_patients_per_million | hosp_patients | hosp_patients_per_million | weekly_icu_admissions | weekly_icu_admissions_per_million | weekly_hosp_admissions | weekly_hosp_admissions_per_million | new_tests | total_tests | total_tests_per_thousand | new_tests_per_thousand | new_tests_smoothed | new_tests_smoothed_per_thousand | positive_rate | tests_per_case | tests_units | total_vaccinations | people_vaccinated | people_fully_vaccinated | new_vaccinations | new_vaccinations_smoothed | total_vaccinations_per_hundred | people_vaccinated_per_hundred | people_fully_vaccinated_per_hundred | new_vaccinations_smoothed_per_million | stringency_index | population | population_density | median_age | aged_65_older | aged_70_older | gdp_per_capita | extreme_poverty | cardiovasc_death_rate | diabetes_prevalence | female_smokers | male_smokers | handwashing_facilities | hospital_beds_per_thousand | life_expectancy | human_development_index | date_num | |
---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
63728 | PRT | Europe | Portugal | 2020-02-02 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 9.904 | 0.971 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 11.11 | 10196707.0 | 112.371 | 46.2 | 21.502 | 14.924 | 27936.896 | 0.5 | 127.842 | 9.85 | 16.3 | 30.0 | NaN | 3.39 | 82.05 | 0.864 | 02022020 |
63729 | PRT | Europe | Portugal | 2020-02-09 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 9.904 | 0.971 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 11.11 | 10196707.0 | 112.371 | 46.2 | 21.502 | 14.924 | 27936.896 | 0.5 | 127.842 | 9.85 | 16.3 | 30.0 | NaN | 3.39 | 82.05 | 0.864 | 09022020 |
63730 | PRT | Europe | Portugal | 2020-02-15 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 15.846 | 1.554 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 11.11 | 10196707.0 | 112.371 | 46.2 | 21.502 | 14.924 | 27936.896 | 0.5 | 127.842 | 9.85 | 16.3 | 30.0 | NaN | 3.39 | 82.05 | 0.864 | 15022020 |
63731 | PRT | Europe | Portugal | 2020-02-23 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 19.807 | 1.943 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 11.11 | 10196707.0 | 112.371 | 46.2 | 21.502 | 14.924 | 27936.896 | 0.5 | 127.842 | 9.85 | 16.3 | 30.0 | NaN | 3.39 | 82.05 | 0.864 | 23022020 |
63732 | PRT | Europe | Portugal | 2020-03-01 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 28.721 | 2.817 | NaN | 25.0 | 0.002 | NaN | NaN | NaN | NaN | NaN | tests performed | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 11.11 | 10196707.0 | 112.371 | 46.2 | 21.502 | 14.924 | 27936.896 | 0.5 | 127.842 | 9.85 | 16.3 | 30.0 | NaN | 3.39 | 82.05 | 0.864 | 01032020 |
... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... |
64164 | PRT | Europe | Portugal | 2021-05-07 | 838852.0 | 377.0 | 337.000 | 16989.0 | 1.0 | 2.143 | 82266.951 | 36.973 | 33.050 | 1666.126 | 0.098 | 0.210 | 0.86 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 46587.0 | 10885426.0 | 1067.543 | 4.569 | 42492.0 | 4.167 | 0.008 | 126.1 | tests performed | 3817745.0 | 2777426.0 | 1040297.0 | 101024.0 | 73182.0 | 37.44 | 27.24 | 10.20 | 7177.0 | 72.22 | 10196707.0 | 112.371 | 46.2 | 21.502 | 14.924 | 27936.896 | 0.5 | 127.842 | 9.85 | 16.3 | 30.0 | NaN | 3.39 | 82.05 | 0.864 | 07052021 |
64165 | PRT | Europe | Portugal | 2021-05-08 | 839258.0 | 406.0 | 330.143 | 16991.0 | 2.0 | 2.143 | 82306.768 | 39.817 | 32.377 | 1666.322 | 0.196 | 0.210 | 0.87 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 31421.0 | 10916847.0 | 1070.625 | 3.081 | 42488.0 | 4.167 | 0.008 | 128.7 | tests performed | 3921995.0 | 2824858.0 | 1097115.0 | 104250.0 | 75746.0 | 38.46 | 27.70 | 10.76 | 7428.0 | NaN | 10196707.0 | 112.371 | 46.2 | 21.502 | 14.924 | 27936.896 | 0.5 | 127.842 | 9.85 | 16.3 | 30.0 | NaN | 3.39 | 82.05 | 0.864 | 08052021 |
64166 | PRT | Europe | Portugal | 2021-05-09 | 839582.0 | 324.0 | 329.286 | 16992.0 | 1.0 | 2.143 | 82338.543 | 31.775 | 32.293 | 1666.420 | 0.098 | 0.210 | 0.87 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 4004480.0 | 2893455.0 | 1111003.0 | 82485.0 | 80171.0 | 39.27 | 28.38 | 10.90 | 7862.0 | NaN | 10196707.0 | 112.371 | 46.2 | 21.502 | 14.924 | 27936.896 | 0.5 | 127.842 | 9.85 | 16.3 | 30.0 | NaN | 3.39 | 82.05 | 0.864 | 09052021 |
64167 | PRT | Europe | Portugal | 2021-05-10 | 839740.0 | 158.0 | 326.143 | 16993.0 | 1.0 | 2.286 | 82354.038 | 15.495 | 31.985 | 1666.518 | 0.098 | 0.224 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 4043392.0 | 2930677.0 | 1112693.0 | 38912.0 | 79967.0 | 39.65 | 28.74 | 10.91 | 7842.0 | NaN | 10196707.0 | 112.371 | 46.2 | 21.502 | 14.924 | 27936.896 | 0.5 | 127.842 | 9.85 | 16.3 | 30.0 | NaN | 3.39 | 82.05 | 0.864 | 10052021 |
64168 | PRT | Europe | Portugal | 2021-05-11 | 840008.0 | 268.0 | 327.571 | 16994.0 | 1.0 | 1.857 | 82380.321 | 26.283 | 32.125 | 1666.616 | 0.098 | 0.182 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 4121938.0 | 2989538.0 | 1132378.0 | 78546.0 | 81893.0 | 40.42 | 29.32 | 11.11 | 8031.0 | NaN | 10196707.0 | 112.371 | 46.2 | 21.502 | 14.924 | 27936.896 | 0.5 | 127.842 | 9.85 | 16.3 | 30.0 | NaN | 3.39 | 82.05 | 0.864 | 11052021 |
441 rows × 60 columns
p_cov19['new_cases_per_million'].plot(figsize=(16, 8))
plt.title('Time Series')
plt.xlabel("date")
plt.ylabel("portugal_new_cases_per_million")
Text(0, 0.5, 'portugal_new_cases_per_million')
p_cov19['new_deaths_per_million'].plot(figsize=(16, 8))
plt.title('Time Series')
plt.xlabel("date")
plt.ylabel("portugal_new_deaths_per_million")
Text(0, 0.5, 'portugal_new_deaths_per_million')
Spain
country = "Spain"
include_sp = train[train['location'].values == country]
exclude_sp = train[train['location'].values != country]
sp_cov19 = include_sp
sp_cov19
iso_code | continent | location | date | total_cases | new_cases | new_cases_smoothed | total_deaths | new_deaths | new_deaths_smoothed | total_cases_per_million | new_cases_per_million | new_cases_smoothed_per_million | total_deaths_per_million | new_deaths_per_million | new_deaths_smoothed_per_million | reproduction_rate | icu_patients | icu_patients_per_million | hosp_patients | hosp_patients_per_million | weekly_icu_admissions | weekly_icu_admissions_per_million | weekly_hosp_admissions | weekly_hosp_admissions_per_million | new_tests | total_tests | total_tests_per_thousand | new_tests_per_thousand | new_tests_smoothed | new_tests_smoothed_per_thousand | positive_rate | tests_per_case | tests_units | total_vaccinations | people_vaccinated | people_fully_vaccinated | new_vaccinations | new_vaccinations_smoothed | total_vaccinations_per_hundred | people_vaccinated_per_hundred | people_fully_vaccinated_per_hundred | new_vaccinations_smoothed_per_million | stringency_index | population | population_density | median_age | aged_65_older | aged_70_older | gdp_per_capita | extreme_poverty | cardiovasc_death_rate | diabetes_prevalence | female_smokers | male_smokers | handwashing_facilities | hospital_beds_per_thousand | life_expectancy | human_development_index | date_num | |
---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
74219 | ESP | Europe | Spain | 2020-02-01 | 1.0 | 1.0 | NaN | NaN | NaN | NaN | 0.021 | 0.021 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 11.11 | 46754783.0 | 93.105 | 45.5 | 19.436 | 13.799 | 34272.36 | 1.0 | 99.403 | 7.17 | 27.4 | 31.4 | NaN | 2.97 | 83.56 | 0.904 | 01022020 |
74220 | ESP | Europe | Spain | 2020-02-02 | 1.0 | 0.0 | NaN | NaN | NaN | NaN | 0.021 | 0.000 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 2.963 | 0.063 | 17.78 | 0.38 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 11.11 | 46754783.0 | 93.105 | 45.5 | 19.436 | 13.799 | 34272.36 | 1.0 | 99.403 | 7.17 | 27.4 | 31.4 | NaN | 2.97 | 83.56 | 0.904 | 02022020 |
74221 | ESP | Europe | Spain | 2020-02-03 | 1.0 | 0.0 | NaN | NaN | NaN | NaN | 0.021 | 0.000 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 11.11 | 46754783.0 | 93.105 | 45.5 | 19.436 | 13.799 | 34272.36 | 1.0 | 99.403 | 7.17 | 27.4 | 31.4 | NaN | 2.97 | 83.56 | 0.904 | 03022020 |
74222 | ESP | Europe | Spain | 2020-02-04 | 1.0 | 0.0 | NaN | NaN | NaN | NaN | 0.021 | 0.000 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 11.11 | 46754783.0 | 93.105 | 45.5 | 19.436 | 13.799 | 34272.36 | 1.0 | 99.403 | 7.17 | 27.4 | 31.4 | NaN | 2.97 | 83.56 | 0.904 | 04022020 |
74223 | ESP | Europe | Spain | 2020-02-05 | 1.0 | 0.0 | NaN | NaN | NaN | NaN | 0.021 | 0.000 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 11.11 | 46754783.0 | 93.105 | 45.5 | 19.436 | 13.799 | 34272.36 | 1.0 | 99.403 | 7.17 | 27.4 | 31.4 | NaN | 2.97 | 83.56 | 0.904 | 05022020 |
... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... |
74680 | ESP | Europe | Spain | 2021-05-07 | 3567408.0 | 8186.0 | 6190.143 | 78792.0 | 66.0 | 82.286 | 76300.386 | 175.084 | 132.396 | 1685.218 | 1.412 | 1.760 | 0.92 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 381863.0 | NaN | NaN | NaN | 8167.0 | 67.59 | 46754783.0 | 93.105 | 45.5 | 19.436 | 13.799 | 34272.36 | 1.0 | 99.403 | 7.17 | 27.4 | 31.4 | NaN | 2.97 | 83.56 | 0.904 | 07052021 |
74681 | ESP | Europe | Spain | 2021-05-08 | 3567408.0 | 0.0 | 6190.143 | 78792.0 | 0.0 | 82.286 | 76300.386 | 0.000 | 132.396 | 1685.218 | 0.000 | 1.760 | 0.92 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 380364.0 | NaN | NaN | NaN | 8135.0 | 67.59 | 46754783.0 | 93.105 | 45.5 | 19.436 | 13.799 | 34272.36 | 1.0 | 99.403 | 7.17 | 27.4 | 31.4 | NaN | 2.97 | 83.56 | 0.904 | 08052021 |
74682 | ESP | Europe | Spain | 2021-05-09 | 3567408.0 | 0.0 | 6190.143 | 78792.0 | 0.0 | 82.286 | 76300.386 | 0.000 | 132.396 | 1685.218 | 0.000 | 1.760 | 0.93 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 19830624.0 | 13797431.0 | 6221476.0 | NaN | 378865.0 | 42.41 | 29.51 | 13.31 | 8103.0 | 62.96 | 46754783.0 | 93.105 | 45.5 | 19.436 | 13.799 | 34272.36 | 1.0 | 99.403 | 7.17 | 27.4 | 31.4 | NaN | 2.97 | 83.56 | 0.904 | 09052021 |
74683 | ESP | Europe | Spain | 2021-05-10 | 3581392.0 | 13984.0 | 5851.714 | 78895.0 | 103.0 | 86.000 | 76599.479 | 299.092 | 125.158 | 1687.421 | 2.203 | 1.839 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 20162661.0 | 14028954.0 | 6327447.0 | 332037.0 | 390264.0 | 43.12 | 30.01 | 13.53 | 8347.0 | NaN | 46754783.0 | 93.105 | 45.5 | 19.436 | 13.799 | 34272.36 | 1.0 | 99.403 | 7.17 | 27.4 | 31.4 | NaN | 2.97 | 83.56 | 0.904 | 10052021 |
74684 | ESP | Europe | Spain | 2021-05-11 | 3586333.0 | 4941.0 | 5912.571 | 79100.0 | 205.0 | 100.143 | 76705.158 | 105.679 | 126.459 | 1691.806 | 4.385 | 2.142 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 46754783.0 | 93.105 | 45.5 | 19.436 | 13.799 | 34272.36 | 1.0 | 99.403 | 7.17 | 27.4 | 31.4 | NaN | 2.97 | 83.56 | 0.904 | 11052021 |
466 rows × 60 columns
sp_cov19['new_cases_per_million'].plot(figsize=(16, 8))
plt.title('Time Series')
plt.xlabel("date")
plt.ylabel("spain_new_cases_per_million")
Text(0, 0.5, 'spain_new_cases_per_million')
sp_cov19['new_deaths_per_million'].plot(figsize=(16, 8))
plt.title('Time Series')
plt.xlabel("date")
plt.ylabel("spain_new_deaths_per_million")
Text(0, 0.5, 'spain_new_deaths_per_million')
India
country = "India"
include_i = train[train['location'].values == country]
exclude_i = train[train['location'].values != country]
i_cov19 = include_i
i_cov19
iso_code | continent | location | date | total_cases | new_cases | new_cases_smoothed | total_deaths | new_deaths | new_deaths_smoothed | total_cases_per_million | new_cases_per_million | new_cases_smoothed_per_million | total_deaths_per_million | new_deaths_per_million | new_deaths_smoothed_per_million | reproduction_rate | icu_patients | icu_patients_per_million | hosp_patients | hosp_patients_per_million | weekly_icu_admissions | weekly_icu_admissions_per_million | weekly_hosp_admissions | weekly_hosp_admissions_per_million | new_tests | total_tests | total_tests_per_thousand | new_tests_per_thousand | new_tests_smoothed | new_tests_smoothed_per_thousand | positive_rate | tests_per_case | tests_units | total_vaccinations | people_vaccinated | people_fully_vaccinated | new_vaccinations | new_vaccinations_smoothed | total_vaccinations_per_hundred | people_vaccinated_per_hundred | people_fully_vaccinated_per_hundred | new_vaccinations_smoothed_per_million | stringency_index | population | population_density | median_age | aged_65_older | aged_70_older | gdp_per_capita | extreme_poverty | cardiovasc_death_rate | diabetes_prevalence | female_smokers | male_smokers | handwashing_facilities | hospital_beds_per_thousand | life_expectancy | human_development_index | date_num | |
---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
36100 | IND | Asia | India | 2020-01-30 | 1.0 | 1.0 | NaN | NaN | NaN | NaN | 0.001 | 0.001 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 10.19 | 1.380004e+09 | 450.419 | 28.2 | 5.989 | 3.414 | 6426.674 | 21.2 | 282.28 | 10.39 | 1.9 | 20.6 | 59.55 | 0.53 | 69.66 | 0.645 | 30012020 |
36101 | IND | Asia | India | 2020-01-31 | 1.0 | 0.0 | NaN | NaN | NaN | NaN | 0.001 | 0.000 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 10.19 | 1.380004e+09 | 450.419 | 28.2 | 5.989 | 3.414 | 6426.674 | 21.2 | 282.28 | 10.39 | 1.9 | 20.6 | 59.55 | 0.53 | 69.66 | 0.645 | 31012020 |
36102 | IND | Asia | India | 2020-02-01 | 1.0 | 0.0 | NaN | NaN | NaN | NaN | 0.001 | 0.000 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 10.19 | 1.380004e+09 | 450.419 | 28.2 | 5.989 | 3.414 | 6426.674 | 21.2 | 282.28 | 10.39 | 1.9 | 20.6 | 59.55 | 0.53 | 69.66 | 0.645 | 01022020 |
36103 | IND | Asia | India | 2020-02-02 | 2.0 | 1.0 | NaN | NaN | NaN | NaN | 0.001 | 0.001 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 10.19 | 1.380004e+09 | 450.419 | 28.2 | 5.989 | 3.414 | 6426.674 | 21.2 | 282.28 | 10.39 | 1.9 | 20.6 | 59.55 | 0.53 | 69.66 | 0.645 | 02022020 |
36104 | IND | Asia | India | 2020-02-03 | 3.0 | 1.0 | NaN | NaN | NaN | NaN | 0.002 | 0.001 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 10.19 | 1.380004e+09 | 450.419 | 28.2 | 5.989 | 3.414 | 6426.674 | 21.2 | 282.28 | 10.39 | 1.9 | 20.6 | 59.55 | 0.53 | 69.66 | 0.645 | 03022020 |
... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... |
36563 | IND | Asia | India | 2021-05-07 | 21892676.0 | 401078.0 | 389672.429 | 238270.0 | 4187.0 | 3773.857 | 15864.208 | 290.635 | 282.370 | 172.659 | 3.034 | 2.735 | 1.15 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 1826490.0 | 298601699.0 | 216.377 | 1.324 | 1744230.0 | 1.264 | 0.223 | 4.5 | samples tested | 165190000.0 | 132294827.0 | 32895173.0 | 2586397.0 | 1884556.0 | 11.97 | 9.59 | 2.38 | 1366.0 | 73.61 | 1.380004e+09 | 450.419 | 28.2 | 5.989 | 3.414 | 6426.674 | 21.2 | 282.28 | 10.39 | 1.9 | 20.6 | 59.55 | 0.53 | 69.66 | 0.645 | 07052021 |
36564 | IND | Asia | India | 2021-05-08 | 22296081.0 | 403405.0 | 391232.000 | 242347.0 | 4077.0 | 3829.286 | 16156.529 | 292.322 | 283.501 | 175.613 | 2.954 | 2.775 | 1.15 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 1808344.0 | 300410043.0 | 217.688 | 1.310 | 1724665.0 | 1.250 | 0.227 | 4.4 | samples tested | 167493857.0 | 133366482.0 | 34127375.0 | 2303857.0 | 1981076.0 | 12.14 | 9.66 | 2.47 | 1436.0 | 73.61 | 1.380004e+09 | 450.419 | 28.2 | 5.989 | 3.414 | 6426.674 | 21.2 | 282.28 | 10.39 | 1.9 | 20.6 | 59.55 | 0.53 | 69.66 | 0.645 | 08052021 |
36565 | IND | Asia | India | 2021-05-09 | 22662575.0 | 366494.0 | 391008.286 | 246116.0 | 3769.0 | 3879.571 | 16422.104 | 265.575 | 283.338 | 178.344 | 2.731 | 2.811 | 1.14 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 1865428.0 | 302275471.0 | 219.040 | 1.352 | 1733305.0 | 1.256 | 0.226 | 4.4 | samples tested | 168304868.0 | 133854676.0 | 34450192.0 | 811011.0 | 2013337.0 | 12.20 | 9.70 | 2.50 | 1459.0 | 73.61 | 1.380004e+09 | 450.419 | 28.2 | 5.989 | 3.414 | 6426.674 | 21.2 | 282.28 | 10.39 | 1.9 | 20.6 | 59.55 | 0.53 | 69.66 | 0.645 | 09052021 |
36566 | IND | Asia | India | 2021-05-10 | 22992517.0 | 329942.0 | 387097.714 | 249992.0 | 3876.0 | 3940.571 | 16661.191 | 239.088 | 280.505 | 181.153 | 2.809 | 2.855 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 1474606.0 | 303750077.0 | 220.108 | 1.069 | 1729006.0 | 1.253 | 0.224 | 4.5 | samples tested | 171098918.0 | 135192013.0 | 35906905.0 | 2794050.0 | 2145255.0 | 12.40 | 9.80 | 2.60 | 1555.0 | 73.61 | 1.380004e+09 | 450.419 | 28.2 | 5.989 | 3.414 | 6426.674 | 21.2 | 282.28 | 10.39 | 1.9 | 20.6 | 59.55 | 0.53 | 69.66 | 0.645 | 10052021 |
36567 | IND | Asia | India | 2021-05-11 | 23340938.0 | 348421.0 | 382279.857 | 254197.0 | 4205.0 | 4001.286 | 16913.669 | 252.478 | 277.014 | 184.200 | 3.047 | 2.899 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 1850110.0 | 305600187.0 | 221.449 | 1.341 | 1755630.0 | 1.272 | NaN | NaN | samples tested | 173862643.0 | 136557345.0 | 37305298.0 | 2763725.0 | 2301699.0 | 12.60 | 9.90 | 2.70 | 1668.0 | NaN | 1.380004e+09 | 450.419 | 28.2 | 5.989 | 3.414 | 6426.674 | 21.2 | 282.28 | 10.39 | 1.9 | 20.6 | 59.55 | 0.53 | 69.66 | 0.645 | 11052021 |
468 rows × 60 columns
i_cov19['new_cases_per_million'].plot(figsize=(16, 8))
plt.title('Time Series')
plt.xlabel("date")
plt.ylabel("us_new_cases_per_million")
Text(0, 0.5, 'us_new_cases_per_million')
i_cov19['new_deaths_per_million'].plot(figsize=(16, 8))
plt.title('Time Series')
plt.xlabel("date")
plt.ylabel("us_new_deaths_per_million")
Text(0, 0.5, 'us_new_deaths_per_million')
China
country = "China"
include_c = train[train['location'].values == country]
exclude_c = train[train['location'].values != country]
c_cov19 = include_c
c_cov19
iso_code | continent | location | date | total_cases | new_cases | new_cases_smoothed | total_deaths | new_deaths | new_deaths_smoothed | total_cases_per_million | new_cases_per_million | new_cases_smoothed_per_million | total_deaths_per_million | new_deaths_per_million | new_deaths_smoothed_per_million | reproduction_rate | icu_patients | icu_patients_per_million | hosp_patients | hosp_patients_per_million | weekly_icu_admissions | weekly_icu_admissions_per_million | weekly_hosp_admissions | weekly_hosp_admissions_per_million | new_tests | total_tests | total_tests_per_thousand | new_tests_per_thousand | new_tests_smoothed | new_tests_smoothed_per_thousand | positive_rate | tests_per_case | tests_units | total_vaccinations | people_vaccinated | people_fully_vaccinated | new_vaccinations | new_vaccinations_smoothed | total_vaccinations_per_hundred | people_vaccinated_per_hundred | people_fully_vaccinated_per_hundred | new_vaccinations_smoothed_per_million | stringency_index | population | population_density | median_age | aged_65_older | aged_70_older | gdp_per_capita | extreme_poverty | cardiovasc_death_rate | diabetes_prevalence | female_smokers | male_smokers | handwashing_facilities | hospital_beds_per_thousand | life_expectancy | human_development_index | date_num | |
---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
16563 | CHN | Asia | China | 2020-01-22 | 548.0 | NaN | NaN | 17.0 | NaN | NaN | 0.381 | NaN | NaN | 0.012 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 26.39 | 1.439324e+09 | 147.674 | 38.7 | 10.641 | 5.929 | 15308.712 | 0.7 | 261.899 | 9.74 | 1.9 | 48.4 | NaN | 4.34 | 76.91 | 0.761 | 22012020 |
16564 | CHN | Asia | China | 2020-01-23 | 643.0 | 95.0 | NaN | 18.0 | 1.0 | NaN | 0.447 | 0.066 | NaN | 0.013 | 0.001 | NaN | 3.08 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 44.91 | 1.439324e+09 | 147.674 | 38.7 | 10.641 | 5.929 | 15308.712 | 0.7 | 261.899 | 9.74 | 1.9 | 48.4 | NaN | 4.34 | 76.91 | 0.761 | 23012020 |
16565 | CHN | Asia | China | 2020-01-24 | 920.0 | 277.0 | NaN | 26.0 | 8.0 | NaN | 0.639 | 0.192 | NaN | 0.018 | 0.006 | NaN | 3.22 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 44.91 | 1.439324e+09 | 147.674 | 38.7 | 10.641 | 5.929 | 15308.712 | 0.7 | 261.899 | 9.74 | 1.9 | 48.4 | NaN | 4.34 | 76.91 | 0.761 | 24012020 |
16566 | CHN | Asia | China | 2020-01-25 | 1406.0 | 486.0 | NaN | 42.0 | 16.0 | NaN | 0.977 | 0.338 | NaN | 0.029 | 0.011 | NaN | 3.35 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 47.69 | 1.439324e+09 | 147.674 | 38.7 | 10.641 | 5.929 | 15308.712 | 0.7 | 261.899 | 9.74 | 1.9 | 48.4 | NaN | 4.34 | 76.91 | 0.761 | 25012020 |
16567 | CHN | Asia | China | 2020-01-26 | 2075.0 | 669.0 | NaN | 56.0 | 14.0 | NaN | 1.442 | 0.465 | NaN | 0.039 | 0.010 | NaN | 3.41 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 69.91 | 1.439324e+09 | 147.674 | 38.7 | 10.641 | 5.929 | 15308.712 | 0.7 | 261.899 | 9.74 | 1.9 | 48.4 | NaN | 4.34 | 76.91 | 0.761 | 26012020 |
... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... |
17034 | CHN | Asia | China | 2021-05-07 | 102596.0 | 10.0 | 14.571 | 4846.0 | 0.0 | 0.143 | 71.281 | 0.007 | 0.010 | 3.367 | 0.000 | 0.0 | 0.75 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 308226000.0 | NaN | NaN | 10492000.0 | 6166000.0 | 21.41 | NaN | NaN | 4284.0 | 63.43 | 1.439324e+09 | 147.674 | 38.7 | 10.641 | 5.929 | 15308.712 | 0.7 | 261.899 | 9.74 | 1.9 | 48.4 | NaN | 4.34 | 76.91 | 0.761 | 07052021 |
17035 | CHN | Asia | China | 2021-05-08 | 102613.0 | 17.0 | 13.714 | 4846.0 | 0.0 | 0.000 | 71.293 | 0.012 | 0.010 | 3.367 | 0.000 | 0.0 | 0.76 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 317586000.0 | NaN | NaN | 9360000.0 | 6740000.0 | 22.06 | NaN | NaN | 4683.0 | 63.43 | 1.439324e+09 | 147.674 | 38.7 | 10.641 | 5.929 | 15308.712 | 0.7 | 261.899 | 9.74 | 1.9 | 48.4 | NaN | 4.34 | 76.91 | 0.761 | 08052021 |
17036 | CHN | Asia | China | 2021-05-09 | 102625.0 | 12.0 | 13.571 | 4846.0 | 0.0 | 0.000 | 71.301 | 0.008 | 0.009 | 3.367 | 0.000 | 0.0 | 0.76 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 324307000.0 | NaN | NaN | 6721000.0 | 6995571.0 | 22.53 | NaN | NaN | 4860.0 | 63.43 | 1.439324e+09 | 147.674 | 38.7 | 10.641 | 5.929 | 15308.712 | 0.7 | 261.899 | 9.74 | 1.9 | 48.4 | NaN | 4.34 | 76.91 | 0.761 | 09052021 |
17037 | CHN | Asia | China | 2021-05-10 | 102643.0 | 18.0 | 13.429 | 4846.0 | 0.0 | 0.000 | 71.313 | 0.013 | 0.009 | 3.367 | 0.000 | 0.0 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 332964000.0 | NaN | NaN | 8657000.0 | 7579857.0 | 23.13 | NaN | NaN | 5266.0 | 63.43 | 1.439324e+09 | 147.674 | 38.7 | 10.641 | 5.929 | 15308.712 | 0.7 | 261.899 | 9.74 | 1.9 | 48.4 | NaN | 4.34 | 76.91 | 0.761 | 10052021 |
17038 | CHN | Asia | China | 2021-05-11 | 102660.0 | 17.0 | 14.286 | 4846.0 | 0.0 | 0.000 | 71.325 | 0.012 | 0.010 | 3.367 | 0.000 | 0.0 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 342697000.0 | NaN | NaN | 9733000.0 | 8300286.0 | 23.81 | NaN | NaN | 5767.0 | NaN | 1.439324e+09 | 147.674 | 38.7 | 10.641 | 5.929 | 15308.712 | 0.7 | 261.899 | 9.74 | 1.9 | 48.4 | NaN | 4.34 | 76.91 | 0.761 | 11052021 |
476 rows × 60 columns
c_cov19['new_cases_per_million'].plot(figsize=(16, 8))
plt.title('Time Series')
plt.xlabel("date")
plt.ylabel("china_new_cases_per_million")
Text(0, 0.5, 'china_new_cases_per_million')
c_cov19['new_deaths_per_million'].plot(figsize=(16, 8))
plt.title('Time Series')
plt.xlabel("date")
plt.ylabel("china_new_deaths_per_million")
Text(0, 0.5, 'china_new_deaths_per_million')
Taiwan
country = "Taiwan"
include_t = train[train['location'].values == country]
exclude_t = train[train['location'].values != country]
t_cov19 = include_t
t_cov19
iso_code | continent | location | date | total_cases | new_cases | new_cases_smoothed | total_deaths | new_deaths | new_deaths_smoothed | total_cases_per_million | new_cases_per_million | new_cases_smoothed_per_million | total_deaths_per_million | new_deaths_per_million | new_deaths_smoothed_per_million | reproduction_rate | icu_patients | icu_patients_per_million | hosp_patients | hosp_patients_per_million | weekly_icu_admissions | weekly_icu_admissions_per_million | weekly_hosp_admissions | weekly_hosp_admissions_per_million | new_tests | total_tests | total_tests_per_thousand | new_tests_per_thousand | new_tests_smoothed | new_tests_smoothed_per_thousand | positive_rate | tests_per_case | tests_units | total_vaccinations | people_vaccinated | people_fully_vaccinated | new_vaccinations | new_vaccinations_smoothed | total_vaccinations_per_hundred | people_vaccinated_per_hundred | people_fully_vaccinated_per_hundred | new_vaccinations_smoothed_per_million | stringency_index | population | population_density | median_age | aged_65_older | aged_70_older | gdp_per_capita | extreme_poverty | cardiovasc_death_rate | diabetes_prevalence | female_smokers | male_smokers | handwashing_facilities | hospital_beds_per_thousand | life_expectancy | human_development_index | date_num | |
---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
77330 | TWN | Asia | Taiwan | 2020-01-16 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 4.0 | 4.0 | 0.000 | 0.000 | NaN | NaN | NaN | NaN | people tested | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 8.33 | 23816775.0 | NaN | 42.2 | NaN | 8.353 | NaN | NaN | 103.957 | NaN | NaN | NaN | NaN | NaN | 80.46 | NaN | 16012020 |
77331 | TWN | Asia | Taiwan | 2020-01-17 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | people tested | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 8.33 | 23816775.0 | NaN | 42.2 | NaN | 8.353 | NaN | NaN | 103.957 | NaN | NaN | NaN | NaN | NaN | 80.46 | NaN | 17012020 |
77332 | TWN | Asia | Taiwan | 2020-01-18 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 1.0 | 5.0 | 0.000 | 0.000 | NaN | NaN | NaN | NaN | people tested | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 8.33 | 23816775.0 | NaN | 42.2 | NaN | 8.353 | NaN | NaN | 103.957 | NaN | NaN | NaN | NaN | NaN | 80.46 | NaN | 18012020 |
77333 | TWN | Asia | Taiwan | 2020-01-19 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 1.0 | 6.0 | 0.000 | 0.000 | NaN | NaN | NaN | NaN | people tested | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 8.33 | 23816775.0 | NaN | 42.2 | NaN | 8.353 | NaN | NaN | 103.957 | NaN | NaN | NaN | NaN | NaN | 80.46 | NaN | 19012020 |
77334 | TWN | Asia | Taiwan | 2020-01-20 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 2.0 | 8.0 | 0.000 | 0.000 | NaN | NaN | NaN | NaN | people tested | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 13.89 | 23816775.0 | NaN | 42.2 | NaN | 8.353 | NaN | NaN | 103.957 | NaN | NaN | NaN | NaN | NaN | 80.46 | NaN | 20012020 |
... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... |
77807 | TWN | Asia | Taiwan | 2021-05-07 | 1178.0 | 5.0 | 7.143 | 12.0 | 0.0 | 0.0 | 49.461 | 0.210 | 0.300 | 0.504 | 0.0 | 0.0 | 1.21 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 1069.0 | 214706.0 | 9.015 | 0.045 | 910.0 | 0.038 | 0.008 | 127.4 | people tested | 91002.0 | NaN | NaN | 10141.0 | 4731.0 | 0.38 | NaN | NaN | 199.0 | 25.00 | 23816775.0 | NaN | 42.2 | NaN | 8.353 | NaN | NaN | 103.957 | NaN | NaN | NaN | NaN | NaN | 80.46 | NaN | 07052021 |
77808 | TWN | Asia | Taiwan | 2021-05-08 | 1183.0 | 5.0 | 7.286 | 12.0 | 0.0 | 0.0 | 49.671 | 0.210 | 0.306 | 0.504 | 0.0 | 0.0 | 1.20 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 413.0 | 215119.0 | 9.032 | 0.017 | 914.0 | 0.038 | 0.008 | 125.4 | people tested | NaN | NaN | NaN | NaN | 4780.0 | NaN | NaN | NaN | 201.0 | 25.00 | 23816775.0 | NaN | 42.2 | NaN | 8.353 | NaN | NaN | 103.957 | NaN | NaN | NaN | NaN | NaN | 80.46 | NaN | 08052021 |
77809 | TWN | Asia | Taiwan | 2021-05-09 | 1184.0 | 1.0 | 6.714 | 12.0 | 0.0 | 0.0 | 49.713 | 0.042 | 0.282 | 0.504 | 0.0 | 0.0 | 1.20 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 685.0 | 215804.0 | 9.061 | 0.029 | 952.0 | 0.040 | 0.007 | 141.8 | people tested | 92049.0 | NaN | NaN | NaN | 4828.0 | 0.39 | NaN | NaN | 203.0 | 25.00 | 23816775.0 | NaN | 42.2 | NaN | 8.353 | NaN | NaN | 103.957 | NaN | NaN | NaN | NaN | NaN | 80.46 | NaN | 09052021 |
77810 | TWN | Asia | Taiwan | 2021-05-10 | 1199.0 | 15.0 | 7.714 | 12.0 | 0.0 | 0.0 | 50.343 | 0.630 | 0.324 | 0.504 | 0.0 | 0.0 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 1241.0 | 217045.0 | 9.113 | 0.052 | 929.0 | 0.039 | 0.008 | 120.4 | people tested | NaN | NaN | NaN | NaN | 5694.0 | NaN | NaN | NaN | 239.0 | 25.00 | 23816775.0 | NaN | 42.2 | NaN | 8.353 | NaN | NaN | 103.957 | NaN | NaN | NaN | NaN | NaN | 80.46 | NaN | 10052021 |
77811 | TWN | Asia | Taiwan | 2021-05-11 | 1210.0 | 11.0 | 8.143 | 12.0 | 0.0 | 0.0 | 50.805 | 0.462 | 0.342 | 0.504 | 0.0 | 0.0 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 112543.0 | NaN | NaN | NaN | 6373.0 | 0.47 | NaN | NaN | 268.0 | NaN | 23816775.0 | NaN | 42.2 | NaN | 8.353 | NaN | NaN | 103.957 | NaN | NaN | NaN | NaN | NaN | 80.46 | NaN | 11052021 |
482 rows × 60 columns
t_cov19['new_cases_per_million'].plot(figsize=(16, 8))
plt.title('Time Series')
plt.xlabel("date")
plt.ylabel("taiwan_new_cases_per_million")
Text(0, 0.5, 'taiwan_new_cases_per_million')
t_cov19['new_deaths_per_million'].plot(figsize=(16, 8))
plt.title('Time Series')
plt.xlabel("date")
plt.ylabel("taiwan_new_deaths_per_million")
Text(0, 0.5, 'taiwan_new_deaths_per_million')
Japan
country = "Japan"
include_j = train[train['location'].values == country]
exclude_j = train[train['location'].values != country]
j_cov19 = include_j
j_cov19
iso_code | continent | location | date | total_cases | new_cases | new_cases_smoothed | total_deaths | new_deaths | new_deaths_smoothed | total_cases_per_million | new_cases_per_million | new_cases_smoothed_per_million | total_deaths_per_million | new_deaths_per_million | new_deaths_smoothed_per_million | reproduction_rate | icu_patients | icu_patients_per_million | hosp_patients | hosp_patients_per_million | weekly_icu_admissions | weekly_icu_admissions_per_million | weekly_hosp_admissions | weekly_hosp_admissions_per_million | new_tests | total_tests | total_tests_per_thousand | new_tests_per_thousand | new_tests_smoothed | new_tests_smoothed_per_thousand | positive_rate | tests_per_case | tests_units | total_vaccinations | people_vaccinated | people_fully_vaccinated | new_vaccinations | new_vaccinations_smoothed | total_vaccinations_per_hundred | people_vaccinated_per_hundred | people_fully_vaccinated_per_hundred | new_vaccinations_smoothed_per_million | stringency_index | population | population_density | median_age | aged_65_older | aged_70_older | gdp_per_capita | extreme_poverty | cardiovasc_death_rate | diabetes_prevalence | female_smokers | male_smokers | handwashing_facilities | hospital_beds_per_thousand | life_expectancy | human_development_index | date_num | |
---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
40250 | JPN | Asia | Japan | 2020-01-22 | 2.0 | NaN | NaN | NaN | NaN | NaN | 0.016 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 2.78 | 126476458.0 | 347.778 | 48.2 | 27.049 | 18.493 | 39002.223 | NaN | 79.37 | 5.72 | 11.2 | 33.7 | NaN | 13.05 | 84.63 | 0.919 | 22012020 |
40251 | JPN | Asia | Japan | 2020-01-23 | 2.0 | 0.0 | NaN | NaN | NaN | NaN | 0.016 | 0.000 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 2.78 | 126476458.0 | 347.778 | 48.2 | 27.049 | 18.493 | 39002.223 | NaN | 79.37 | 5.72 | 11.2 | 33.7 | NaN | 13.05 | 84.63 | 0.919 | 23012020 |
40252 | JPN | Asia | Japan | 2020-01-24 | 2.0 | 0.0 | NaN | NaN | NaN | NaN | 0.016 | 0.000 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 2.78 | 126476458.0 | 347.778 | 48.2 | 27.049 | 18.493 | 39002.223 | NaN | 79.37 | 5.72 | 11.2 | 33.7 | NaN | 13.05 | 84.63 | 0.919 | 24012020 |
40253 | JPN | Asia | Japan | 2020-01-25 | 2.0 | 0.0 | NaN | NaN | NaN | NaN | 0.016 | 0.000 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 2.78 | 126476458.0 | 347.778 | 48.2 | 27.049 | 18.493 | 39002.223 | NaN | 79.37 | 5.72 | 11.2 | 33.7 | NaN | 13.05 | 84.63 | 0.919 | 25012020 |
40254 | JPN | Asia | Japan | 2020-01-26 | 4.0 | 2.0 | NaN | NaN | NaN | NaN | 0.032 | 0.016 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 2.78 | 126476458.0 | 347.778 | 48.2 | 27.049 | 18.493 | 39002.223 | NaN | 79.37 | 5.72 | 11.2 | 33.7 | NaN | 13.05 | 84.63 | 0.919 | 26012020 |
... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... |
40721 | JPN | Asia | Japan | 2021-05-07 | 628319.0 | 6046.0 | 5007.857 | 10712.0 | 146.0 | 73.286 | 4967.873 | 47.803 | 39.595 | 84.696 | 1.154 | 0.579 | 1.09 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 109758.0 | 11662329.0 | 92.209 | 0.868 | 63272.0 | 0.500 | 0.079 | 12.6 | people tested | NaN | NaN | NaN | NaN | 104216.0 | NaN | NaN | NaN | 824.0 | 49.07 | 126476458.0 | 347.778 | 48.2 | 27.049 | 18.493 | 39002.223 | NaN | 79.37 | 5.72 | 11.2 | 33.7 | NaN | 13.05 | 84.63 | 0.919 | 07052021 |
40722 | JPN | Asia | Japan | 2021-05-08 | 635568.0 | 7249.0 | 5187.857 | 10796.0 | 84.0 | 73.571 | 5025.188 | 57.315 | 41.018 | 85.360 | 0.664 | 0.582 | 1.14 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 71001.0 | 11733330.0 | 92.771 | 0.561 | 63654.0 | 0.503 | 0.082 | 12.3 | people tested | NaN | NaN | NaN | NaN | 107325.0 | NaN | NaN | NaN | 849.0 | NaN | 126476458.0 | 347.778 | 48.2 | 27.049 | 18.493 | 39002.223 | NaN | 79.37 | 5.72 | 11.2 | 33.7 | NaN | 13.05 | 84.63 | 0.919 | 08052021 |
40723 | JPN | Asia | Japan | 2021-05-09 | 642146.0 | 6578.0 | 5285.143 | 10860.0 | 64.0 | 74.000 | 5077.198 | 52.010 | 41.788 | 85.866 | 0.506 | 0.585 | 1.16 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 41338.0 | 11774668.0 | 93.098 | 0.327 | 64386.0 | 0.509 | 0.082 | 12.2 | people tested | 4436325.0 | 3277886.0 | 1158439.0 | NaN | 110435.0 | 3.51 | 2.59 | 0.92 | 873.0 | NaN | 126476458.0 | 347.778 | 48.2 | 27.049 | 18.493 | 39002.223 | NaN | 79.37 | 5.72 | 11.2 | 33.7 | NaN | 13.05 | 84.63 | 0.919 | 09052021 |
40724 | JPN | Asia | Japan | 2021-05-10 | 647003.0 | 4857.0 | 5339.714 | 10931.0 | 71.0 | 77.143 | 5115.600 | 38.402 | 42.219 | 86.427 | 0.561 | 0.610 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 130677.0 | 11905345.0 | 94.131 | 1.033 | 76742.0 | 0.607 | 0.070 | 14.4 | people tested | 4734029.0 | 3500968.0 | 1233061.0 | 297704.0 | 144699.0 | 3.74 | 2.77 | 0.97 | 1144.0 | NaN | 126476458.0 | 347.778 | 48.2 | 27.049 | 18.493 | 39002.223 | NaN | 79.37 | 5.72 | 11.2 | 33.7 | NaN | 13.05 | 84.63 | 0.919 | 10052021 |
40725 | JPN | Asia | Japan | 2021-05-11 | 653363.0 | 6360.0 | 5648.714 | 11045.0 | 114.0 | 86.286 | 5165.886 | 50.286 | 44.662 | 87.329 | 0.901 | 0.682 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 4994028.0 | 3674147.0 | 1319881.0 | 259999.0 | 173577.0 | 3.95 | 2.91 | 1.04 | 1372.0 | NaN | 126476458.0 | 347.778 | 48.2 | 27.049 | 18.493 | 39002.223 | NaN | 79.37 | 5.72 | 11.2 | 33.7 | NaN | 13.05 | 84.63 | 0.919 | 11052021 |
476 rows × 60 columns
j_cov19['new_cases_per_million'].plot(figsize=(16, 8))
plt.title('Time Series')
plt.xlabel("date")
plt.ylabel("japan_new_cases_per_million")
Text(0, 0.5, 'japan_new_cases_per_million')
j_cov19['new_deaths_per_million'].plot(figsize=(16, 8))
plt.title('Time Series')
plt.xlabel("date")
plt.ylabel("japan_new_deaths_per_million")
Text(0, 0.5, 'japan_new_deaths_per_million')
New Zealand
country = "New Zealand"
include_nz = train[train['location'].values == country]
exclude_nz = train[train['location'].values != country]
nz_cov19 = include_nz
nz_cov19
iso_code | continent | location | date | total_cases | new_cases | new_cases_smoothed | total_deaths | new_deaths | new_deaths_smoothed | total_cases_per_million | new_cases_per_million | new_cases_smoothed_per_million | total_deaths_per_million | new_deaths_per_million | new_deaths_smoothed_per_million | reproduction_rate | icu_patients | icu_patients_per_million | hosp_patients | hosp_patients_per_million | weekly_icu_admissions | weekly_icu_admissions_per_million | weekly_hosp_admissions | weekly_hosp_admissions_per_million | new_tests | total_tests | total_tests_per_thousand | new_tests_per_thousand | new_tests_smoothed | new_tests_smoothed_per_thousand | positive_rate | tests_per_case | tests_units | total_vaccinations | people_vaccinated | people_fully_vaccinated | new_vaccinations | new_vaccinations_smoothed | total_vaccinations_per_hundred | people_vaccinated_per_hundred | people_fully_vaccinated_per_hundred | new_vaccinations_smoothed_per_million | stringency_index | population | population_density | median_age | aged_65_older | aged_70_older | gdp_per_capita | extreme_poverty | cardiovasc_death_rate | diabetes_prevalence | female_smokers | male_smokers | handwashing_facilities | hospital_beds_per_thousand | life_expectancy | human_development_index | date_num | |
---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
56073 | NZL | Oceania | New Zealand | 2020-02-28 | 1.0 | 1.0 | NaN | NaN | NaN | NaN | 0.207 | 0.207 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 19.44 | 4822233.0 | 18.206 | 37.9 | 15.322 | 9.72 | 36085.843 | NaN | 128.797 | 8.08 | 14.8 | 17.2 | NaN | 2.61 | 82.29 | 0.931 | 28022020 |
56074 | NZL | Oceania | New Zealand | 2020-02-29 | 1.0 | 0.0 | NaN | NaN | NaN | NaN | 0.207 | 0.000 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 19.44 | 4822233.0 | 18.206 | 37.9 | 15.322 | 9.72 | 36085.843 | NaN | 128.797 | 8.08 | 14.8 | 17.2 | NaN | 2.61 | 82.29 | 0.931 | 29022020 |
56075 | NZL | Oceania | New Zealand | 2020-03-01 | 1.0 | 0.0 | NaN | NaN | NaN | NaN | 0.207 | 0.000 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 225.0 | 0.047 | NaN | NaN | NaN | NaN | NaN | tests performed | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 19.44 | 4822233.0 | 18.206 | 37.9 | 15.322 | 9.72 | 36085.843 | NaN | 128.797 | 8.08 | 14.8 | 17.2 | NaN | 2.61 | 82.29 | 0.931 | 01032020 |
56076 | NZL | Oceania | New Zealand | 2020-03-02 | 1.0 | 0.0 | NaN | NaN | NaN | NaN | 0.207 | 0.000 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 29.0 | 254.0 | 0.053 | 0.006 | NaN | NaN | NaN | NaN | tests performed | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 19.44 | 4822233.0 | 18.206 | 37.9 | 15.322 | 9.72 | 36085.843 | NaN | 128.797 | 8.08 | 14.8 | 17.2 | NaN | 2.61 | 82.29 | 0.931 | 02032020 |
56077 | NZL | Oceania | New Zealand | 2020-03-03 | 1.0 | 0.0 | NaN | NaN | NaN | NaN | 0.207 | 0.000 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 26.0 | 280.0 | 0.058 | 0.005 | NaN | NaN | NaN | NaN | tests performed | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 19.44 | 4822233.0 | 18.206 | 37.9 | 15.322 | 9.72 | 36085.843 | NaN | 128.797 | 8.08 | 14.8 | 17.2 | NaN | 2.61 | 82.29 | 0.931 | 03032020 |
... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... |
56507 | NZL | Oceania | New Zealand | 2021-05-07 | 2634.0 | 0.0 | 3.000 | 26.0 | 0.0 | 0.0 | 546.220 | 0.000 | 0.622 | 5.392 | 0.0 | 0.0 | 1.18 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 2046919.0 | 424.475 | NaN | 4011.0 | 0.832 | 0.001 | 1337.0 | tests performed | 352694.0 | 247328.0 | 105366.0 | 16622.0 | 11252.0 | 7.31 | 5.13 | 2.19 | 2333.0 | 22.22 | 4822233.0 | 18.206 | 37.9 | 15.322 | 9.72 | 36085.843 | NaN | 128.797 | 8.08 | 14.8 | 17.2 | NaN | 2.61 | 82.29 | 0.931 | 07052021 |
56508 | NZL | Oceania | New Zealand | 2021-05-08 | 2642.0 | 8.0 | 3.429 | 26.0 | 0.0 | 0.0 | 547.879 | 1.659 | 0.711 | 5.392 | 0.0 | 0.0 | 1.20 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 4684.0 | 2051603.0 | 425.447 | 0.971 | 4101.0 | 0.850 | 0.001 | 1196.0 | tests performed | 359330.0 | 251319.0 | 108011.0 | 6636.0 | 11427.0 | 7.45 | 5.21 | 2.24 | 2370.0 | 22.22 | 4822233.0 | 18.206 | 37.9 | 15.322 | 9.72 | 36085.843 | NaN | 128.797 | 8.08 | 14.8 | 17.2 | NaN | 2.61 | 82.29 | 0.931 | 08052021 |
56509 | NZL | Oceania | New Zealand | 2021-05-09 | 2644.0 | 2.0 | 3.143 | 26.0 | 0.0 | 0.0 | 548.294 | 0.415 | 0.652 | 5.392 | 0.0 | 0.0 | 1.19 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 3048.0 | 2054651.0 | 426.079 | 0.632 | 3958.0 | 0.821 | 0.001 | 1259.3 | tests performed | 362664.0 | 253040.0 | 109624.0 | 3334.0 | 11400.0 | 7.52 | 5.25 | 2.27 | 2364.0 | 22.22 | 4822233.0 | 18.206 | 37.9 | 15.322 | 9.72 | 36085.843 | NaN | 128.797 | 8.08 | 14.8 | 17.2 | NaN | 2.61 | 82.29 | 0.931 | 09052021 |
56510 | NZL | Oceania | New Zealand | 2021-05-10 | 2644.0 | 0.0 | 3.000 | 26.0 | 0.0 | 0.0 | 548.294 | 0.000 | 0.622 | 5.392 | 0.0 | 0.0 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 2336.0 | 2056987.0 | 426.563 | 0.484 | 3970.0 | 0.823 | 0.001 | 1323.3 | tests performed | 374299.0 | 259766.0 | 114533.0 | 11635.0 | 11535.0 | 7.76 | 5.39 | 2.38 | 2392.0 | NaN | 4822233.0 | 18.206 | 37.9 | 15.322 | 9.72 | 36085.843 | NaN | 128.797 | 8.08 | 14.8 | 17.2 | NaN | 2.61 | 82.29 | 0.931 | 10052021 |
56511 | NZL | Oceania | New Zealand | 2021-05-11 | 2643.0 | -1.0 | 2.000 | 26.0 | 0.0 | 0.0 | 548.086 | -0.207 | 0.415 | 5.392 | 0.0 | 0.0 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 2740.0 | 2059727.0 | 427.131 | 0.568 | 3972.0 | 0.824 | NaN | NaN | tests performed | 388877.0 | 268787.0 | 120090.0 | 14578.0 | 11710.0 | 8.06 | 5.57 | 2.49 | 2428.0 | NaN | 4822233.0 | 18.206 | 37.9 | 15.322 | 9.72 | 36085.843 | NaN | 128.797 | 8.08 | 14.8 | 17.2 | NaN | 2.61 | 82.29 | 0.931 | 11052021 |
439 rows × 60 columns
nz_cov19['new_cases_per_million'].plot(figsize=(16, 8))
plt.title('Time Series')
plt.xlabel("date")
plt.ylabel("new_zealand_new_cases_per_million")
Text(0, 0.5, 'new_zealand_new_cases_per_million')
nz_cov19['new_deaths_per_million'].plot(figsize=(16, 8))
plt.title('Time Series')
plt.xlabel("date")
plt.ylabel("new_zealand_new_deaths_per_million")
Text(0, 0.5, 'new_zealand_new_deaths_per_million')
Australia
country = "Australia"
include_a = train[train['location'].values == country]
exclude_a = train[train['location'].values != country]
a_cov19 = include_a
a_cov19
iso_code | continent | location | date | total_cases | new_cases | new_cases_smoothed | total_deaths | new_deaths | new_deaths_smoothed | total_cases_per_million | new_cases_per_million | new_cases_smoothed_per_million | total_deaths_per_million | new_deaths_per_million | new_deaths_smoothed_per_million | reproduction_rate | icu_patients | icu_patients_per_million | hosp_patients | hosp_patients_per_million | weekly_icu_admissions | weekly_icu_admissions_per_million | weekly_hosp_admissions | weekly_hosp_admissions_per_million | new_tests | total_tests | total_tests_per_thousand | new_tests_per_thousand | new_tests_smoothed | new_tests_smoothed_per_thousand | positive_rate | tests_per_case | tests_units | total_vaccinations | people_vaccinated | people_fully_vaccinated | new_vaccinations | new_vaccinations_smoothed | total_vaccinations_per_hundred | people_vaccinated_per_hundred | people_fully_vaccinated_per_hundred | new_vaccinations_smoothed_per_million | stringency_index | population | population_density | median_age | aged_65_older | aged_70_older | gdp_per_capita | extreme_poverty | cardiovasc_death_rate | diabetes_prevalence | female_smokers | male_smokers | handwashing_facilities | hospital_beds_per_thousand | life_expectancy | human_development_index | date_num | |
---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
4592 | AUS | Oceania | Australia | 2020-01-26 | 4.0 | 4.0 | NaN | NaN | NaN | NaN | 0.157 | 0.157 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 11.11 | 25499881.0 | 3.202 | 37.9 | 15.504 | 10.129 | 44648.71 | 0.5 | 107.791 | 5.07 | 13.0 | 16.5 | NaN | 3.84 | 83.44 | 0.944 | 26012020 |
4593 | AUS | Oceania | Australia | 2020-01-27 | 5.0 | 1.0 | NaN | NaN | NaN | NaN | 0.196 | 0.039 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 11.11 | 25499881.0 | 3.202 | 37.9 | 15.504 | 10.129 | 44648.71 | 0.5 | 107.791 | 5.07 | 13.0 | 16.5 | NaN | 3.84 | 83.44 | 0.944 | 27012020 |
4594 | AUS | Oceania | Australia | 2020-01-28 | 5.0 | 0.0 | NaN | NaN | NaN | NaN | 0.196 | 0.000 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 11.11 | 25499881.0 | 3.202 | 37.9 | 15.504 | 10.129 | 44648.71 | 0.5 | 107.791 | 5.07 | 13.0 | 16.5 | NaN | 3.84 | 83.44 | 0.944 | 28012020 |
4595 | AUS | Oceania | Australia | 2020-01-29 | 6.0 | 1.0 | NaN | NaN | NaN | NaN | 0.235 | 0.039 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 11.11 | 25499881.0 | 3.202 | 37.9 | 15.504 | 10.129 | 44648.71 | 0.5 | 107.791 | 5.07 | 13.0 | 16.5 | NaN | 3.84 | 83.44 | 0.944 | 29012020 |
4596 | AUS | Oceania | Australia | 2020-01-30 | 9.0 | 3.0 | NaN | NaN | NaN | NaN | 0.353 | 0.118 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 11.11 | 25499881.0 | 3.202 | 37.9 | 15.504 | 10.129 | 44648.71 | 0.5 | 107.791 | 5.07 | 13.0 | 16.5 | NaN | 3.84 | 83.44 | 0.944 | 30012020 |
... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... |
5059 | AUS | Oceania | Australia | 2021-05-07 | 29906.0 | 13.0 | 13.571 | 910.0 | 0.0 | 0.0 | 1172.790 | 0.510 | 0.532 | 35.686 | 0.0 | 0.0 | 0.85 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 42027.0 | 1.648 | 0.0 | 3096.8 | tests performed | 2554531.0 | NaN | NaN | 81002.0 | 53570.0 | 10.02 | NaN | NaN | 2101.0 | 48.61 | 25499881.0 | 3.202 | 37.9 | 15.504 | 10.129 | 44648.71 | 0.5 | 107.791 | 5.07 | 13.0 | 16.5 | NaN | 3.84 | 83.44 | 0.944 | 07052021 |
5060 | AUS | Oceania | Australia | 2021-05-08 | 29922.0 | 16.0 | 14.000 | 910.0 | 0.0 | 0.0 | 1173.417 | 0.627 | 0.549 | 35.686 | 0.0 | 0.0 | 0.87 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 43439.0 | 1.703 | 0.0 | 3102.8 | tests performed | 2627725.0 | NaN | NaN | 73194.0 | 56126.0 | 10.30 | NaN | NaN | 2201.0 | NaN | 25499881.0 | 3.202 | 37.9 | 15.504 | 10.129 | 44648.71 | 0.5 | 107.791 | 5.07 | 13.0 | 16.5 | NaN | 3.84 | 83.44 | 0.944 | 08052021 |
5061 | AUS | Oceania | Australia | 2021-05-09 | 29931.0 | 9.0 | 13.286 | 910.0 | 0.0 | 0.0 | 1173.770 | 0.353 | 0.521 | 35.686 | 0.0 | 0.0 | 0.86 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 17221109.0 | 675.341 | NaN | 44851.0 | 1.759 | 0.0 | 3375.8 | tests performed | 2654338.0 | NaN | NaN | 26613.0 | 57181.0 | 10.41 | NaN | NaN | 2242.0 | NaN | 25499881.0 | 3.202 | 37.9 | 15.504 | 10.129 | 44648.71 | 0.5 | 107.791 | 5.07 | 13.0 | 16.5 | NaN | 3.84 | 83.44 | 0.944 | 09052021 |
5062 | AUS | Oceania | Australia | 2021-05-10 | 29938.0 | 7.0 | 12.571 | 910.0 | 0.0 | 0.0 | 1174.045 | 0.275 | 0.493 | 35.686 | 0.0 | 0.0 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 38739.0 | 17259848.0 | 676.860 | 1.519 | 44805.0 | 1.757 | 0.0 | 3564.2 | tests performed | 2663221.0 | NaN | NaN | 8883.0 | 57515.0 | 10.44 | NaN | NaN | 2256.0 | NaN | 25499881.0 | 3.202 | 37.9 | 15.504 | 10.129 | 44648.71 | 0.5 | 107.791 | 5.07 | 13.0 | 16.5 | NaN | 3.84 | 83.44 | 0.944 | 10052021 |
5063 | AUS | Oceania | Australia | 2021-05-11 | 29946.0 | 8.0 | 11.571 | 910.0 | 0.0 | 0.0 | 1174.358 | 0.314 | 0.454 | 35.686 | 0.0 | 0.0 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 2736107.0 | NaN | NaN | 72886.0 | 59877.0 | 10.73 | NaN | NaN | 2348.0 | NaN | 25499881.0 | 3.202 | 37.9 | 15.504 | 10.129 | 44648.71 | 0.5 | 107.791 | 5.07 | 13.0 | 16.5 | NaN | 3.84 | 83.44 | 0.944 | 11052021 |
472 rows × 60 columns
a_cov19['new_cases_per_million'].plot(figsize=(16, 8))
plt.title('Time Series')
plt.xlabel("date")
plt.ylabel("australia_new_cases_per_million")
Text(0, 0.5, 'australia_new_cases_per_million')
nz_cov19['new_deaths_per_million'].plot(figsize=(16, 8))
plt.title('Time Series')
plt.xlabel("date")
plt.ylabel("australia_new_deaths_per_million")
Text(0, 0.5, 'australia_new_deaths_per_million')
South Africa
country = "South Africa"
include_sa = train[train['location'].values == country]
exclude_sa = train[train['location'].values != country]
sa_cov19 = include_sa
sa_cov19
iso_code | continent | location | date | total_cases | new_cases | new_cases_smoothed | total_deaths | new_deaths | new_deaths_smoothed | total_cases_per_million | new_cases_per_million | new_cases_smoothed_per_million | total_deaths_per_million | new_deaths_per_million | new_deaths_smoothed_per_million | reproduction_rate | icu_patients | icu_patients_per_million | hosp_patients | hosp_patients_per_million | weekly_icu_admissions | weekly_icu_admissions_per_million | weekly_hosp_admissions | weekly_hosp_admissions_per_million | new_tests | total_tests | total_tests_per_thousand | new_tests_per_thousand | new_tests_smoothed | new_tests_smoothed_per_thousand | positive_rate | tests_per_case | tests_units | total_vaccinations | people_vaccinated | people_fully_vaccinated | new_vaccinations | new_vaccinations_smoothed | total_vaccinations_per_hundred | people_vaccinated_per_hundred | people_fully_vaccinated_per_hundred | new_vaccinations_smoothed_per_million | stringency_index | population | population_density | median_age | aged_65_older | aged_70_older | gdp_per_capita | extreme_poverty | cardiovasc_death_rate | diabetes_prevalence | female_smokers | male_smokers | handwashing_facilities | hospital_beds_per_thousand | life_expectancy | human_development_index | date_num | |
---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
72435 | ZAF | Africa | South Africa | 2020-02-07 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 42.0 | 0.001 | NaN | NaN | NaN | NaN | NaN | people tested | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 2.78 | 59308690.0 | 46.754 | 27.3 | 5.344 | 3.053 | 12294.876 | 18.9 | 200.38 | 5.52 | 8.1 | 33.2 | 43.993 | 2.32 | 64.13 | 0.709 | 07022020 |
72436 | ZAF | Africa | South Africa | 2020-02-08 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | people tested | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 2.78 | 59308690.0 | 46.754 | 27.3 | 5.344 | 3.053 | 12294.876 | 18.9 | 200.38 | 5.52 | 8.1 | 33.2 | 43.993 | 2.32 | 64.13 | 0.709 | 08022020 |
72437 | ZAF | Africa | South Africa | 2020-02-09 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | people tested | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 2.78 | 59308690.0 | 46.754 | 27.3 | 5.344 | 3.053 | 12294.876 | 18.9 | 200.38 | 5.52 | 8.1 | 33.2 | 43.993 | 2.32 | 64.13 | 0.709 | 09022020 |
72438 | ZAF | Africa | South Africa | 2020-02-10 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | people tested | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 2.78 | 59308690.0 | 46.754 | 27.3 | 5.344 | 3.053 | 12294.876 | 18.9 | 200.38 | 5.52 | 8.1 | 33.2 | 43.993 | 2.32 | 64.13 | 0.709 | 10022020 |
72439 | ZAF | Africa | South Africa | 2020-02-11 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 61.0 | 0.001 | NaN | NaN | NaN | NaN | NaN | people tested | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 2.78 | 59308690.0 | 46.754 | 27.3 | 5.344 | 3.053 | 12294.876 | 18.9 | 200.38 | 5.52 | 8.1 | 33.2 | 43.993 | 2.32 | 64.13 | 0.709 | 11022020 |
... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... |
72890 | ZAF | Africa | South Africa | 2021-05-07 | 1592626.0 | 2256.0 | 1630.857 | 54687.0 | 67.0 | 48.143 | 26853.164 | 38.038 | 27.498 | 922.074 | 1.130 | 0.812 | 1.29 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 25934.0 | 10831738.0 | 182.633 | 0.437 | 25267.0 | 0.426 | 0.065 | 15.5 | people tested | 381171.0 | 381171.0 | 381171.0 | NaN | 9074.0 | 0.64 | 0.64 | 0.64 | 153.0 | 43.52 | 59308690.0 | 46.754 | 27.3 | 5.344 | 3.053 | 12294.876 | 18.9 | 200.38 | 5.52 | 8.1 | 33.2 | 43.993 | 2.32 | 64.13 | 0.709 | 07052021 |
72891 | ZAF | Africa | South Africa | 2021-05-08 | 1592626.0 | 0.0 | 1397.714 | 54687.0 | 0.0 | 40.143 | 26853.164 | 0.000 | 23.567 | 922.074 | 0.000 | 0.677 | 1.32 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 29873.0 | 10861611.0 | 183.137 | 0.504 | 25541.0 | 0.431 | 0.055 | 18.3 | people tested | 382480.0 | 382480.0 | 382480.0 | 1309.0 | 9116.0 | 0.64 | 0.64 | 0.64 | 154.0 | 43.52 | 59308690.0 | 46.754 | 27.3 | 5.344 | 3.053 | 12294.876 | 18.9 | 200.38 | 5.52 | 8.1 | 33.2 | 43.993 | 2.32 | 64.13 | 0.709 | 08052021 |
72892 | ZAF | Africa | South Africa | 2021-05-09 | 1596595.0 | 3969.0 | 1790.143 | 54735.0 | 48.0 | 45.429 | 26920.085 | 66.921 | 30.183 | 922.883 | 0.809 | 0.766 | 1.46 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 26098.0 | 10887709.0 | 183.577 | 0.440 | 26955.0 | 0.454 | 0.066 | 15.1 | people tested | NaN | NaN | NaN | NaN | 9282.0 | NaN | NaN | NaN | 157.0 | 43.52 | 59308690.0 | 46.754 | 27.3 | 5.344 | 3.053 | 12294.876 | 18.9 | 200.38 | 5.52 | 8.1 | 33.2 | 43.993 | 2.32 | 64.13 | 0.709 | 09052021 |
72893 | ZAF | Africa | South Africa | 2021-05-10 | 1597724.0 | 1129.0 | 1823.286 | 54825.0 | 90.0 | 53.286 | 26939.121 | 19.036 | 30.742 | 924.401 | 1.517 | 0.898 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 18311.0 | 10906020.0 | 183.886 | 0.309 | 27178.0 | 0.458 | 0.067 | 14.9 | people tested | 395230.0 | 395230.0 | 395230.0 | NaN | 9447.0 | 0.67 | 0.67 | 0.67 | 159.0 | 43.52 | 59308690.0 | 46.754 | 27.3 | 5.344 | 3.053 | 12294.876 | 18.9 | 200.38 | 5.52 | 8.1 | 33.2 | 43.993 | 2.32 | 64.13 | 0.709 | 10052021 |
72894 | ZAF | Africa | South Africa | 2021-05-11 | 1599272.0 | 1548.0 | 1874.857 | 54896.0 | 71.0 | 55.000 | 26965.222 | 26.101 | 31.612 | 925.598 | 1.197 | 0.927 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 414372.0 | 414372.0 | 414372.0 | 19142.0 | 8742.0 | 0.70 | 0.70 | 0.70 | 147.0 | NaN | 59308690.0 | 46.754 | 27.3 | 5.344 | 3.053 | 12294.876 | 18.9 | 200.38 | 5.52 | 8.1 | 33.2 | 43.993 | 2.32 | 64.13 | 0.709 | 11052021 |
460 rows × 60 columns
sa_cov19['new_cases_per_million'].plot(figsize=(16, 8))
plt.title('Time Series')
plt.xlabel("date")
plt.ylabel("sa_new_cases_per_million")
Text(0, 0.5, 'sa_new_cases_per_million')
sa_cov19['new_deaths_per_million'].plot(figsize=(16, 8))
plt.title('Time Series')
plt.xlabel("date")
plt.ylabel("sa_new_deaths_per_million")
Text(0, 0.5, 'sa_new_deaths_per_million')
Nigeria
country = "Nigeria"
include_n = train[train['location'].values == country]
exclude_n = train[train['location'].values != country]
n_cov19 = include_n
n_cov19
iso_code | continent | location | date | total_cases | new_cases | new_cases_smoothed | total_deaths | new_deaths | new_deaths_smoothed | total_cases_per_million | new_cases_per_million | new_cases_smoothed_per_million | total_deaths_per_million | new_deaths_per_million | new_deaths_smoothed_per_million | reproduction_rate | icu_patients | icu_patients_per_million | hosp_patients | hosp_patients_per_million | weekly_icu_admissions | weekly_icu_admissions_per_million | weekly_hosp_admissions | weekly_hosp_admissions_per_million | new_tests | total_tests | total_tests_per_thousand | new_tests_per_thousand | new_tests_smoothed | new_tests_smoothed_per_thousand | positive_rate | tests_per_case | tests_units | total_vaccinations | people_vaccinated | people_fully_vaccinated | new_vaccinations | new_vaccinations_smoothed | total_vaccinations_per_hundred | people_vaccinated_per_hundred | people_fully_vaccinated_per_hundred | new_vaccinations_smoothed_per_million | stringency_index | population | population_density | median_age | aged_65_older | aged_70_older | gdp_per_capita | extreme_poverty | cardiovasc_death_rate | diabetes_prevalence | female_smokers | male_smokers | handwashing_facilities | hospital_beds_per_thousand | life_expectancy | human_development_index | date_num | |
---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
57349 | NGA | Africa | Nigeria | 2020-02-28 | 1.0 | 1.0 | NaN | NaN | NaN | NaN | 0.005 | 0.005 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 11.11 | 206139587.0 | 209.588 | 18.1 | 2.751 | 1.447 | 5338.454 | NaN | 181.013 | 2.42 | 0.6 | 10.8 | 41.949 | NaN | 54.69 | 0.539 | 28022020 |
57350 | NGA | Africa | Nigeria | 2020-02-29 | 1.0 | 0.0 | NaN | NaN | NaN | NaN | 0.005 | 0.000 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 11.11 | 206139587.0 | 209.588 | 18.1 | 2.751 | 1.447 | 5338.454 | NaN | 181.013 | 2.42 | 0.6 | 10.8 | 41.949 | NaN | 54.69 | 0.539 | 29022020 |
57351 | NGA | Africa | Nigeria | 2020-03-01 | 1.0 | 0.0 | NaN | NaN | NaN | NaN | 0.005 | 0.000 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 11.11 | 206139587.0 | 209.588 | 18.1 | 2.751 | 1.447 | 5338.454 | NaN | 181.013 | 2.42 | 0.6 | 10.8 | 41.949 | NaN | 54.69 | 0.539 | 01032020 |
57352 | NGA | Africa | Nigeria | 2020-03-02 | 1.0 | 0.0 | NaN | NaN | NaN | NaN | 0.005 | 0.000 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 11.11 | 206139587.0 | 209.588 | 18.1 | 2.751 | 1.447 | 5338.454 | NaN | 181.013 | 2.42 | 0.6 | 10.8 | 41.949 | NaN | 54.69 | 0.539 | 02032020 |
57353 | NGA | Africa | Nigeria | 2020-03-03 | 1.0 | 0.0 | NaN | NaN | NaN | NaN | 0.005 | 0.000 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 11.11 | 206139587.0 | 209.588 | 18.1 | 2.751 | 1.447 | 5338.454 | NaN | 181.013 | 2.42 | 0.6 | 10.8 | 41.949 | NaN | 54.69 | 0.539 | 03032020 |
... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... |
57783 | NGA | Africa | Nigeria | 2021-05-07 | 165340.0 | 39.0 | 32.857 | 2065.0 | 0.0 | 0.286 | 802.078 | 0.189 | 0.159 | 10.017 | 0.0 | 0.001 | 0.80 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 4752.0 | 0.023 | 0.007 | 144.6 | samples tested | 1615787.0 | 1615787.0 | NaN | 326014.0 | 57694.0 | 0.78 | 0.78 | NaN | 280.0 | 47.22 | 206139587.0 | 209.588 | 18.1 | 2.751 | 1.447 | 5338.454 | NaN | 181.013 | 2.42 | 0.6 | 10.8 | 41.949 | NaN | 54.69 | 0.539 | 07052021 |
57784 | NGA | Africa | Nigeria | 2021-05-08 | 165370.0 | 30.0 | 37.143 | 2065.0 | 0.0 | 0.286 | 802.223 | 0.146 | 0.180 | 10.017 | 0.0 | 0.001 | 0.82 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 4993.0 | 0.024 | 0.007 | 134.4 | samples tested | 1653292.0 | 1653292.0 | NaN | 37505.0 | 61598.0 | 0.80 | 0.80 | NaN | 299.0 | 47.22 | 206139587.0 | 209.588 | 18.1 | 2.751 | 1.447 | 5338.454 | NaN | 181.013 | 2.42 | 0.6 | 10.8 | 41.949 | NaN | 54.69 | 0.539 | 08052021 |
57785 | NGA | Africa | Nigeria | 2021-05-09 | 165419.0 | 49.0 | 38.000 | 2065.0 | 0.0 | 0.286 | 802.461 | 0.238 | 0.184 | 10.017 | 0.0 | 0.001 | 0.83 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 5233.0 | 0.025 | 0.007 | 137.7 | samples tested | 1665698.0 | 1665698.0 | NaN | 12406.0 | 62281.0 | 0.81 | 0.81 | NaN | 302.0 | 47.22 | 206139587.0 | 209.588 | 18.1 | 2.751 | 1.447 | 5338.454 | NaN | 181.013 | 2.42 | 0.6 | 10.8 | 41.949 | NaN | 54.69 | 0.539 | 09052021 |
57786 | NGA | Africa | Nigeria | 2021-05-10 | 165468.0 | 49.0 | 38.429 | 2065.0 | 0.0 | 0.286 | 802.699 | 0.238 | 0.186 | 10.017 | 0.0 | 0.001 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 1977479.0 | 9.593 | NaN | 5473.0 | 0.027 | 0.007 | 142.4 | samples tested | 1697243.0 | 1697243.0 | NaN | 31545.0 | 65775.0 | 0.82 | 0.82 | NaN | 319.0 | 47.22 | 206139587.0 | 209.588 | 18.1 | 2.751 | 1.447 | 5338.454 | NaN | 181.013 | 2.42 | 0.6 | 10.8 | 41.949 | NaN | 54.69 | 0.539 | 10052021 |
57787 | NGA | Africa | Nigeria | 2021-05-11 | 165515.0 | 47.0 | 42.857 | 2065.0 | 0.0 | 0.286 | 802.927 | 0.228 | 0.208 | 10.017 | 0.0 | 0.001 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 1713306.0 | 1713306.0 | NaN | 16063.0 | 66637.0 | 0.83 | 0.83 | NaN | 323.0 | NaN | 206139587.0 | 209.588 | 18.1 | 2.751 | 1.447 | 5338.454 | NaN | 181.013 | 2.42 | 0.6 | 10.8 | 41.949 | NaN | 54.69 | 0.539 | 11052021 |
439 rows × 60 columns
n_cov19['new_cases_per_million'].plot(figsize=(16, 8))
plt.title('Time Series')
plt.xlabel("date")
plt.ylabel("n_new_cases_per_million")
Text(0, 0.5, 'n_new_cases_per_million')
n_cov19['new_deaths_per_million'].plot(figsize=(16, 8))
plt.title('Time Series')
plt.xlabel("date")
plt.ylabel("n_new_deaths_per_million")
Text(0, 0.5, 'n_new_deaths_per_million')
Sweden
country = "Sweden"
include_s = train[train['location'].values == country]
exclude_s = train[train['location'].values != country]
s_cov19 = include_s
s_cov19
iso_code | continent | location | date | total_cases | new_cases | new_cases_smoothed | total_deaths | new_deaths | new_deaths_smoothed | total_cases_per_million | new_cases_per_million | new_cases_smoothed_per_million | total_deaths_per_million | new_deaths_per_million | new_deaths_smoothed_per_million | reproduction_rate | icu_patients | icu_patients_per_million | hosp_patients | hosp_patients_per_million | weekly_icu_admissions | weekly_icu_admissions_per_million | weekly_hosp_admissions | weekly_hosp_admissions_per_million | new_tests | total_tests | total_tests_per_thousand | new_tests_per_thousand | new_tests_smoothed | new_tests_smoothed_per_thousand | positive_rate | tests_per_case | tests_units | total_vaccinations | people_vaccinated | people_fully_vaccinated | new_vaccinations | new_vaccinations_smoothed | total_vaccinations_per_hundred | people_vaccinated_per_hundred | people_fully_vaccinated_per_hundred | new_vaccinations_smoothed_per_million | stringency_index | population | population_density | median_age | aged_65_older | aged_70_older | gdp_per_capita | extreme_poverty | cardiovasc_death_rate | diabetes_prevalence | female_smokers | male_smokers | handwashing_facilities | hospital_beds_per_thousand | life_expectancy | human_development_index | date_num | |
---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
76006 | SWE | Europe | Sweden | 2020-02-01 | 1.0 | 1.0 | NaN | NaN | NaN | NaN | 0.099 | 0.099 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 0.00 | 10099270.0 | 24.718 | 41.0 | 19.985 | 13.433 | 46949.283 | 0.5 | 133.982 | 4.79 | 18.8 | 18.9 | NaN | 2.22 | 82.8 | 0.945 | 01022020 |
76007 | SWE | Europe | Sweden | 2020-02-02 | 1.0 | 0.0 | NaN | NaN | NaN | NaN | 0.099 | 0.000 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 0.00 | 10099270.0 | 24.718 | 41.0 | 19.985 | 13.433 | 46949.283 | 0.5 | 133.982 | 4.79 | 18.8 | 18.9 | NaN | 2.22 | 82.8 | 0.945 | 02022020 |
76008 | SWE | Europe | Sweden | 2020-02-03 | 1.0 | 0.0 | NaN | NaN | NaN | NaN | 0.099 | 0.000 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 0.00 | 10099270.0 | 24.718 | 41.0 | 19.985 | 13.433 | 46949.283 | 0.5 | 133.982 | 4.79 | 18.8 | 18.9 | NaN | 2.22 | 82.8 | 0.945 | 03022020 |
76009 | SWE | Europe | Sweden | 2020-02-04 | 1.0 | 0.0 | NaN | NaN | NaN | NaN | 0.099 | 0.000 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 0.00 | 10099270.0 | 24.718 | 41.0 | 19.985 | 13.433 | 46949.283 | 0.5 | 133.982 | 4.79 | 18.8 | 18.9 | NaN | 2.22 | 82.8 | 0.945 | 04022020 |
76010 | SWE | Europe | Sweden | 2020-02-05 | 1.0 | 0.0 | NaN | NaN | NaN | NaN | 0.099 | 0.000 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 0.00 | 10099270.0 | 24.718 | 41.0 | 19.985 | 13.433 | 46949.283 | 0.5 | 133.982 | 4.79 | 18.8 | 18.9 | NaN | 2.22 | 82.8 | 0.945 | 05022020 |
... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... |
76467 | SWE | Europe | Sweden | 2021-05-07 | 1007792.0 | 5671.0 | 4884.000 | 14173.0 | 15.0 | 17.857 | 99788.599 | 561.526 | 483.599 | 1403.369 | 1.485 | 1.768 | 1.06 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 3679451.0 | 2852689.0 | 826762.0 | 115842.0 | 44725.0 | 36.43 | 28.25 | 8.19 | 4429.0 | 65.74 | 10099270.0 | 24.718 | 41.0 | 19.985 | 13.433 | 46949.283 | 0.5 | 133.982 | 4.79 | 18.8 | 18.9 | NaN | 2.22 | 82.8 | 0.945 | 07052021 |
76468 | SWE | Europe | Sweden | 2021-05-08 | 1007792.0 | 0.0 | 4884.000 | 14173.0 | 0.0 | 17.857 | 99788.599 | 0.000 | 483.599 | 1403.369 | 0.000 | 1.768 | 1.06 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 45393.0 | NaN | NaN | NaN | 4495.0 | NaN | 10099270.0 | 24.718 | 41.0 | 19.985 | 13.433 | 46949.283 | 0.5 | 133.982 | 4.79 | 18.8 | 18.9 | NaN | 2.22 | 82.8 | 0.945 | 08052021 |
76469 | SWE | Europe | Sweden | 2021-05-09 | 1007792.0 | 0.0 | 4884.000 | 14173.0 | 0.0 | 17.857 | 99788.599 | 0.000 | 483.599 | 1403.369 | 0.000 | 1.768 | 1.06 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 46061.0 | NaN | NaN | NaN | 4561.0 | NaN | 10099270.0 | 24.718 | 41.0 | 19.985 | 13.433 | 46949.283 | 0.5 | 133.982 | 4.79 | 18.8 | 18.9 | NaN | 2.22 | 82.8 | 0.945 | 09052021 |
76470 | SWE | Europe | Sweden | 2021-05-10 | 1007792.0 | 0.0 | 4884.000 | 14173.0 | 0.0 | 17.857 | 99788.599 | 0.000 | 483.599 | 1403.369 | 0.000 | 1.768 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 55789.0 | NaN | NaN | NaN | 5524.0 | NaN | 10099270.0 | 24.718 | 41.0 | 19.985 | 13.433 | 46949.283 | 0.5 | 133.982 | 4.79 | 18.8 | 18.9 | NaN | 2.22 | 82.8 | 0.945 | 10052021 |
76471 | SWE | Europe | Sweden | 2021-05-11 | 1021604.0 | 13812.0 | 4721.429 | 14217.0 | 44.0 | 18.000 | 101156.222 | 1367.624 | 467.502 | 1407.726 | 4.357 | 1.782 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 3909862.0 | 3026101.0 | 883761.0 | NaN | 65518.0 | 38.71 | 29.96 | 8.75 | 6487.0 | NaN | 10099270.0 | 24.718 | 41.0 | 19.985 | 13.433 | 46949.283 | 0.5 | 133.982 | 4.79 | 18.8 | 18.9 | NaN | 2.22 | 82.8 | 0.945 | 11052021 |
466 rows × 60 columns
s_cov19['new_cases_per_million'].plot(figsize=(16, 8))
plt.title('Time Series')
plt.xlabel("date")
plt.ylabel("sweden_new_cases_per_million")
Text(0, 0.5, 'sweden_new_cases_per_million')
s_cov19['new_deaths_per_million'].plot(figsize=(16, 8))
plt.title('Time Series')
plt.xlabel("date")
plt.ylabel("sweden_new_deaths_per_million")
Text(0, 0.5, 'sweden_new_deaths_per_million')
Denmark
country = "Denmark"
include_d = train[train['location'].values == country]
exclude_d = train[train['location'].values != country]
d_cov19 = include_d
d_cov19
iso_code | continent | location | date | total_cases | new_cases | new_cases_smoothed | total_deaths | new_deaths | new_deaths_smoothed | total_cases_per_million | new_cases_per_million | new_cases_smoothed_per_million | total_deaths_per_million | new_deaths_per_million | new_deaths_smoothed_per_million | reproduction_rate | icu_patients | icu_patients_per_million | hosp_patients | hosp_patients_per_million | weekly_icu_admissions | weekly_icu_admissions_per_million | weekly_hosp_admissions | weekly_hosp_admissions_per_million | new_tests | total_tests | total_tests_per_thousand | new_tests_per_thousand | new_tests_smoothed | new_tests_smoothed_per_thousand | positive_rate | tests_per_case | tests_units | total_vaccinations | people_vaccinated | people_fully_vaccinated | new_vaccinations | new_vaccinations_smoothed | total_vaccinations_per_hundred | people_vaccinated_per_hundred | people_fully_vaccinated_per_hundred | new_vaccinations_smoothed_per_million | stringency_index | population | population_density | median_age | aged_65_older | aged_70_older | gdp_per_capita | extreme_poverty | cardiovasc_death_rate | diabetes_prevalence | female_smokers | male_smokers | handwashing_facilities | hospital_beds_per_thousand | life_expectancy | human_development_index | date_num | |
---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
21337 | DNK | Europe | Denmark | 2020-02-02 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 1.0 | 1.0 | 0.0 | 0.0 | NaN | NaN | NaN | NaN | tests performed | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 0.0 | 5792203.0 | 136.52 | 42.3 | 19.677 | 12.325 | 46682.515 | 0.2 | 114.767 | 6.41 | 19.3 | 18.8 | NaN | 2.5 | 80.9 | 0.94 | 02022020 |
21338 | DNK | Europe | Denmark | 2020-02-03 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | tests performed | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 0.0 | 5792203.0 | 136.52 | 42.3 | 19.677 | 12.325 | 46682.515 | 0.2 | 114.767 | 6.41 | 19.3 | 18.8 | NaN | 2.5 | 80.9 | 0.94 | 03022020 |
21339 | DNK | Europe | Denmark | 2020-02-04 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | tests performed | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 0.0 | 5792203.0 | 136.52 | 42.3 | 19.677 | 12.325 | 46682.515 | 0.2 | 114.767 | 6.41 | 19.3 | 18.8 | NaN | 2.5 | 80.9 | 0.94 | 04022020 |
21340 | DNK | Europe | Denmark | 2020-02-05 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | tests performed | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 0.0 | 5792203.0 | 136.52 | 42.3 | 19.677 | 12.325 | 46682.515 | 0.2 | 114.767 | 6.41 | 19.3 | 18.8 | NaN | 2.5 | 80.9 | 0.94 | 05022020 |
21341 | DNK | Europe | Denmark | 2020-02-06 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | tests performed | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 0.0 | 5792203.0 | 136.52 | 42.3 | 19.677 | 12.325 | 46682.515 | 0.2 | 114.767 | 6.41 | 19.3 | 18.8 | NaN | 2.5 | 80.9 | 0.94 | 06022020 |
... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... |
21797 | DNK | Europe | Denmark | 2021-05-07 | 258204.0 | 1023.0 | 993.571 | 2496.0 | 2.0 | 1.714 | 44577.858 | 176.617 | 171.536 | 430.924 | 0.345 | 0.296 | 1.19 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 2299112.0 | 1479690.0 | 819422.0 | 40969.0 | 43762.0 | 39.69 | 25.55 | 14.15 | 7555.0 | 53.7 | 5792203.0 | 136.52 | 42.3 | 19.677 | 12.325 | 46682.515 | 0.2 | 114.767 | 6.41 | 19.3 | 18.8 | NaN | 2.5 | 80.9 | 0.94 | 07052021 |
21798 | DNK | Europe | Denmark | 2021-05-08 | 258881.0 | 677.0 | 877.286 | 2498.0 | 2.0 | 1.143 | 44694.739 | 116.881 | 151.460 | 431.269 | 0.345 | 0.197 | 1.16 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 2339366.0 | 1489085.0 | 850281.0 | 40254.0 | 47601.0 | 40.39 | 25.71 | 14.68 | 8218.0 | NaN | 5792203.0 | 136.52 | 42.3 | 19.677 | 12.325 | 46682.515 | 0.2 | 114.767 | 6.41 | 19.3 | 18.8 | NaN | 2.5 | 80.9 | 0.94 | 08052021 |
21799 | DNK | Europe | Denmark | 2021-05-09 | 259755.0 | 874.0 | 878.286 | 2498.0 | 0.0 | 1.000 | 44845.631 | 150.893 | 151.632 | 431.269 | 0.000 | 0.173 | 1.15 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 2371969.0 | 1504980.0 | 866989.0 | 32603.0 | 47912.0 | 40.95 | 25.98 | 14.97 | 8272.0 | NaN | 5792203.0 | 136.52 | 42.3 | 19.677 | 12.325 | 46682.515 | 0.2 | 114.767 | 6.41 | 19.3 | 18.8 | NaN | 2.5 | 80.9 | 0.94 | 09052021 |
21800 | DNK | Europe | Denmark | 2021-05-10 | 260687.0 | 932.0 | 902.714 | 2498.0 | 0.0 | 1.000 | 45006.537 | 160.906 | 155.850 | 431.269 | 0.000 | 0.173 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 2434266.0 | 1531336.0 | 902930.0 | 62297.0 | 47349.0 | 42.03 | 26.44 | 15.59 | 8175.0 | NaN | 5792203.0 | 136.52 | 42.3 | 19.677 | 12.325 | 46682.515 | 0.2 | 114.767 | 6.41 | 19.3 | 18.8 | NaN | 2.5 | 80.9 | 0.94 | 10052021 |
21801 | DNK | Europe | Denmark | 2021-05-11 | 261613.0 | 926.0 | 919.286 | 2500.0 | 2.0 | 1.143 | 45166.407 | 159.870 | 158.711 | 431.615 | 0.345 | 0.197 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 5792203.0 | 136.52 | 42.3 | 19.677 | 12.325 | 46682.515 | 0.2 | 114.767 | 6.41 | 19.3 | 18.8 | NaN | 2.5 | 80.9 | 0.94 | 11052021 |
465 rows × 60 columns
d_cov19['new_cases_per_million'].plot(figsize=(16, 8))
plt.title('Time Series')
plt.xlabel("date")
plt.ylabel("denmark_new_cases_per_million")
Text(0, 0.5, 'denmark_new_cases_per_million')
d_cov19['new_deaths_per_million'].plot(figsize=(16, 8))
plt.title('Time Series')
plt.xlabel("date")
plt.ylabel("denmark_new_deaths_per_million")
Text(0, 0.5, 'denmark_new_deaths_per_million')
Compare new cases per million to new deaths per million
train.plot(x="date_num", y=["new_cases_per_million", "new_deaths_per_million"])
<matplotlib.axes._subplots.AxesSubplot at 0x7f453652ee10>
uk_cov19.plot(x="date_num", y=["new_cases_per_million", "new_deaths_per_million"])
<matplotlib.axes._subplots.AxesSubplot at 0x7f4536a6c2d0>
Compare Countries
revised_uk_cov19 = uk_cov19[28:]
revised_uk_cov19
iso_code | continent | location | date | total_cases | new_cases | new_cases_smoothed | total_deaths | new_deaths | new_deaths_smoothed | total_cases_per_million | new_cases_per_million | new_cases_smoothed_per_million | total_deaths_per_million | new_deaths_per_million | new_deaths_smoothed_per_million | reproduction_rate | icu_patients | icu_patients_per_million | hosp_patients | hosp_patients_per_million | weekly_icu_admissions | weekly_icu_admissions_per_million | weekly_hosp_admissions | weekly_hosp_admissions_per_million | new_tests | total_tests | total_tests_per_thousand | new_tests_per_thousand | new_tests_smoothed | new_tests_smoothed_per_thousand | positive_rate | tests_per_case | tests_units | total_vaccinations | people_vaccinated | people_fully_vaccinated | new_vaccinations | new_vaccinations_smoothed | total_vaccinations_per_hundred | people_vaccinated_per_hundred | people_fully_vaccinated_per_hundred | new_vaccinations_smoothed_per_million | stringency_index | population | population_density | median_age | aged_65_older | aged_70_older | gdp_per_capita | extreme_poverty | cardiovasc_death_rate | diabetes_prevalence | female_smokers | male_smokers | handwashing_facilities | hospital_beds_per_thousand | life_expectancy | human_development_index | date_num | |
---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
82704 | GBR | Europe | United Kingdom | 2020-02-28 | 56.0 | 12.0 | 4.714 | NaN | NaN | 0.000 | 0.825 | 0.177 | 0.069 | NaN | NaN | 0.000 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 11.11 | 67886004.0 | 272.898 | 40.8 | 18.517 | 12.527 | 39753.244 | 0.2 | 122.137 | 4.28 | 20.0 | 24.7 | NaN | 2.54 | 81.32 | 0.932 | 28022020 |
82705 | GBR | Europe | United Kingdom | 2020-02-29 | 61.0 | 5.0 | 5.429 | NaN | NaN | 0.000 | 0.899 | 0.074 | 0.080 | NaN | NaN | 0.000 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 11.11 | 67886004.0 | 272.898 | 40.8 | 18.517 | 12.527 | 39753.244 | 0.2 | 122.137 | 4.28 | 20.0 | 24.7 | NaN | 2.54 | 81.32 | 0.932 | 29022020 |
82706 | GBR | Europe | United Kingdom | 2020-03-01 | 94.0 | 33.0 | 9.429 | NaN | NaN | 0.000 | 1.385 | 0.486 | 0.139 | NaN | NaN | 0.000 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 11.11 | 67886004.0 | 272.898 | 40.8 | 18.517 | 12.527 | 39753.244 | 0.2 | 122.137 | 4.28 | 20.0 | 24.7 | NaN | 2.54 | 81.32 | 0.932 | 01032020 |
82707 | GBR | Europe | United Kingdom | 2020-03-02 | 134.0 | 40.0 | 14.857 | NaN | NaN | 0.000 | 1.974 | 0.589 | 0.219 | NaN | NaN | 0.000 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 11.11 | 67886004.0 | 272.898 | 40.8 | 18.517 | 12.527 | 39753.244 | 0.2 | 122.137 | 4.28 | 20.0 | 24.7 | NaN | 2.54 | 81.32 | 0.932 | 02032020 |
82708 | GBR | Europe | United Kingdom | 2020-03-03 | 189.0 | 55.0 | 22.143 | NaN | NaN | 0.000 | 2.784 | 0.810 | 0.326 | NaN | NaN | 0.000 | 2.11 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 11.11 | 67886004.0 | 272.898 | 40.8 | 18.517 | 12.527 | 39753.244 | 0.2 | 122.137 | 4.28 | 20.0 | 24.7 | NaN | 2.54 | 81.32 | 0.932 | 03032020 |
... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... |
83138 | GBR | Europe | United Kingdom | 2021-05-07 | 4446752.0 | 2490.0 | 2072.286 | 127858.0 | 15.0 | 11.857 | 65503.222 | 36.679 | 30.526 | 1883.422 | 0.221 | 0.175 | 1.00 | 159.0 | 2.342 | 1153.0 | 16.984 | NaN | NaN | NaN | NaN | 708935.0 | 160342371.0 | 2361.936 | 10.443 | 978636.0 | 14.416 | 0.002 | 472.2 | tests performed | 52433184.0 | 35202642.0 | 17230542.0 | 598823.0 | 444809.0 | 77.24 | 51.86 | 25.38 | 6552.0 | 59.72 | 67886004.0 | 272.898 | 40.8 | 18.517 | 12.527 | 39753.244 | 0.2 | 122.137 | 4.28 | 20.0 | 24.7 | NaN | 2.54 | 81.32 | 0.932 | 07052021 |
83139 | GBR | Europe | United Kingdom | 2021-05-08 | 4448808.0 | 2056.0 | 2093.000 | 127863.0 | 5.0 | 11.571 | 65533.508 | 30.286 | 30.831 | 1883.496 | 0.074 | 0.170 | 1.00 | 150.0 | 2.210 | 1130.0 | 16.646 | NaN | NaN | NaN | NaN | 490546.0 | 160869162.0 | 2369.696 | 7.226 | 979597.0 | 14.430 | 0.002 | 468.0 | tests performed | 53041048.0 | 35371669.0 | 17669379.0 | 607864.0 | 458007.0 | 78.13 | 52.10 | 26.03 | 6747.0 | NaN | 67886004.0 | 272.898 | 40.8 | 18.517 | 12.527 | 39753.244 | 0.2 | 122.137 | 4.28 | 20.0 | 24.7 | NaN | 2.54 | 81.32 | 0.932 | 08052021 |
83140 | GBR | Europe | United Kingdom | 2021-05-09 | 4450578.0 | 1770.0 | 2106.714 | 127865.0 | 2.0 | 9.857 | 65559.581 | 26.073 | 31.033 | 1883.525 | 0.029 | 0.145 | 1.00 | 143.0 | 2.106 | 1108.0 | 16.321 | NaN | NaN | 339.0 | 4.994 | 1322338.0 | 162226572.0 | 2389.691 | 19.479 | 1049492.0 | 15.460 | 0.002 | 498.2 | tests performed | 53328845.0 | 35472295.0 | 17856550.0 | 287797.0 | 461576.0 | 78.56 | 52.25 | 26.30 | 6799.0 | NaN | 67886004.0 | 272.898 | 40.8 | 18.517 | 12.527 | 39753.244 | 0.2 | 122.137 | 4.28 | 20.0 | 24.7 | NaN | 2.54 | 81.32 | 0.932 | 09052021 |
83141 | GBR | Europe | United Kingdom | 2021-05-10 | 4452956.0 | 2378.0 | 2207.286 | 127870.0 | 5.0 | 10.429 | 65594.611 | 35.029 | 32.515 | 1883.599 | 0.074 | 0.154 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 53675733.0 | 35587348.0 | 18088385.0 | 346888.0 | 482546.0 | 79.07 | 52.42 | 26.65 | 7108.0 | NaN | 67886004.0 | 272.898 | 40.8 | 18.517 | 12.527 | 39753.244 | 0.2 | 122.137 | 4.28 | 20.0 | 24.7 | NaN | 2.54 | 81.32 | 0.932 | 10052021 |
83142 | GBR | Europe | United Kingdom | 2021-05-11 | 4455446.0 | 2490.0 | 2279.571 | 127890.0 | 20.0 | 12.429 | 65631.290 | 36.679 | 33.579 | 1883.893 | 0.295 | 0.183 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 67886004.0 | 272.898 | 40.8 | 18.517 | 12.527 | 39753.244 | 0.2 | 122.137 | 4.28 | 20.0 | 24.7 | NaN | 2.54 | 81.32 | 0.932 | 11052021 |
439 rows × 60 columns
revised_us_cov19 = us_cov19[37:]
revised_us_cov19
iso_code | continent | location | date | total_cases | new_cases | new_cases_smoothed | total_deaths | new_deaths | new_deaths_smoothed | total_cases_per_million | new_cases_per_million | new_cases_smoothed_per_million | total_deaths_per_million | new_deaths_per_million | new_deaths_smoothed_per_million | reproduction_rate | icu_patients | icu_patients_per_million | hosp_patients | hosp_patients_per_million | weekly_icu_admissions | weekly_icu_admissions_per_million | weekly_hosp_admissions | weekly_hosp_admissions_per_million | new_tests | total_tests | total_tests_per_thousand | new_tests_per_thousand | new_tests_smoothed | new_tests_smoothed_per_thousand | positive_rate | tests_per_case | tests_units | total_vaccinations | people_vaccinated | people_fully_vaccinated | new_vaccinations | new_vaccinations_smoothed | total_vaccinations_per_hundred | people_vaccinated_per_hundred | people_fully_vaccinated_per_hundred | new_vaccinations_smoothed_per_million | stringency_index | population | population_density | median_age | aged_65_older | aged_70_older | gdp_per_capita | extreme_poverty | cardiovasc_death_rate | diabetes_prevalence | female_smokers | male_smokers | handwashing_facilities | hospital_beds_per_thousand | life_expectancy | human_development_index | date_num | |
---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
83180 | USA | North America | United States | 2020-02-28 | 17.0 | 0.0 | 0.143 | NaN | NaN | 0.000 | 0.051 | 0.000 | 0.000 | NaN | NaN | 0.000 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 5.56 | 331002647.0 | 35.608 | 38.3 | 15.413 | 9.732 | 54225.446 | 1.2 | 151.089 | 10.79 | 19.1 | 24.6 | NaN | 2.77 | 78.86 | 0.926 | 28022020 |
83181 | USA | North America | United States | 2020-02-29 | 25.0 | 8.0 | 1.286 | 1.0 | 1.0 | 0.143 | 0.076 | 0.024 | 0.004 | 0.003 | 0.003 | 0.000 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 5.56 | 331002647.0 | 35.608 | 38.3 | 15.413 | 9.732 | 54225.446 | 1.2 | 151.089 | 10.79 | 19.1 | 24.6 | NaN | 2.77 | 78.86 | 0.926 | 29022020 |
83182 | USA | North America | United States | 2020-03-01 | 32.0 | 7.0 | 2.286 | 1.0 | 0.0 | 0.143 | 0.097 | 0.021 | 0.007 | 0.003 | 0.000 | 0.000 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 346.0 | 346.0 | 0.001 | 0.001 | NaN | NaN | NaN | NaN | tests performed | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 8.33 | 331002647.0 | 35.608 | 38.3 | 15.413 | 9.732 | 54225.446 | 1.2 | 151.089 | 10.79 | 19.1 | 24.6 | NaN | 2.77 | 78.86 | 0.926 | 01032020 |
83183 | USA | North America | United States | 2020-03-02 | 55.0 | 23.0 | 5.571 | 6.0 | 5.0 | 0.857 | 0.166 | 0.069 | 0.017 | 0.018 | 0.015 | 0.003 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 503.0 | 849.0 | 0.003 | 0.002 | NaN | NaN | NaN | NaN | tests performed | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 11.11 | 331002647.0 | 35.608 | 38.3 | 15.413 | 9.732 | 54225.446 | 1.2 | 151.089 | 10.79 | 19.1 | 24.6 | NaN | 2.77 | 78.86 | 0.926 | 02032020 |
83184 | USA | North America | United States | 2020-03-03 | 74.0 | 19.0 | 8.286 | 7.0 | 1.0 | 1.000 | 0.224 | 0.057 | 0.025 | 0.021 | 0.003 | 0.003 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 609.0 | 1458.0 | 0.004 | 0.002 | NaN | NaN | NaN | NaN | tests performed | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 11.11 | 331002647.0 | 35.608 | 38.3 | 15.413 | 9.732 | 54225.446 | 1.2 | 151.089 | 10.79 | 19.1 | 24.6 | NaN | 2.77 | 78.86 | 0.926 | 03032020 |
... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... |
83614 | USA | North America | United States | 2021-05-07 | 32652472.0 | 47289.0 | 43643.000 | 580901.0 | 753.0 | 671.857 | 98647.163 | 142.866 | 131.851 | 1754.974 | 2.275 | 2.030 | 0.83 | 8624.0 | 26.054 | 31834.0 | 96.174 | NaN | NaN | NaN | NaN | 723019.0 | 426539890.0 | 1288.630 | 2.184 | 864103.0 | 2.611 | 0.05 | 20.0 | tests performed | 254779333.0 | 150416559.0 | 110874920.0 | 2805581.0 | 2088522.0 | 76.18 | 44.98 | 33.15 | 6245.0 | 56.94 | 331002647.0 | 35.608 | 38.3 | 15.413 | 9.732 | 54225.446 | 1.2 | 151.089 | 10.79 | 19.1 | 24.6 | NaN | 2.77 | 78.86 | 0.926 | 07052021 |
83615 | USA | North America | United States | 2021-05-08 | 32686965.0 | 34493.0 | 42098.714 | 581516.0 | 615.0 | 659.143 | 98751.370 | 104.208 | 127.185 | 1756.832 | 1.858 | 1.991 | 0.82 | 8607.0 | 26.003 | 31781.0 | 96.014 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 257347205.0 | 151315505.0 | 112626771.0 | 2567872.0 | 1983391.0 | 76.95 | 45.24 | 33.68 | 5930.0 | 56.94 | 331002647.0 | 35.608 | 38.3 | 15.413 | 9.732 | 54225.446 | 1.2 | 151.089 | 10.79 | 19.1 | 24.6 | NaN | 2.77 | 78.86 | 0.926 | 08052021 |
83616 | USA | North America | United States | 2021-05-09 | 32708357.0 | 21392.0 | 40959.429 | 581754.0 | 238.0 | 646.857 | 98815.998 | 64.628 | 123.744 | 1757.551 | 0.719 | 1.954 | 0.82 | NaN | NaN | NaN | NaN | NaN | NaN | 27145.0 | 82.008 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 259716989.0 | 152116936.0 | 114258244.0 | 2369784.0 | 2017931.0 | 77.66 | 45.48 | 34.16 | 6034.0 | NaN | 331002647.0 | 35.608 | 38.3 | 15.413 | 9.732 | 54225.446 | 1.2 | 151.089 | 10.79 | 19.1 | 24.6 | NaN | 2.77 | 78.86 | 0.926 | 09052021 |
83617 | USA | North America | United States | 2021-05-10 | 32745255.0 | 36898.0 | 39007.714 | 582153.0 | 399.0 | 634.714 | 98927.472 | 111.473 | 117.847 | 1758.756 | 1.205 | 1.918 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 261599381.0 | 152819904.0 | 115530780.0 | 1882392.0 | 2117025.0 | 78.22 | 45.69 | 34.54 | 6330.0 | NaN | 331002647.0 | 35.608 | 38.3 | 15.413 | 9.732 | 54225.446 | 1.2 | 151.089 | 10.79 | 19.1 | 24.6 | NaN | 2.77 | 78.86 | 0.926 | 10052021 |
83618 | USA | North America | United States | 2021-05-11 | 32778906.0 | 33651.0 | 37996.000 | 582837.0 | 684.0 | 607.714 | 99029.136 | 101.664 | 114.791 | 1760.823 | 2.066 | 1.836 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 263132561.0 | 153448316.0 | 116576359.0 | 1533180.0 | 2194787.0 | 78.68 | 45.88 | 34.86 | 6563.0 | NaN | 331002647.0 | 35.608 | 38.3 | 15.413 | 9.732 | 54225.446 | 1.2 | 151.089 | 10.79 | 19.1 | 24.6 | NaN | 2.77 | 78.86 | 0.926 | 11052021 |
439 rows × 60 columns
revised_fr_cov19 = fr_cov19[35:]
revised_fr_cov19
iso_code | continent | location | date | total_cases | new_cases | new_cases_smoothed | total_deaths | new_deaths | new_deaths_smoothed | total_cases_per_million | new_cases_per_million | new_cases_smoothed_per_million | total_deaths_per_million | new_deaths_per_million | new_deaths_smoothed_per_million | reproduction_rate | icu_patients | icu_patients_per_million | hosp_patients | hosp_patients_per_million | weekly_icu_admissions | weekly_icu_admissions_per_million | weekly_hosp_admissions | weekly_hosp_admissions_per_million | new_tests | total_tests | total_tests_per_thousand | new_tests_per_thousand | new_tests_smoothed | new_tests_smoothed_per_thousand | positive_rate | tests_per_case | tests_units | total_vaccinations | people_vaccinated | people_fully_vaccinated | new_vaccinations | new_vaccinations_smoothed | total_vaccinations_per_hundred | people_vaccinated_per_hundred | people_fully_vaccinated_per_hundred | new_vaccinations_smoothed_per_million | stringency_index | population | population_density | median_age | aged_65_older | aged_70_older | gdp_per_capita | extreme_poverty | cardiovasc_death_rate | diabetes_prevalence | female_smokers | male_smokers | handwashing_facilities | hospital_beds_per_thousand | life_expectancy | human_development_index | date_num | |
---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
28627 | FRA | Europe | France | 2020-02-28 | 57.0 | 19.0 | 6.429 | 2.0 | 0.0 | 0.143 | 0.844 | 0.281 | 0.095 | 0.030 | 0.000 | 0.002 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 13.89 | 67564251.0 | 122.578 | 42.0 | 19.718 | 13.079 | 38605.671 | NaN | 86.06 | 4.77 | 30.1 | 35.6 | NaN | 5.98 | 82.66 | 0.901 | 28022020 |
28628 | FRA | Europe | France | 2020-02-29 | 100.0 | 43.0 | 12.571 | 2.0 | 0.0 | 0.143 | 1.480 | 0.636 | 0.186 | 0.030 | 0.000 | 0.002 | NaN | 9.0 | 0.133 | 86.0 | 1.273 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 34.72 | 67564251.0 | 122.578 | 42.0 | 19.718 | 13.079 | 38605.671 | NaN | 86.06 | 4.77 | 30.1 | 35.6 | NaN | 5.98 | 82.66 | 0.901 | 29022020 |
28629 | FRA | Europe | France | 2020-03-01 | 130.0 | 30.0 | 16.857 | 2.0 | 0.0 | 0.143 | 1.924 | 0.444 | 0.249 | 0.030 | 0.000 | 0.002 | 3.00 | 9.0 | 0.133 | 116.0 | 1.717 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 34.72 | 67564251.0 | 122.578 | 42.0 | 19.718 | 13.079 | 38605.671 | NaN | 86.06 | 4.77 | 30.1 | 35.6 | NaN | 5.98 | 82.66 | 0.901 | 01032020 |
28630 | FRA | Europe | France | 2020-03-02 | 191.0 | 61.0 | 25.571 | 3.0 | 1.0 | 0.286 | 2.827 | 0.903 | 0.378 | 0.044 | 0.015 | 0.004 | 2.99 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 43.98 | 67564251.0 | 122.578 | 42.0 | 19.718 | 13.079 | 38605.671 | NaN | 86.06 | 4.77 | 30.1 | 35.6 | NaN | 5.98 | 82.66 | 0.901 | 02032020 |
28631 | FRA | Europe | France | 2020-03-03 | 212.0 | 21.0 | 28.286 | 4.0 | 1.0 | 0.429 | 3.138 | 0.311 | 0.419 | 0.059 | 0.015 | 0.006 | 2.99 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 43.98 | 67564251.0 | 122.578 | 42.0 | 19.718 | 13.079 | 38605.671 | NaN | 86.06 | 4.77 | 30.1 | 35.6 | NaN | 5.98 | 82.66 | 0.901 | 03032020 |
... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... |
29061 | FRA | Europe | France | 2021-05-07 | 5808421.0 | 19138.0 | 18655.143 | 106262.0 | 251.0 | 226.714 | 85968.851 | 283.256 | 276.110 | 1572.755 | 3.715 | 3.356 | 0.80 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 500448.0 | NaN | NaN | 7.344 | 332449.0 | 4.878 | 0.054 | 18.5 | people tested | 25196861.0 | 17542317.0 | 7764439.0 | 616260.0 | 438794.0 | 37.29 | 25.96 | 11.49 | 6494.0 | 63.89 | 67564251.0 | 122.578 | 42.0 | 19.718 | 13.079 | 38605.671 | NaN | 86.06 | 4.77 | 30.1 | 35.6 | NaN | 5.98 | 82.66 | 0.901 | 07052021 |
29062 | FRA | Europe | France | 2021-05-08 | 5829166.0 | 20745.0 | 17951.571 | 106438.0 | 176.0 | 224.429 | 86275.892 | 307.041 | 265.696 | 1575.360 | 2.605 | 3.322 | 0.79 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 25448331.0 | 17726841.0 | 7833539.0 | 251470.0 | 444570.0 | 37.67 | 26.24 | 11.59 | 6580.0 | NaN | 67564251.0 | 122.578 | 42.0 | 19.718 | 13.079 | 38605.671 | NaN | 86.06 | 4.77 | 30.1 | 35.6 | NaN | 5.98 | 82.66 | 0.901 | 08052021 |
29063 | FRA | Europe | France | 2021-05-09 | 5838294.0 | 9128.0 | 17843.000 | 106553.0 | 115.0 | 224.714 | 86410.993 | 135.101 | 264.089 | 1577.062 | 1.702 | 3.326 | 0.79 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 25621942.0 | 17853667.0 | 7880929.0 | 173611.0 | 451259.0 | 37.92 | 26.42 | 11.66 | 6679.0 | NaN | 67564251.0 | 122.578 | 42.0 | 19.718 | 13.079 | 38605.671 | NaN | 86.06 | 4.77 | 30.1 | 35.6 | NaN | 5.98 | 82.66 | 0.901 | 09052021 |
29064 | FRA | Europe | France | 2021-05-10 | 5841593.0 | 3299.0 | 17776.143 | 106845.0 | 292.0 | 222.000 | 86459.820 | 48.828 | 263.100 | 1581.384 | 4.322 | 3.286 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 26143585.0 | 18146226.0 | 8116853.0 | 521643.0 | 461891.0 | 38.69 | 26.86 | 12.01 | 6836.0 | NaN | 67564251.0 | 122.578 | 42.0 | 19.718 | 13.079 | 38605.671 | NaN | 86.06 | 4.77 | 30.1 | 35.6 | NaN | 5.98 | 82.66 | 0.901 | 10052021 |
29065 | FRA | Europe | France | 2021-05-11 | 5861384.0 | 19791.0 | 17121.000 | 107096.0 | 251.0 | 221.143 | 86752.741 | 292.921 | 253.403 | 1585.099 | 3.715 | 3.273 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 67564251.0 | 122.578 | 42.0 | 19.718 | 13.079 | 38605.671 | NaN | 86.06 | 4.77 | 30.1 | 35.6 | NaN | 5.98 | 82.66 | 0.901 | 11052021 |
439 rows × 60 columns
revised_it_cov19 = it_cov19[28:]
revised_it_cov19
iso_code | continent | location | date | total_cases | new_cases | new_cases_smoothed | total_deaths | new_deaths | new_deaths_smoothed | total_cases_per_million | new_cases_per_million | new_cases_smoothed_per_million | total_deaths_per_million | new_deaths_per_million | new_deaths_smoothed_per_million | reproduction_rate | icu_patients | icu_patients_per_million | hosp_patients | hosp_patients_per_million | weekly_icu_admissions | weekly_icu_admissions_per_million | weekly_hosp_admissions | weekly_hosp_admissions_per_million | new_tests | total_tests | total_tests_per_thousand | new_tests_per_thousand | new_tests_smoothed | new_tests_smoothed_per_thousand | positive_rate | tests_per_case | tests_units | total_vaccinations | people_vaccinated | people_fully_vaccinated | new_vaccinations | new_vaccinations_smoothed | total_vaccinations_per_hundred | people_vaccinated_per_hundred | people_fully_vaccinated_per_hundred | new_vaccinations_smoothed_per_million | stringency_index | population | population_density | median_age | aged_65_older | aged_70_older | gdp_per_capita | extreme_poverty | cardiovasc_death_rate | diabetes_prevalence | female_smokers | male_smokers | handwashing_facilities | hospital_beds_per_thousand | life_expectancy | human_development_index | date_num | |
---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
39384 | ITA | Europe | Italy | 2020-02-28 | 888.0 | 233.0 | 124.000 | 21.0 | 4.0 | 2.857 | 14.687 | 3.854 | 2.051 | 0.347 | 0.066 | 0.047 | 3.24 | 64.0 | 1.059 | 409.0 | 6.765 | NaN | NaN | NaN | NaN | 3681.0 | 15695.0 | 0.260 | 0.061 | NaN | NaN | NaN | NaN | tests performed | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 69.91 | 60461828.0 | 205.859 | 47.9 | 23.021 | 16.24 | 35220.084 | 2.0 | 113.151 | 4.78 | 19.8 | 27.8 | NaN | 3.18 | 83.51 | 0.892 | 28022020 |
39385 | ITA | Europe | Italy | 2020-02-29 | 1128.0 | 240.0 | 152.286 | 29.0 | 8.0 | 3.857 | 18.656 | 3.969 | 2.519 | 0.480 | 0.132 | 0.064 | 3.12 | 105.0 | 1.737 | 506.0 | 8.369 | NaN | NaN | NaN | NaN | 2966.0 | 18661.0 | 0.309 | 0.049 | NaN | NaN | NaN | NaN | tests performed | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 69.91 | 60461828.0 | 205.859 | 47.9 | 23.021 | 16.24 | 35220.084 | 2.0 | 113.151 | 4.78 | 19.8 | 27.8 | NaN | 3.18 | 83.51 | 0.892 | 29022020 |
39386 | ITA | Europe | Italy | 2020-03-01 | 1694.0 | 566.0 | 219.857 | 34.0 | 5.0 | 4.429 | 28.018 | 9.361 | 3.636 | 0.562 | 0.083 | 0.073 | 3.05 | 140.0 | 2.316 | 779.0 | 12.884 | NaN | NaN | 2275.879 | 37.642 | 2466.0 | 21127.0 | 0.349 | 0.041 | NaN | NaN | NaN | NaN | tests performed | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 69.91 | 60461828.0 | 205.859 | 47.9 | 23.021 | 16.24 | 35220.084 | 2.0 | 113.151 | 4.78 | 19.8 | 27.8 | NaN | 3.18 | 83.51 | 0.892 | 01032020 |
39387 | ITA | Europe | Italy | 2020-03-02 | 2036.0 | 342.0 | 258.143 | 52.0 | 18.0 | 6.429 | 33.674 | 5.656 | 4.270 | 0.860 | 0.298 | 0.106 | 2.86 | 166.0 | 2.746 | 908.0 | 15.018 | NaN | NaN | NaN | NaN | 2218.0 | 23345.0 | 0.386 | 0.037 | 2717.0 | 0.045 | 0.095 | 10.5 | tests performed | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 69.91 | 60461828.0 | 205.859 | 47.9 | 23.021 | 16.24 | 35220.084 | 2.0 | 113.151 | 4.78 | 19.8 | 27.8 | NaN | 3.18 | 83.51 | 0.892 | 02032020 |
39388 | ITA | Europe | Italy | 2020-03-03 | 2502.0 | 466.0 | 311.429 | 79.0 | 27.0 | 9.857 | 41.381 | 7.707 | 5.151 | 1.307 | 0.447 | 0.163 | 2.74 | 229.0 | 3.788 | 1263.0 | 20.889 | NaN | NaN | NaN | NaN | 2511.0 | 25856.0 | 0.428 | 0.042 | 2462.0 | 0.041 | 0.126 | 7.9 | tests performed | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 69.91 | 60461828.0 | 205.859 | 47.9 | 23.021 | 16.24 | 35220.084 | 2.0 | 113.151 | 4.78 | 19.8 | 27.8 | NaN | 3.18 | 83.51 | 0.892 | 03032020 |
... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... |
39818 | ITA | Europe | Italy | 2021-05-07 | 4092747.0 | 10549.0 | 10013.429 | 122470.0 | 207.0 | 237.571 | 67691.420 | 174.474 | 165.616 | 2025.576 | 3.424 | 3.929 | 0.83 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 328612.0 | 60532582.0 | 1001.170 | 5.435 | 278976.0 | 4.614 | 0.036 | 27.9 | tests performed | 23210717.0 | 16271652.0 | 7089532.0 | 533140.0 | 453090.0 | 38.39 | 26.91 | 11.73 | 7494.0 | 75.00 | 60461828.0 | 205.859 | 47.9 | 23.021 | 16.24 | 35220.084 | 2.0 | 113.151 | 4.78 | 19.8 | 27.8 | NaN | 3.18 | 83.51 | 0.892 | 07052021 |
39819 | ITA | Europe | Italy | 2021-05-08 | 4102921.0 | 10174.0 | 9614.857 | 122694.0 | 224.0 | 237.286 | 67859.692 | 168.271 | 159.024 | 2029.280 | 3.705 | 3.925 | 0.83 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 338436.0 | 60871018.0 | 1006.768 | 5.598 | 273295.0 | 4.520 | 0.035 | 28.4 | tests performed | 23712195.0 | 16591143.0 | 7286161.0 | 501478.0 | 463219.0 | 39.22 | 27.44 | 12.05 | 7661.0 | NaN | 60461828.0 | 205.859 | 47.9 | 23.021 | 16.24 | 35220.084 | 2.0 | 113.151 | 4.78 | 19.8 | 27.8 | NaN | 3.18 | 83.51 | 0.892 | 08052021 |
39820 | ITA | Europe | Italy | 2021-05-09 | 4111210.0 | 8289.0 | 9492.571 | 122833.0 | 139.0 | 236.571 | 67996.786 | 137.095 | 157.001 | 2031.579 | 2.299 | 3.913 | 0.83 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 226006.0 | 61097024.0 | 1010.506 | 3.738 | 283171.0 | 4.683 | 0.034 | 29.8 | tests performed | 24090355.0 | 16843885.0 | 7419080.0 | 378160.0 | 464583.0 | 39.84 | 27.86 | 12.27 | 7684.0 | NaN | 60461828.0 | 205.859 | 47.9 | 23.021 | 16.24 | 35220.084 | 2.0 | 113.151 | 4.78 | 19.8 | 27.8 | NaN | 3.18 | 83.51 | 0.892 | 09052021 |
39821 | ITA | Europe | Italy | 2021-05-10 | 4116287.0 | 5077.0 | 9368.429 | 123031.0 | 198.0 | 228.286 | 68080.757 | 83.970 | 154.948 | 2034.854 | 3.275 | 3.776 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 130000.0 | 61227024.0 | 1012.656 | 2.150 | 284338.0 | 4.703 | 0.033 | 30.4 | tests performed | 24521322.0 | 17130068.0 | 7571297.0 | 430967.0 | 467760.0 | 40.56 | 28.33 | 12.52 | 7736.0 | NaN | 60461828.0 | 205.859 | 47.9 | 23.021 | 16.24 | 35220.084 | 2.0 | 113.151 | 4.78 | 19.8 | 27.8 | NaN | 3.18 | 83.51 | 0.892 | 10052021 |
39822 | ITA | Europe | Italy | 2021-05-11 | 4123230.0 | 6943.0 | 9058.429 | 123282.0 | 251.0 | 220.571 | 68195.589 | 114.833 | 149.821 | 2039.006 | 4.151 | 3.648 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 24950456.0 | 17413508.0 | 7725554.0 | 429134.0 | 465570.0 | 41.27 | 28.80 | 12.78 | 7700.0 | NaN | 60461828.0 | 205.859 | 47.9 | 23.021 | 16.24 | 35220.084 | 2.0 | 113.151 | 4.78 | 19.8 | 27.8 | NaN | 3.18 | 83.51 | 0.892 | 11052021 |
439 rows × 60 columns
revised_br_cov19 = br_cov19[2:]
revised_br_cov19
iso_code | continent | location | date | total_cases | new_cases | new_cases_smoothed | total_deaths | new_deaths | new_deaths_smoothed | total_cases_per_million | new_cases_per_million | new_cases_smoothed_per_million | total_deaths_per_million | new_deaths_per_million | new_deaths_smoothed_per_million | reproduction_rate | icu_patients | icu_patients_per_million | hosp_patients | hosp_patients_per_million | weekly_icu_admissions | weekly_icu_admissions_per_million | weekly_hosp_admissions | weekly_hosp_admissions_per_million | new_tests | total_tests | total_tests_per_thousand | new_tests_per_thousand | new_tests_smoothed | new_tests_smoothed_per_thousand | positive_rate | tests_per_case | tests_units | total_vaccinations | people_vaccinated | people_fully_vaccinated | new_vaccinations | new_vaccinations_smoothed | total_vaccinations_per_hundred | people_vaccinated_per_hundred | people_fully_vaccinated_per_hundred | new_vaccinations_smoothed_per_million | stringency_index | population | population_density | median_age | aged_65_older | aged_70_older | gdp_per_capita | extreme_poverty | cardiovasc_death_rate | diabetes_prevalence | female_smokers | male_smokers | handwashing_facilities | hospital_beds_per_thousand | life_expectancy | human_development_index | date_num | |
---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
11218 | BRA | South America | Brazil | 2020-02-28 | 1.0 | 0.0 | NaN | NaN | NaN | NaN | 0.005 | 0.000 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 5.56 | 212559409.0 | 25.04 | 33.5 | 8.552 | 5.06 | 14103.452 | 3.4 | 177.961 | 8.11 | 10.1 | 17.9 | NaN | 2.2 | 75.88 | 0.765 | 28022020 |
11219 | BRA | South America | Brazil | 2020-02-29 | 2.0 | 1.0 | NaN | NaN | NaN | NaN | 0.009 | 0.005 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 5.56 | 212559409.0 | 25.04 | 33.5 | 8.552 | 5.06 | 14103.452 | 3.4 | 177.961 | 8.11 | 10.1 | 17.9 | NaN | 2.2 | 75.88 | 0.765 | 29022020 |
11220 | BRA | South America | Brazil | 2020-03-01 | 2.0 | 0.0 | NaN | NaN | NaN | NaN | 0.009 | 0.000 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 5.56 | 212559409.0 | 25.04 | 33.5 | 8.552 | 5.06 | 14103.452 | 3.4 | 177.961 | 8.11 | 10.1 | 17.9 | NaN | 2.2 | 75.88 | 0.765 | 01032020 |
11221 | BRA | South America | Brazil | 2020-03-02 | 2.0 | 0.0 | 0.286 | NaN | NaN | 0.000 | 0.009 | 0.000 | 0.001 | NaN | NaN | 0.000 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 11.11 | 212559409.0 | 25.04 | 33.5 | 8.552 | 5.06 | 14103.452 | 3.4 | 177.961 | 8.11 | 10.1 | 17.9 | NaN | 2.2 | 75.88 | 0.765 | 02032020 |
11222 | BRA | South America | Brazil | 2020-03-03 | 2.0 | 0.0 | 0.286 | NaN | NaN | 0.000 | 0.009 | 0.000 | 0.001 | NaN | NaN | 0.000 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 11.11 | 212559409.0 | 25.04 | 33.5 | 8.552 | 5.06 | 14103.452 | 3.4 | 177.961 | 8.11 | 10.1 | 17.9 | NaN | 2.2 | 75.88 | 0.765 | 03032020 |
... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... |
11652 | BRA | South America | Brazil | 2021-05-07 | 15082449.0 | 78886.0 | 60491.143 | 419114.0 | 2165.0 | 2190.429 | 70956.393 | 371.124 | 284.585 | 1971.750 | 10.185 | 10.305 | 1.02 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 46875460.0 | 31722544.0 | 15152916.0 | 333068.0 | 596657.0 | 22.05 | 14.92 | 7.13 | 2807.0 | NaN | 212559409.0 | 25.04 | 33.5 | 8.552 | 5.06 | 14103.452 | 3.4 | 177.961 | 8.11 | 10.1 | 17.9 | NaN | 2.2 | 75.88 | 0.765 | 07052021 |
11653 | BRA | South America | Brazil | 2021-05-08 | 15145879.0 | 63430.0 | 59986.286 | 421316.0 | 2202.0 | 2125.571 | 71254.804 | 298.411 | 282.210 | 1982.109 | 10.359 | 10.000 | 1.01 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 571797.0 | NaN | NaN | NaN | 2690.0 | NaN | 212559409.0 | 25.04 | 33.5 | 8.552 | 5.06 | 14103.452 | 3.4 | 177.961 | 8.11 | 10.1 | 17.9 | NaN | 2.2 | 75.88 | 0.765 | 08052021 |
11654 | BRA | South America | Brazil | 2021-05-09 | 15184790.0 | 38911.0 | 61411.429 | 422340.0 | 1024.0 | 2100.143 | 71437.863 | 183.059 | 288.914 | 1986.927 | 4.817 | 9.880 | 1.02 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 575528.0 | NaN | NaN | NaN | 2708.0 | NaN | 212559409.0 | 25.04 | 33.5 | 8.552 | 5.06 | 14103.452 | 3.4 | 177.961 | 8.11 | 10.1 | 17.9 | NaN | 2.2 | 75.88 | 0.765 | 09052021 |
11655 | BRA | South America | Brazil | 2021-05-10 | 15209990.0 | 25200.0 | 61494.429 | 423229.0 | 889.0 | 2086.714 | 71556.418 | 118.555 | 289.305 | 1991.109 | 4.182 | 9.817 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 47365348.0 | 32101075.0 | 15264273.0 | NaN | 486170.0 | 22.28 | 15.10 | 7.18 | 2287.0 | NaN | 212559409.0 | 25.04 | 33.5 | 8.552 | 5.06 | 14103.452 | 3.4 | 177.961 | 8.11 | 10.1 | 17.9 | NaN | 2.2 | 75.88 | 0.765 | 10052021 |
11656 | BRA | South America | Brazil | 2021-05-11 | 15282705.0 | 72715.0 | 60831.000 | 425540.0 | 2311.0 | 1993.143 | 71898.511 | 342.093 | 286.184 | 2001.981 | 10.872 | 9.377 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 48193472.0 | 32647725.0 | 15545747.0 | 828124.0 | 417092.0 | 22.67 | 15.36 | 7.31 | 1962.0 | NaN | 212559409.0 | 25.04 | 33.5 | 8.552 | 5.06 | 14103.452 | 3.4 | 177.961 | 8.11 | 10.1 | 17.9 | NaN | 2.2 | 75.88 | 0.765 | 11052021 |
439 rows × 60 columns
revised_sp_cov19 = sp_cov19[27:]
revised_sp_cov19
iso_code | continent | location | date | total_cases | new_cases | new_cases_smoothed | total_deaths | new_deaths | new_deaths_smoothed | total_cases_per_million | new_cases_per_million | new_cases_smoothed_per_million | total_deaths_per_million | new_deaths_per_million | new_deaths_smoothed_per_million | reproduction_rate | icu_patients | icu_patients_per_million | hosp_patients | hosp_patients_per_million | weekly_icu_admissions | weekly_icu_admissions_per_million | weekly_hosp_admissions | weekly_hosp_admissions_per_million | new_tests | total_tests | total_tests_per_thousand | new_tests_per_thousand | new_tests_smoothed | new_tests_smoothed_per_thousand | positive_rate | tests_per_case | tests_units | total_vaccinations | people_vaccinated | people_fully_vaccinated | new_vaccinations | new_vaccinations_smoothed | total_vaccinations_per_hundred | people_vaccinated_per_hundred | people_fully_vaccinated_per_hundred | new_vaccinations_smoothed_per_million | stringency_index | population | population_density | median_age | aged_65_older | aged_70_older | gdp_per_capita | extreme_poverty | cardiovasc_death_rate | diabetes_prevalence | female_smokers | male_smokers | handwashing_facilities | hospital_beds_per_thousand | life_expectancy | human_development_index | date_num | |
---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
74246 | ESP | Europe | Spain | 2020-02-28 | 32.0 | 17.0 | 4.286 | NaN | NaN | 0.000 | 0.684 | 0.364 | 0.092 | NaN | NaN | 0.000 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 11.11 | 46754783.0 | 93.105 | 45.5 | 19.436 | 13.799 | 34272.36 | 1.0 | 99.403 | 7.17 | 27.4 | 31.4 | NaN | 2.97 | 83.56 | 0.904 | 28022020 |
74247 | ESP | Europe | Spain | 2020-02-29 | 45.0 | 13.0 | 6.143 | NaN | NaN | 0.000 | 0.962 | 0.278 | 0.131 | NaN | NaN | 0.000 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 11.11 | 46754783.0 | 93.105 | 45.5 | 19.436 | 13.799 | 34272.36 | 1.0 | 99.403 | 7.17 | 27.4 | 31.4 | NaN | 2.97 | 83.56 | 0.904 | 29022020 |
74248 | ESP | Europe | Spain | 2020-03-01 | 84.0 | 39.0 | 11.714 | NaN | NaN | 0.000 | 1.797 | 0.834 | 0.251 | NaN | NaN | 0.000 | NaN | NaN | NaN | NaN | NaN | 190.644 | 4.078 | 1173.497 | 25.099 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 11.11 | 46754783.0 | 93.105 | 45.5 | 19.436 | 13.799 | 34272.36 | 1.0 | 99.403 | 7.17 | 27.4 | 31.4 | NaN | 2.97 | 83.56 | 0.904 | 01032020 |
74249 | ESP | Europe | Spain | 2020-03-02 | 120.0 | 36.0 | 16.857 | NaN | NaN | 0.000 | 2.567 | 0.770 | 0.361 | NaN | NaN | 0.000 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 11.11 | 46754783.0 | 93.105 | 45.5 | 19.436 | 13.799 | 34272.36 | 1.0 | 99.403 | 7.17 | 27.4 | 31.4 | NaN | 2.97 | 83.56 | 0.904 | 02032020 |
74250 | ESP | Europe | Spain | 2020-03-03 | 165.0 | 45.0 | 22.714 | 1.0 | 1.0 | 0.143 | 3.529 | 0.962 | 0.486 | 0.021 | 0.021 | 0.003 | 3.03 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 11.11 | 46754783.0 | 93.105 | 45.5 | 19.436 | 13.799 | 34272.36 | 1.0 | 99.403 | 7.17 | 27.4 | 31.4 | NaN | 2.97 | 83.56 | 0.904 | 03032020 |
... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... |
74680 | ESP | Europe | Spain | 2021-05-07 | 3567408.0 | 8186.0 | 6190.143 | 78792.0 | 66.0 | 82.286 | 76300.386 | 175.084 | 132.396 | 1685.218 | 1.412 | 1.760 | 0.92 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 381863.0 | NaN | NaN | NaN | 8167.0 | 67.59 | 46754783.0 | 93.105 | 45.5 | 19.436 | 13.799 | 34272.36 | 1.0 | 99.403 | 7.17 | 27.4 | 31.4 | NaN | 2.97 | 83.56 | 0.904 | 07052021 |
74681 | ESP | Europe | Spain | 2021-05-08 | 3567408.0 | 0.0 | 6190.143 | 78792.0 | 0.0 | 82.286 | 76300.386 | 0.000 | 132.396 | 1685.218 | 0.000 | 1.760 | 0.92 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 380364.0 | NaN | NaN | NaN | 8135.0 | 67.59 | 46754783.0 | 93.105 | 45.5 | 19.436 | 13.799 | 34272.36 | 1.0 | 99.403 | 7.17 | 27.4 | 31.4 | NaN | 2.97 | 83.56 | 0.904 | 08052021 |
74682 | ESP | Europe | Spain | 2021-05-09 | 3567408.0 | 0.0 | 6190.143 | 78792.0 | 0.0 | 82.286 | 76300.386 | 0.000 | 132.396 | 1685.218 | 0.000 | 1.760 | 0.93 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 19830624.0 | 13797431.0 | 6221476.0 | NaN | 378865.0 | 42.41 | 29.51 | 13.31 | 8103.0 | 62.96 | 46754783.0 | 93.105 | 45.5 | 19.436 | 13.799 | 34272.36 | 1.0 | 99.403 | 7.17 | 27.4 | 31.4 | NaN | 2.97 | 83.56 | 0.904 | 09052021 |
74683 | ESP | Europe | Spain | 2021-05-10 | 3581392.0 | 13984.0 | 5851.714 | 78895.0 | 103.0 | 86.000 | 76599.479 | 299.092 | 125.158 | 1687.421 | 2.203 | 1.839 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 20162661.0 | 14028954.0 | 6327447.0 | 332037.0 | 390264.0 | 43.12 | 30.01 | 13.53 | 8347.0 | NaN | 46754783.0 | 93.105 | 45.5 | 19.436 | 13.799 | 34272.36 | 1.0 | 99.403 | 7.17 | 27.4 | 31.4 | NaN | 2.97 | 83.56 | 0.904 | 10052021 |
74684 | ESP | Europe | Spain | 2021-05-11 | 3586333.0 | 4941.0 | 5912.571 | 79100.0 | 205.0 | 100.143 | 76705.158 | 105.679 | 126.459 | 1691.806 | 4.385 | 2.142 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 46754783.0 | 93.105 | 45.5 | 19.436 | 13.799 | 34272.36 | 1.0 | 99.403 | 7.17 | 27.4 | 31.4 | NaN | 2.97 | 83.56 | 0.904 | 11052021 |
439 rows × 60 columns
revised_p_cov19 = p_cov19[2:]
revised_p_cov19
iso_code | continent | location | date | total_cases | new_cases | new_cases_smoothed | total_deaths | new_deaths | new_deaths_smoothed | total_cases_per_million | new_cases_per_million | new_cases_smoothed_per_million | total_deaths_per_million | new_deaths_per_million | new_deaths_smoothed_per_million | reproduction_rate | icu_patients | icu_patients_per_million | hosp_patients | hosp_patients_per_million | weekly_icu_admissions | weekly_icu_admissions_per_million | weekly_hosp_admissions | weekly_hosp_admissions_per_million | new_tests | total_tests | total_tests_per_thousand | new_tests_per_thousand | new_tests_smoothed | new_tests_smoothed_per_thousand | positive_rate | tests_per_case | tests_units | total_vaccinations | people_vaccinated | people_fully_vaccinated | new_vaccinations | new_vaccinations_smoothed | total_vaccinations_per_hundred | people_vaccinated_per_hundred | people_fully_vaccinated_per_hundred | new_vaccinations_smoothed_per_million | stringency_index | population | population_density | median_age | aged_65_older | aged_70_older | gdp_per_capita | extreme_poverty | cardiovasc_death_rate | diabetes_prevalence | female_smokers | male_smokers | handwashing_facilities | hospital_beds_per_thousand | life_expectancy | human_development_index | date_num | |
---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
63730 | PRT | Europe | Portugal | 2020-02-15 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 15.846 | 1.554 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 11.11 | 10196707.0 | 112.371 | 46.2 | 21.502 | 14.924 | 27936.896 | 0.5 | 127.842 | 9.85 | 16.3 | 30.0 | NaN | 3.39 | 82.05 | 0.864 | 15022020 |
63731 | PRT | Europe | Portugal | 2020-02-23 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 19.807 | 1.943 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 11.11 | 10196707.0 | 112.371 | 46.2 | 21.502 | 14.924 | 27936.896 | 0.5 | 127.842 | 9.85 | 16.3 | 30.0 | NaN | 3.39 | 82.05 | 0.864 | 23022020 |
63732 | PRT | Europe | Portugal | 2020-03-01 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 28.721 | 2.817 | NaN | 25.0 | 0.002 | NaN | NaN | NaN | NaN | NaN | tests performed | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 11.11 | 10196707.0 | 112.371 | 46.2 | 21.502 | 14.924 | 27936.896 | 0.5 | 127.842 | 9.85 | 16.3 | 30.0 | NaN | 3.39 | 82.05 | 0.864 | 01032020 |
63733 | PRT | Europe | Portugal | 2020-03-02 | 2.0 | 2.0 | NaN | NaN | NaN | NaN | 0.196 | 0.196 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 45.0 | 70.0 | 0.007 | 0.004 | NaN | NaN | NaN | NaN | tests performed | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 11.11 | 10196707.0 | 112.371 | 46.2 | 21.502 | 14.924 | 27936.896 | 0.5 | 127.842 | 9.85 | 16.3 | 30.0 | NaN | 3.39 | 82.05 | 0.864 | 02032020 |
63734 | PRT | Europe | Portugal | 2020-03-03 | 2.0 | 0.0 | NaN | NaN | NaN | NaN | 0.196 | 0.000 | NaN | NaN | NaN | NaN | NaN | 0.0 | 0.0 | 0.0 | 0.0 | NaN | NaN | NaN | NaN | 61.0 | 131.0 | 0.013 | 0.006 | NaN | NaN | NaN | NaN | tests performed | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 11.11 | 10196707.0 | 112.371 | 46.2 | 21.502 | 14.924 | 27936.896 | 0.5 | 127.842 | 9.85 | 16.3 | 30.0 | NaN | 3.39 | 82.05 | 0.864 | 03032020 |
... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... |
64164 | PRT | Europe | Portugal | 2021-05-07 | 838852.0 | 377.0 | 337.000 | 16989.0 | 1.0 | 2.143 | 82266.951 | 36.973 | 33.050 | 1666.126 | 0.098 | 0.210 | 0.86 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 46587.0 | 10885426.0 | 1067.543 | 4.569 | 42492.0 | 4.167 | 0.008 | 126.1 | tests performed | 3817745.0 | 2777426.0 | 1040297.0 | 101024.0 | 73182.0 | 37.44 | 27.24 | 10.20 | 7177.0 | 72.22 | 10196707.0 | 112.371 | 46.2 | 21.502 | 14.924 | 27936.896 | 0.5 | 127.842 | 9.85 | 16.3 | 30.0 | NaN | 3.39 | 82.05 | 0.864 | 07052021 |
64165 | PRT | Europe | Portugal | 2021-05-08 | 839258.0 | 406.0 | 330.143 | 16991.0 | 2.0 | 2.143 | 82306.768 | 39.817 | 32.377 | 1666.322 | 0.196 | 0.210 | 0.87 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 31421.0 | 10916847.0 | 1070.625 | 3.081 | 42488.0 | 4.167 | 0.008 | 128.7 | tests performed | 3921995.0 | 2824858.0 | 1097115.0 | 104250.0 | 75746.0 | 38.46 | 27.70 | 10.76 | 7428.0 | NaN | 10196707.0 | 112.371 | 46.2 | 21.502 | 14.924 | 27936.896 | 0.5 | 127.842 | 9.85 | 16.3 | 30.0 | NaN | 3.39 | 82.05 | 0.864 | 08052021 |
64166 | PRT | Europe | Portugal | 2021-05-09 | 839582.0 | 324.0 | 329.286 | 16992.0 | 1.0 | 2.143 | 82338.543 | 31.775 | 32.293 | 1666.420 | 0.098 | 0.210 | 0.87 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 4004480.0 | 2893455.0 | 1111003.0 | 82485.0 | 80171.0 | 39.27 | 28.38 | 10.90 | 7862.0 | NaN | 10196707.0 | 112.371 | 46.2 | 21.502 | 14.924 | 27936.896 | 0.5 | 127.842 | 9.85 | 16.3 | 30.0 | NaN | 3.39 | 82.05 | 0.864 | 09052021 |
64167 | PRT | Europe | Portugal | 2021-05-10 | 839740.0 | 158.0 | 326.143 | 16993.0 | 1.0 | 2.286 | 82354.038 | 15.495 | 31.985 | 1666.518 | 0.098 | 0.224 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 4043392.0 | 2930677.0 | 1112693.0 | 38912.0 | 79967.0 | 39.65 | 28.74 | 10.91 | 7842.0 | NaN | 10196707.0 | 112.371 | 46.2 | 21.502 | 14.924 | 27936.896 | 0.5 | 127.842 | 9.85 | 16.3 | 30.0 | NaN | 3.39 | 82.05 | 0.864 | 10052021 |
64168 | PRT | Europe | Portugal | 2021-05-11 | 840008.0 | 268.0 | 327.571 | 16994.0 | 1.0 | 1.857 | 82380.321 | 26.283 | 32.125 | 1666.616 | 0.098 | 0.182 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 4121938.0 | 2989538.0 | 1132378.0 | 78546.0 | 81893.0 | 40.42 | 29.32 | 11.11 | 8031.0 | NaN | 10196707.0 | 112.371 | 46.2 | 21.502 | 14.924 | 27936.896 | 0.5 | 127.842 | 9.85 | 16.3 | 30.0 | NaN | 3.39 | 82.05 | 0.864 | 11052021 |
439 rows × 60 columns
revised_c_cov19 = c_cov19[37:]
revised_c_cov19
iso_code | continent | location | date | total_cases | new_cases | new_cases_smoothed | total_deaths | new_deaths | new_deaths_smoothed | total_cases_per_million | new_cases_per_million | new_cases_smoothed_per_million | total_deaths_per_million | new_deaths_per_million | new_deaths_smoothed_per_million | reproduction_rate | icu_patients | icu_patients_per_million | hosp_patients | hosp_patients_per_million | weekly_icu_admissions | weekly_icu_admissions_per_million | weekly_hosp_admissions | weekly_hosp_admissions_per_million | new_tests | total_tests | total_tests_per_thousand | new_tests_per_thousand | new_tests_smoothed | new_tests_smoothed_per_thousand | positive_rate | tests_per_case | tests_units | total_vaccinations | people_vaccinated | people_fully_vaccinated | new_vaccinations | new_vaccinations_smoothed | total_vaccinations_per_hundred | people_vaccinated_per_hundred | people_fully_vaccinated_per_hundred | new_vaccinations_smoothed_per_million | stringency_index | population | population_density | median_age | aged_65_older | aged_70_older | gdp_per_capita | extreme_poverty | cardiovasc_death_rate | diabetes_prevalence | female_smokers | male_smokers | handwashing_facilities | hospital_beds_per_thousand | life_expectancy | human_development_index | date_num | |
---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
16600 | CHN | Asia | China | 2020-02-28 | 78928.0 | 328.0 | 482.571 | 2790.0 | 44.0 | 78.857 | 54.837 | 0.228 | 0.335 | 1.938 | 0.031 | 0.055 | 0.32 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 81.02 | 1.439324e+09 | 147.674 | 38.7 | 10.641 | 5.929 | 15308.712 | 0.7 | 261.899 | 9.74 | 1.9 | 48.4 | NaN | 4.34 | 76.91 | 0.761 | 28022020 |
16601 | CHN | Asia | China | 2020-02-29 | 79356.0 | 428.0 | 336.429 | 2837.0 | 47.0 | 56.286 | 55.134 | 0.297 | 0.234 | 1.971 | 0.033 | 0.039 | 0.32 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 81.02 | 1.439324e+09 | 147.674 | 38.7 | 10.641 | 5.929 | 15308.712 | 0.7 | 261.899 | 9.74 | 1.9 | 48.4 | NaN | 4.34 | 76.91 | 0.761 | 29022020 |
16602 | CHN | Asia | China | 2020-03-01 | 79932.0 | 576.0 | 415.714 | 2872.0 | 35.0 | 61.000 | 55.534 | 0.400 | 0.289 | 1.995 | 0.024 | 0.042 | 0.31 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 81.02 | 1.439324e+09 | 147.674 | 38.7 | 10.641 | 5.929 | 15308.712 | 0.7 | 261.899 | 9.74 | 1.9 | 48.4 | NaN | 4.34 | 76.91 | 0.761 | 01032020 |
16603 | CHN | Asia | China | 2020-03-02 | 80136.0 | 204.0 | 413.571 | 2914.0 | 42.0 | 45.571 | 55.676 | 0.142 | 0.287 | 2.025 | 0.029 | 0.032 | 0.29 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 81.02 | 1.439324e+09 | 147.674 | 38.7 | 10.641 | 5.929 | 15308.712 | 0.7 | 261.899 | 9.74 | 1.9 | 48.4 | NaN | 4.34 | 76.91 | 0.761 | 02032020 |
16604 | CHN | Asia | China | 2020-03-03 | 80261.0 | 125.0 | 358.143 | 2947.0 | 33.0 | 40.286 | 55.763 | 0.087 | 0.249 | 2.047 | 0.023 | 0.028 | 0.27 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 81.02 | 1.439324e+09 | 147.674 | 38.7 | 10.641 | 5.929 | 15308.712 | 0.7 | 261.899 | 9.74 | 1.9 | 48.4 | NaN | 4.34 | 76.91 | 0.761 | 03032020 |
... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... |
17034 | CHN | Asia | China | 2021-05-07 | 102596.0 | 10.0 | 14.571 | 4846.0 | 0.0 | 0.143 | 71.281 | 0.007 | 0.010 | 3.367 | 0.000 | 0.000 | 0.75 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 308226000.0 | NaN | NaN | 10492000.0 | 6166000.0 | 21.41 | NaN | NaN | 4284.0 | 63.43 | 1.439324e+09 | 147.674 | 38.7 | 10.641 | 5.929 | 15308.712 | 0.7 | 261.899 | 9.74 | 1.9 | 48.4 | NaN | 4.34 | 76.91 | 0.761 | 07052021 |
17035 | CHN | Asia | China | 2021-05-08 | 102613.0 | 17.0 | 13.714 | 4846.0 | 0.0 | 0.000 | 71.293 | 0.012 | 0.010 | 3.367 | 0.000 | 0.000 | 0.76 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 317586000.0 | NaN | NaN | 9360000.0 | 6740000.0 | 22.06 | NaN | NaN | 4683.0 | 63.43 | 1.439324e+09 | 147.674 | 38.7 | 10.641 | 5.929 | 15308.712 | 0.7 | 261.899 | 9.74 | 1.9 | 48.4 | NaN | 4.34 | 76.91 | 0.761 | 08052021 |
17036 | CHN | Asia | China | 2021-05-09 | 102625.0 | 12.0 | 13.571 | 4846.0 | 0.0 | 0.000 | 71.301 | 0.008 | 0.009 | 3.367 | 0.000 | 0.000 | 0.76 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 324307000.0 | NaN | NaN | 6721000.0 | 6995571.0 | 22.53 | NaN | NaN | 4860.0 | 63.43 | 1.439324e+09 | 147.674 | 38.7 | 10.641 | 5.929 | 15308.712 | 0.7 | 261.899 | 9.74 | 1.9 | 48.4 | NaN | 4.34 | 76.91 | 0.761 | 09052021 |
17037 | CHN | Asia | China | 2021-05-10 | 102643.0 | 18.0 | 13.429 | 4846.0 | 0.0 | 0.000 | 71.313 | 0.013 | 0.009 | 3.367 | 0.000 | 0.000 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 332964000.0 | NaN | NaN | 8657000.0 | 7579857.0 | 23.13 | NaN | NaN | 5266.0 | 63.43 | 1.439324e+09 | 147.674 | 38.7 | 10.641 | 5.929 | 15308.712 | 0.7 | 261.899 | 9.74 | 1.9 | 48.4 | NaN | 4.34 | 76.91 | 0.761 | 10052021 |
17038 | CHN | Asia | China | 2021-05-11 | 102660.0 | 17.0 | 14.286 | 4846.0 | 0.0 | 0.000 | 71.325 | 0.012 | 0.010 | 3.367 | 0.000 | 0.000 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 342697000.0 | NaN | NaN | 9733000.0 | 8300286.0 | 23.81 | NaN | NaN | 5767.0 | NaN | 1.439324e+09 | 147.674 | 38.7 | 10.641 | 5.929 | 15308.712 | 0.7 | 261.899 | 9.74 | 1.9 | 48.4 | NaN | 4.34 | 76.91 | 0.761 | 11052021 |
439 rows × 60 columns
revised_i_cov19 = i_cov19[29:]
revised_i_cov19
iso_code | continent | location | date | total_cases | new_cases | new_cases_smoothed | total_deaths | new_deaths | new_deaths_smoothed | total_cases_per_million | new_cases_per_million | new_cases_smoothed_per_million | total_deaths_per_million | new_deaths_per_million | new_deaths_smoothed_per_million | reproduction_rate | icu_patients | icu_patients_per_million | hosp_patients | hosp_patients_per_million | weekly_icu_admissions | weekly_icu_admissions_per_million | weekly_hosp_admissions | weekly_hosp_admissions_per_million | new_tests | total_tests | total_tests_per_thousand | new_tests_per_thousand | new_tests_smoothed | new_tests_smoothed_per_thousand | positive_rate | tests_per_case | tests_units | total_vaccinations | people_vaccinated | people_fully_vaccinated | new_vaccinations | new_vaccinations_smoothed | total_vaccinations_per_hundred | people_vaccinated_per_hundred | people_fully_vaccinated_per_hundred | new_vaccinations_smoothed_per_million | stringency_index | population | population_density | median_age | aged_65_older | aged_70_older | gdp_per_capita | extreme_poverty | cardiovasc_death_rate | diabetes_prevalence | female_smokers | male_smokers | handwashing_facilities | hospital_beds_per_thousand | life_expectancy | human_development_index | date_num | |
---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
36129 | IND | Asia | India | 2020-02-28 | 3.0 | 0.0 | 0.000 | NaN | NaN | 0.000 | 0.002 | 0.000 | 0.000 | NaN | NaN | 0.000 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 10.19 | 1.380004e+09 | 450.419 | 28.2 | 5.989 | 3.414 | 6426.674 | 21.2 | 282.28 | 10.39 | 1.9 | 20.6 | 59.55 | 0.53 | 69.66 | 0.645 | 28022020 |
36130 | IND | Asia | India | 2020-02-29 | 3.0 | 0.0 | 0.000 | NaN | NaN | 0.000 | 0.002 | 0.000 | 0.000 | NaN | NaN | 0.000 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 10.19 | 1.380004e+09 | 450.419 | 28.2 | 5.989 | 3.414 | 6426.674 | 21.2 | 282.28 | 10.39 | 1.9 | 20.6 | 59.55 | 0.53 | 69.66 | 0.645 | 29022020 |
36131 | IND | Asia | India | 2020-03-01 | 3.0 | 0.0 | 0.000 | NaN | NaN | 0.000 | 0.002 | 0.000 | 0.000 | NaN | NaN | 0.000 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 10.19 | 1.380004e+09 | 450.419 | 28.2 | 5.989 | 3.414 | 6426.674 | 21.2 | 282.28 | 10.39 | 1.9 | 20.6 | 59.55 | 0.53 | 69.66 | 0.645 | 01032020 |
36132 | IND | Asia | India | 2020-03-02 | 5.0 | 2.0 | 0.286 | NaN | NaN | 0.000 | 0.004 | 0.001 | 0.000 | NaN | NaN | 0.000 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 10.19 | 1.380004e+09 | 450.419 | 28.2 | 5.989 | 3.414 | 6426.674 | 21.2 | 282.28 | 10.39 | 1.9 | 20.6 | 59.55 | 0.53 | 69.66 | 0.645 | 02032020 |
36133 | IND | Asia | India | 2020-03-03 | 5.0 | 0.0 | 0.286 | NaN | NaN | 0.000 | 0.004 | 0.000 | 0.000 | NaN | NaN | 0.000 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 10.19 | 1.380004e+09 | 450.419 | 28.2 | 5.989 | 3.414 | 6426.674 | 21.2 | 282.28 | 10.39 | 1.9 | 20.6 | 59.55 | 0.53 | 69.66 | 0.645 | 03032020 |
... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... |
36563 | IND | Asia | India | 2021-05-07 | 21892676.0 | 401078.0 | 389672.429 | 238270.0 | 4187.0 | 3773.857 | 15864.208 | 290.635 | 282.370 | 172.659 | 3.034 | 2.735 | 1.15 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 1826490.0 | 298601699.0 | 216.377 | 1.324 | 1744230.0 | 1.264 | 0.223 | 4.5 | samples tested | 165190000.0 | 132294827.0 | 32895173.0 | 2586397.0 | 1884556.0 | 11.97 | 9.59 | 2.38 | 1366.0 | 73.61 | 1.380004e+09 | 450.419 | 28.2 | 5.989 | 3.414 | 6426.674 | 21.2 | 282.28 | 10.39 | 1.9 | 20.6 | 59.55 | 0.53 | 69.66 | 0.645 | 07052021 |
36564 | IND | Asia | India | 2021-05-08 | 22296081.0 | 403405.0 | 391232.000 | 242347.0 | 4077.0 | 3829.286 | 16156.529 | 292.322 | 283.501 | 175.613 | 2.954 | 2.775 | 1.15 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 1808344.0 | 300410043.0 | 217.688 | 1.310 | 1724665.0 | 1.250 | 0.227 | 4.4 | samples tested | 167493857.0 | 133366482.0 | 34127375.0 | 2303857.0 | 1981076.0 | 12.14 | 9.66 | 2.47 | 1436.0 | 73.61 | 1.380004e+09 | 450.419 | 28.2 | 5.989 | 3.414 | 6426.674 | 21.2 | 282.28 | 10.39 | 1.9 | 20.6 | 59.55 | 0.53 | 69.66 | 0.645 | 08052021 |
36565 | IND | Asia | India | 2021-05-09 | 22662575.0 | 366494.0 | 391008.286 | 246116.0 | 3769.0 | 3879.571 | 16422.104 | 265.575 | 283.338 | 178.344 | 2.731 | 2.811 | 1.14 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 1865428.0 | 302275471.0 | 219.040 | 1.352 | 1733305.0 | 1.256 | 0.226 | 4.4 | samples tested | 168304868.0 | 133854676.0 | 34450192.0 | 811011.0 | 2013337.0 | 12.20 | 9.70 | 2.50 | 1459.0 | 73.61 | 1.380004e+09 | 450.419 | 28.2 | 5.989 | 3.414 | 6426.674 | 21.2 | 282.28 | 10.39 | 1.9 | 20.6 | 59.55 | 0.53 | 69.66 | 0.645 | 09052021 |
36566 | IND | Asia | India | 2021-05-10 | 22992517.0 | 329942.0 | 387097.714 | 249992.0 | 3876.0 | 3940.571 | 16661.191 | 239.088 | 280.505 | 181.153 | 2.809 | 2.855 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 1474606.0 | 303750077.0 | 220.108 | 1.069 | 1729006.0 | 1.253 | 0.224 | 4.5 | samples tested | 171098918.0 | 135192013.0 | 35906905.0 | 2794050.0 | 2145255.0 | 12.40 | 9.80 | 2.60 | 1555.0 | 73.61 | 1.380004e+09 | 450.419 | 28.2 | 5.989 | 3.414 | 6426.674 | 21.2 | 282.28 | 10.39 | 1.9 | 20.6 | 59.55 | 0.53 | 69.66 | 0.645 | 10052021 |
36567 | IND | Asia | India | 2021-05-11 | 23340938.0 | 348421.0 | 382279.857 | 254197.0 | 4205.0 | 4001.286 | 16913.669 | 252.478 | 277.014 | 184.200 | 3.047 | 2.899 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 1850110.0 | 305600187.0 | 221.449 | 1.341 | 1755630.0 | 1.272 | NaN | NaN | samples tested | 173862643.0 | 136557345.0 | 37305298.0 | 2763725.0 | 2301699.0 | 12.60 | 9.90 | 2.70 | 1668.0 | NaN | 1.380004e+09 | 450.419 | 28.2 | 5.989 | 3.414 | 6426.674 | 21.2 | 282.28 | 10.39 | 1.9 | 20.6 | 59.55 | 0.53 | 69.66 | 0.645 | 11052021 |
439 rows × 60 columns
revised_t_cov19 = t_cov19[43:]
revised_t_cov19
iso_code | continent | location | date | total_cases | new_cases | new_cases_smoothed | total_deaths | new_deaths | new_deaths_smoothed | total_cases_per_million | new_cases_per_million | new_cases_smoothed_per_million | total_deaths_per_million | new_deaths_per_million | new_deaths_smoothed_per_million | reproduction_rate | icu_patients | icu_patients_per_million | hosp_patients | hosp_patients_per_million | weekly_icu_admissions | weekly_icu_admissions_per_million | weekly_hosp_admissions | weekly_hosp_admissions_per_million | new_tests | total_tests | total_tests_per_thousand | new_tests_per_thousand | new_tests_smoothed | new_tests_smoothed_per_thousand | positive_rate | tests_per_case | tests_units | total_vaccinations | people_vaccinated | people_fully_vaccinated | new_vaccinations | new_vaccinations_smoothed | total_vaccinations_per_hundred | people_vaccinated_per_hundred | people_fully_vaccinated_per_hundred | new_vaccinations_smoothed_per_million | stringency_index | population | population_density | median_age | aged_65_older | aged_70_older | gdp_per_capita | extreme_poverty | cardiovasc_death_rate | diabetes_prevalence | female_smokers | male_smokers | handwashing_facilities | hospital_beds_per_thousand | life_expectancy | human_development_index | date_num | |
---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
77373 | TWN | Asia | Taiwan | 2020-02-28 | 34.0 | 2.0 | 1.143 | 1.0 | 0.0 | 0.0 | 1.428 | 0.084 | 0.048 | 0.042 | 0.0 | 0.0 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 371.0 | 10318.0 | 0.433 | 0.016 | 499.0 | 0.021 | 0.002 | 436.6 | people tested | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 23.15 | 23816775.0 | NaN | 42.2 | NaN | 8.353 | NaN | NaN | 103.957 | NaN | NaN | NaN | NaN | NaN | 80.46 | NaN | 28022020 |
77374 | TWN | Asia | Taiwan | 2020-02-29 | 39.0 | 5.0 | 1.857 | 1.0 | 0.0 | 0.0 | 1.638 | 0.210 | 0.078 | 0.042 | 0.0 | 0.0 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 511.0 | 10829.0 | 0.455 | 0.021 | 508.0 | 0.021 | 0.004 | 273.6 | people tested | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 23.15 | 23816775.0 | NaN | 42.2 | NaN | 8.353 | NaN | NaN | 103.957 | NaN | NaN | NaN | NaN | NaN | 80.46 | NaN | 29022020 |
77375 | TWN | Asia | Taiwan | 2020-03-01 | 40.0 | 1.0 | 1.714 | 1.0 | 0.0 | 0.0 | 1.679 | 0.042 | 0.072 | 0.042 | 0.0 | 0.0 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 430.0 | 11259.0 | 0.473 | 0.018 | 523.0 | 0.022 | 0.003 | 305.1 | people tested | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 23.15 | 23816775.0 | NaN | 42.2 | NaN | 8.353 | NaN | NaN | 103.957 | NaN | NaN | NaN | NaN | NaN | 80.46 | NaN | 01032020 |
77376 | TWN | Asia | Taiwan | 2020-03-02 | 41.0 | 1.0 | 1.571 | 1.0 | 0.0 | 0.0 | 1.721 | 0.042 | 0.066 | 0.042 | 0.0 | 0.0 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 600.0 | 11859.0 | 0.498 | 0.025 | 509.0 | 0.021 | 0.003 | 324.0 | people tested | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 23.15 | 23816775.0 | NaN | 42.2 | NaN | 8.353 | NaN | NaN | 103.957 | NaN | NaN | NaN | NaN | NaN | 80.46 | NaN | 02032020 |
77377 | TWN | Asia | Taiwan | 2020-03-03 | 42.0 | 1.0 | 1.571 | 1.0 | 0.0 | 0.0 | 1.763 | 0.042 | 0.066 | 0.042 | 0.0 | 0.0 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 506.0 | 12365.0 | 0.519 | 0.021 | 494.0 | 0.021 | 0.003 | 314.4 | people tested | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 23.15 | 23816775.0 | NaN | 42.2 | NaN | 8.353 | NaN | NaN | 103.957 | NaN | NaN | NaN | NaN | NaN | 80.46 | NaN | 03032020 |
... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... |
77807 | TWN | Asia | Taiwan | 2021-05-07 | 1178.0 | 5.0 | 7.143 | 12.0 | 0.0 | 0.0 | 49.461 | 0.210 | 0.300 | 0.504 | 0.0 | 0.0 | 1.21 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 1069.0 | 214706.0 | 9.015 | 0.045 | 910.0 | 0.038 | 0.008 | 127.4 | people tested | 91002.0 | NaN | NaN | 10141.0 | 4731.0 | 0.38 | NaN | NaN | 199.0 | 25.00 | 23816775.0 | NaN | 42.2 | NaN | 8.353 | NaN | NaN | 103.957 | NaN | NaN | NaN | NaN | NaN | 80.46 | NaN | 07052021 |
77808 | TWN | Asia | Taiwan | 2021-05-08 | 1183.0 | 5.0 | 7.286 | 12.0 | 0.0 | 0.0 | 49.671 | 0.210 | 0.306 | 0.504 | 0.0 | 0.0 | 1.20 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 413.0 | 215119.0 | 9.032 | 0.017 | 914.0 | 0.038 | 0.008 | 125.4 | people tested | NaN | NaN | NaN | NaN | 4780.0 | NaN | NaN | NaN | 201.0 | 25.00 | 23816775.0 | NaN | 42.2 | NaN | 8.353 | NaN | NaN | 103.957 | NaN | NaN | NaN | NaN | NaN | 80.46 | NaN | 08052021 |
77809 | TWN | Asia | Taiwan | 2021-05-09 | 1184.0 | 1.0 | 6.714 | 12.0 | 0.0 | 0.0 | 49.713 | 0.042 | 0.282 | 0.504 | 0.0 | 0.0 | 1.20 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 685.0 | 215804.0 | 9.061 | 0.029 | 952.0 | 0.040 | 0.007 | 141.8 | people tested | 92049.0 | NaN | NaN | NaN | 4828.0 | 0.39 | NaN | NaN | 203.0 | 25.00 | 23816775.0 | NaN | 42.2 | NaN | 8.353 | NaN | NaN | 103.957 | NaN | NaN | NaN | NaN | NaN | 80.46 | NaN | 09052021 |
77810 | TWN | Asia | Taiwan | 2021-05-10 | 1199.0 | 15.0 | 7.714 | 12.0 | 0.0 | 0.0 | 50.343 | 0.630 | 0.324 | 0.504 | 0.0 | 0.0 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 1241.0 | 217045.0 | 9.113 | 0.052 | 929.0 | 0.039 | 0.008 | 120.4 | people tested | NaN | NaN | NaN | NaN | 5694.0 | NaN | NaN | NaN | 239.0 | 25.00 | 23816775.0 | NaN | 42.2 | NaN | 8.353 | NaN | NaN | 103.957 | NaN | NaN | NaN | NaN | NaN | 80.46 | NaN | 10052021 |
77811 | TWN | Asia | Taiwan | 2021-05-11 | 1210.0 | 11.0 | 8.143 | 12.0 | 0.0 | 0.0 | 50.805 | 0.462 | 0.342 | 0.504 | 0.0 | 0.0 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 112543.0 | NaN | NaN | NaN | 6373.0 | 0.47 | NaN | NaN | 268.0 | NaN | 23816775.0 | NaN | 42.2 | NaN | 8.353 | NaN | NaN | 103.957 | NaN | NaN | NaN | NaN | NaN | 80.46 | NaN | 11052021 |
439 rows × 60 columns
revised_j_cov19 = j_cov19[37:]
revised_j_cov19
iso_code | continent | location | date | total_cases | new_cases | new_cases_smoothed | total_deaths | new_deaths | new_deaths_smoothed | total_cases_per_million | new_cases_per_million | new_cases_smoothed_per_million | total_deaths_per_million | new_deaths_per_million | new_deaths_smoothed_per_million | reproduction_rate | icu_patients | icu_patients_per_million | hosp_patients | hosp_patients_per_million | weekly_icu_admissions | weekly_icu_admissions_per_million | weekly_hosp_admissions | weekly_hosp_admissions_per_million | new_tests | total_tests | total_tests_per_thousand | new_tests_per_thousand | new_tests_smoothed | new_tests_smoothed_per_thousand | positive_rate | tests_per_case | tests_units | total_vaccinations | people_vaccinated | people_fully_vaccinated | new_vaccinations | new_vaccinations_smoothed | total_vaccinations_per_hundred | people_vaccinated_per_hundred | people_fully_vaccinated_per_hundred | new_vaccinations_smoothed_per_million | stringency_index | population | population_density | median_age | aged_65_older | aged_70_older | gdp_per_capita | extreme_poverty | cardiovasc_death_rate | diabetes_prevalence | female_smokers | male_smokers | handwashing_facilities | hospital_beds_per_thousand | life_expectancy | human_development_index | date_num | |
---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
40287 | JPN | Asia | Japan | 2020-02-28 | 236.0 | 18.0 | 17.714 | 5.0 | 1.0 | 0.429 | 1.866 | 0.142 | 0.140 | 0.040 | 0.008 | 0.003 | 1.08 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 130.0 | 1382.0 | 0.011 | 0.001 | 105.0 | 0.001 | 0.169 | 5.9 | people tested | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 34.26 | 126476458.0 | 347.778 | 48.2 | 27.049 | 18.493 | 39002.223 | NaN | 79.37 | 5.72 | 11.2 | 33.7 | NaN | 13.05 | 84.63 | 0.919 | 28022020 |
40288 | JPN | Asia | Japan | 2020-02-29 | 245.0 | 9.0 | 15.429 | 6.0 | 1.0 | 0.571 | 1.937 | 0.071 | 0.122 | 0.047 | 0.008 | 0.005 | 1.10 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 178.0 | 1560.0 | 0.012 | 0.001 | 116.0 | 0.001 | 0.133 | 7.5 | people tested | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 34.26 | 126476458.0 | 347.778 | 48.2 | 27.049 | 18.493 | 39002.223 | NaN | 79.37 | 5.72 | 11.2 | 33.7 | NaN | 13.05 | 84.63 | 0.919 | 29022020 |
40289 | JPN | Asia | Japan | 2020-03-01 | 259.0 | 14.0 | 15.714 | 6.0 | 0.0 | 0.571 | 2.048 | 0.111 | 0.124 | 0.047 | 0.000 | 0.005 | 1.21 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 96.0 | 1656.0 | 0.013 | 0.001 | 124.0 | 0.001 | 0.127 | 7.9 | people tested | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 34.26 | 126476458.0 | 347.778 | 48.2 | 27.049 | 18.493 | 39002.223 | NaN | 79.37 | 5.72 | 11.2 | 33.7 | NaN | 13.05 | 84.63 | 0.919 | 01032020 |
40290 | JPN | Asia | Japan | 2020-03-02 | 278.0 | 19.0 | 16.857 | 6.0 | 0.0 | 0.571 | 2.198 | 0.150 | 0.133 | 0.047 | 0.000 | 0.005 | 1.33 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 71.0 | 1727.0 | 0.014 | 0.001 | 120.0 | 0.001 | 0.140 | 7.1 | people tested | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 43.52 | 126476458.0 | 347.778 | 48.2 | 27.049 | 18.493 | 39002.223 | NaN | 79.37 | 5.72 | 11.2 | 33.7 | NaN | 13.05 | 84.63 | 0.919 | 02032020 |
40291 | JPN | Asia | Japan | 2020-03-03 | 298.0 | 20.0 | 17.857 | 6.0 | 0.0 | 0.429 | 2.356 | 0.158 | 0.141 | 0.047 | 0.000 | 0.003 | 1.41 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 153.0 | 1880.0 | 0.015 | 0.001 | 135.0 | 0.001 | 0.132 | 7.6 | people tested | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 43.52 | 126476458.0 | 347.778 | 48.2 | 27.049 | 18.493 | 39002.223 | NaN | 79.37 | 5.72 | 11.2 | 33.7 | NaN | 13.05 | 84.63 | 0.919 | 03032020 |
... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... |
40721 | JPN | Asia | Japan | 2021-05-07 | 628319.0 | 6046.0 | 5007.857 | 10712.0 | 146.0 | 73.286 | 4967.873 | 47.803 | 39.595 | 84.696 | 1.154 | 0.579 | 1.09 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 109758.0 | 11662329.0 | 92.209 | 0.868 | 63272.0 | 0.500 | 0.079 | 12.6 | people tested | NaN | NaN | NaN | NaN | 104216.0 | NaN | NaN | NaN | 824.0 | 49.07 | 126476458.0 | 347.778 | 48.2 | 27.049 | 18.493 | 39002.223 | NaN | 79.37 | 5.72 | 11.2 | 33.7 | NaN | 13.05 | 84.63 | 0.919 | 07052021 |
40722 | JPN | Asia | Japan | 2021-05-08 | 635568.0 | 7249.0 | 5187.857 | 10796.0 | 84.0 | 73.571 | 5025.188 | 57.315 | 41.018 | 85.360 | 0.664 | 0.582 | 1.14 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 71001.0 | 11733330.0 | 92.771 | 0.561 | 63654.0 | 0.503 | 0.082 | 12.3 | people tested | NaN | NaN | NaN | NaN | 107325.0 | NaN | NaN | NaN | 849.0 | NaN | 126476458.0 | 347.778 | 48.2 | 27.049 | 18.493 | 39002.223 | NaN | 79.37 | 5.72 | 11.2 | 33.7 | NaN | 13.05 | 84.63 | 0.919 | 08052021 |
40723 | JPN | Asia | Japan | 2021-05-09 | 642146.0 | 6578.0 | 5285.143 | 10860.0 | 64.0 | 74.000 | 5077.198 | 52.010 | 41.788 | 85.866 | 0.506 | 0.585 | 1.16 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 41338.0 | 11774668.0 | 93.098 | 0.327 | 64386.0 | 0.509 | 0.082 | 12.2 | people tested | 4436325.0 | 3277886.0 | 1158439.0 | NaN | 110435.0 | 3.51 | 2.59 | 0.92 | 873.0 | NaN | 126476458.0 | 347.778 | 48.2 | 27.049 | 18.493 | 39002.223 | NaN | 79.37 | 5.72 | 11.2 | 33.7 | NaN | 13.05 | 84.63 | 0.919 | 09052021 |
40724 | JPN | Asia | Japan | 2021-05-10 | 647003.0 | 4857.0 | 5339.714 | 10931.0 | 71.0 | 77.143 | 5115.600 | 38.402 | 42.219 | 86.427 | 0.561 | 0.610 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 130677.0 | 11905345.0 | 94.131 | 1.033 | 76742.0 | 0.607 | 0.070 | 14.4 | people tested | 4734029.0 | 3500968.0 | 1233061.0 | 297704.0 | 144699.0 | 3.74 | 2.77 | 0.97 | 1144.0 | NaN | 126476458.0 | 347.778 | 48.2 | 27.049 | 18.493 | 39002.223 | NaN | 79.37 | 5.72 | 11.2 | 33.7 | NaN | 13.05 | 84.63 | 0.919 | 10052021 |
40725 | JPN | Asia | Japan | 2021-05-11 | 653363.0 | 6360.0 | 5648.714 | 11045.0 | 114.0 | 86.286 | 5165.886 | 50.286 | 44.662 | 87.329 | 0.901 | 0.682 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 4994028.0 | 3674147.0 | 1319881.0 | 259999.0 | 173577.0 | 3.95 | 2.91 | 1.04 | 1372.0 | NaN | 126476458.0 | 347.778 | 48.2 | 27.049 | 18.493 | 39002.223 | NaN | 79.37 | 5.72 | 11.2 | 33.7 | NaN | 13.05 | 84.63 | 0.919 | 11052021 |
439 rows × 60 columns
revised_s_cov19 = s_cov19[27:]
revised_s_cov19
iso_code | continent | location | date | total_cases | new_cases | new_cases_smoothed | total_deaths | new_deaths | new_deaths_smoothed | total_cases_per_million | new_cases_per_million | new_cases_smoothed_per_million | total_deaths_per_million | new_deaths_per_million | new_deaths_smoothed_per_million | reproduction_rate | icu_patients | icu_patients_per_million | hosp_patients | hosp_patients_per_million | weekly_icu_admissions | weekly_icu_admissions_per_million | weekly_hosp_admissions | weekly_hosp_admissions_per_million | new_tests | total_tests | total_tests_per_thousand | new_tests_per_thousand | new_tests_smoothed | new_tests_smoothed_per_thousand | positive_rate | tests_per_case | tests_units | total_vaccinations | people_vaccinated | people_fully_vaccinated | new_vaccinations | new_vaccinations_smoothed | total_vaccinations_per_hundred | people_vaccinated_per_hundred | people_fully_vaccinated_per_hundred | new_vaccinations_smoothed_per_million | stringency_index | population | population_density | median_age | aged_65_older | aged_70_older | gdp_per_capita | extreme_poverty | cardiovasc_death_rate | diabetes_prevalence | female_smokers | male_smokers | handwashing_facilities | hospital_beds_per_thousand | life_expectancy | human_development_index | date_num | |
---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
76033 | SWE | Europe | Sweden | 2020-02-28 | 11.0 | 8.0 | 1.429 | NaN | NaN | 0.000 | 1.089 | 0.792 | 0.141 | NaN | NaN | 0.000 | NaN | 0.0 | 0.0 | 1.0 | 0.099 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 0.00 | 10099270.0 | 24.718 | 41.0 | 19.985 | 13.433 | 46949.283 | 0.5 | 133.982 | 4.79 | 18.8 | 18.9 | NaN | 2.22 | 82.8 | 0.945 | 28022020 |
76034 | SWE | Europe | Sweden | 2020-02-29 | 14.0 | 3.0 | 1.857 | NaN | NaN | 0.000 | 1.386 | 0.297 | 0.184 | NaN | NaN | 0.000 | NaN | 0.0 | 0.0 | 1.0 | 0.099 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 0.00 | 10099270.0 | 24.718 | 41.0 | 19.985 | 13.433 | 46949.283 | 0.5 | 133.982 | 4.79 | 18.8 | 18.9 | NaN | 2.22 | 82.8 | 0.945 | 29022020 |
76035 | SWE | Europe | Sweden | 2020-03-01 | 14.0 | 0.0 | 1.857 | NaN | NaN | 0.000 | 1.386 | 0.000 | 0.184 | NaN | NaN | 0.000 | NaN | 0.0 | 0.0 | 1.0 | 0.099 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 0.00 | 10099270.0 | 24.718 | 41.0 | 19.985 | 13.433 | 46949.283 | 0.5 | 133.982 | 4.79 | 18.8 | 18.9 | NaN | 2.22 | 82.8 | 0.945 | 01032020 |
76036 | SWE | Europe | Sweden | 2020-03-02 | 19.0 | 5.0 | 2.571 | NaN | NaN | 0.000 | 1.881 | 0.495 | 0.255 | NaN | NaN | 0.000 | NaN | 0.0 | 0.0 | 3.0 | 0.297 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 0.00 | 10099270.0 | 24.718 | 41.0 | 19.985 | 13.433 | 46949.283 | 0.5 | 133.982 | 4.79 | 18.8 | 18.9 | NaN | 2.22 | 82.8 | 0.945 | 02032020 |
76037 | SWE | Europe | Sweden | 2020-03-03 | 32.0 | 13.0 | 4.429 | NaN | NaN | 0.000 | 3.169 | 1.287 | 0.439 | NaN | NaN | 0.000 | NaN | 0.0 | 0.0 | 3.0 | 0.297 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 0.00 | 10099270.0 | 24.718 | 41.0 | 19.985 | 13.433 | 46949.283 | 0.5 | 133.982 | 4.79 | 18.8 | 18.9 | NaN | 2.22 | 82.8 | 0.945 | 03032020 |
... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... |
76467 | SWE | Europe | Sweden | 2021-05-07 | 1007792.0 | 5671.0 | 4884.000 | 14173.0 | 15.0 | 17.857 | 99788.599 | 561.526 | 483.599 | 1403.369 | 1.485 | 1.768 | 1.06 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 3679451.0 | 2852689.0 | 826762.0 | 115842.0 | 44725.0 | 36.43 | 28.25 | 8.19 | 4429.0 | 65.74 | 10099270.0 | 24.718 | 41.0 | 19.985 | 13.433 | 46949.283 | 0.5 | 133.982 | 4.79 | 18.8 | 18.9 | NaN | 2.22 | 82.8 | 0.945 | 07052021 |
76468 | SWE | Europe | Sweden | 2021-05-08 | 1007792.0 | 0.0 | 4884.000 | 14173.0 | 0.0 | 17.857 | 99788.599 | 0.000 | 483.599 | 1403.369 | 0.000 | 1.768 | 1.06 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 45393.0 | NaN | NaN | NaN | 4495.0 | NaN | 10099270.0 | 24.718 | 41.0 | 19.985 | 13.433 | 46949.283 | 0.5 | 133.982 | 4.79 | 18.8 | 18.9 | NaN | 2.22 | 82.8 | 0.945 | 08052021 |
76469 | SWE | Europe | Sweden | 2021-05-09 | 1007792.0 | 0.0 | 4884.000 | 14173.0 | 0.0 | 17.857 | 99788.599 | 0.000 | 483.599 | 1403.369 | 0.000 | 1.768 | 1.06 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 46061.0 | NaN | NaN | NaN | 4561.0 | NaN | 10099270.0 | 24.718 | 41.0 | 19.985 | 13.433 | 46949.283 | 0.5 | 133.982 | 4.79 | 18.8 | 18.9 | NaN | 2.22 | 82.8 | 0.945 | 09052021 |
76470 | SWE | Europe | Sweden | 2021-05-10 | 1007792.0 | 0.0 | 4884.000 | 14173.0 | 0.0 | 17.857 | 99788.599 | 0.000 | 483.599 | 1403.369 | 0.000 | 1.768 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 55789.0 | NaN | NaN | NaN | 5524.0 | NaN | 10099270.0 | 24.718 | 41.0 | 19.985 | 13.433 | 46949.283 | 0.5 | 133.982 | 4.79 | 18.8 | 18.9 | NaN | 2.22 | 82.8 | 0.945 | 10052021 |
76471 | SWE | Europe | Sweden | 2021-05-11 | 1021604.0 | 13812.0 | 4721.429 | 14217.0 | 44.0 | 18.000 | 101156.222 | 1367.624 | 467.502 | 1407.726 | 4.357 | 1.782 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 3909862.0 | 3026101.0 | 883761.0 | NaN | 65518.0 | 38.71 | 29.96 | 8.75 | 6487.0 | NaN | 10099270.0 | 24.718 | 41.0 | 19.985 | 13.433 | 46949.283 | 0.5 | 133.982 | 4.79 | 18.8 | 18.9 | NaN | 2.22 | 82.8 | 0.945 | 11052021 |
439 rows × 60 columns
revised_d_cov19 = d_cov19[26:]
revised_d_cov19
iso_code | continent | location | date | total_cases | new_cases | new_cases_smoothed | total_deaths | new_deaths | new_deaths_smoothed | total_cases_per_million | new_cases_per_million | new_cases_smoothed_per_million | total_deaths_per_million | new_deaths_per_million | new_deaths_smoothed_per_million | reproduction_rate | icu_patients | icu_patients_per_million | hosp_patients | hosp_patients_per_million | weekly_icu_admissions | weekly_icu_admissions_per_million | weekly_hosp_admissions | weekly_hosp_admissions_per_million | new_tests | total_tests | total_tests_per_thousand | new_tests_per_thousand | new_tests_smoothed | new_tests_smoothed_per_thousand | positive_rate | tests_per_case | tests_units | total_vaccinations | people_vaccinated | people_fully_vaccinated | new_vaccinations | new_vaccinations_smoothed | total_vaccinations_per_hundred | people_vaccinated_per_hundred | people_fully_vaccinated_per_hundred | new_vaccinations_smoothed_per_million | stringency_index | population | population_density | median_age | aged_65_older | aged_70_older | gdp_per_capita | extreme_poverty | cardiovasc_death_rate | diabetes_prevalence | female_smokers | male_smokers | handwashing_facilities | hospital_beds_per_thousand | life_expectancy | human_development_index | date_num | |
---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
21363 | DNK | Europe | Denmark | 2020-02-28 | 1.0 | 0.0 | NaN | NaN | NaN | NaN | 0.173 | 0.000 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 62.0 | 220.0 | 0.038 | 0.011 | 30.0 | 0.005 | NaN | NaN | tests performed | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 11.11 | 5792203.0 | 136.52 | 42.3 | 19.677 | 12.325 | 46682.515 | 0.2 | 114.767 | 6.41 | 19.3 | 18.8 | NaN | 2.5 | 80.9 | 0.94 | 28022020 |
21364 | DNK | Europe | Denmark | 2020-02-29 | 3.0 | 2.0 | NaN | NaN | NaN | NaN | 0.518 | 0.345 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 74.0 | 294.0 | 0.051 | 0.013 | 41.0 | 0.007 | NaN | NaN | tests performed | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 11.11 | 5792203.0 | 136.52 | 42.3 | 19.677 | 12.325 | 46682.515 | 0.2 | 114.767 | 6.41 | 19.3 | 18.8 | NaN | 2.5 | 80.9 | 0.94 | 29022020 |
21365 | DNK | Europe | Denmark | 2020-03-01 | 4.0 | 1.0 | NaN | NaN | NaN | NaN | 0.691 | 0.173 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 0.995 | 0.172 | 49.0 | 343.0 | 0.059 | 0.008 | 47.0 | 0.008 | NaN | NaN | tests performed | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 11.11 | 5792203.0 | 136.52 | 42.3 | 19.677 | 12.325 | 46682.515 | 0.2 | 114.767 | 6.41 | 19.3 | 18.8 | NaN | 2.5 | 80.9 | 0.94 | 01032020 |
21366 | DNK | Europe | Denmark | 2020-03-02 | 4.0 | 0.0 | NaN | NaN | NaN | NaN | 0.691 | 0.000 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 80.0 | 423.0 | 0.073 | 0.014 | 58.0 | 0.010 | NaN | NaN | tests performed | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 11.11 | 5792203.0 | 136.52 | 42.3 | 19.677 | 12.325 | 46682.515 | 0.2 | 114.767 | 6.41 | 19.3 | 18.8 | NaN | 2.5 | 80.9 | 0.94 | 02032020 |
21367 | DNK | Europe | Denmark | 2020-03-03 | 6.0 | 2.0 | 0.857 | NaN | NaN | 0.000 | 1.036 | 0.345 | 0.148 | NaN | NaN | 0.000 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 63.0 | 486.0 | 0.084 | 0.011 | 67.0 | 0.012 | 0.013 | 78.2 | tests performed | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 20.37 | 5792203.0 | 136.52 | 42.3 | 19.677 | 12.325 | 46682.515 | 0.2 | 114.767 | 6.41 | 19.3 | 18.8 | NaN | 2.5 | 80.9 | 0.94 | 03032020 |
... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... |
21797 | DNK | Europe | Denmark | 2021-05-07 | 258204.0 | 1023.0 | 993.571 | 2496.0 | 2.0 | 1.714 | 44577.858 | 176.617 | 171.536 | 430.924 | 0.345 | 0.296 | 1.19 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 2299112.0 | 1479690.0 | 819422.0 | 40969.0 | 43762.0 | 39.69 | 25.55 | 14.15 | 7555.0 | 53.70 | 5792203.0 | 136.52 | 42.3 | 19.677 | 12.325 | 46682.515 | 0.2 | 114.767 | 6.41 | 19.3 | 18.8 | NaN | 2.5 | 80.9 | 0.94 | 07052021 |
21798 | DNK | Europe | Denmark | 2021-05-08 | 258881.0 | 677.0 | 877.286 | 2498.0 | 2.0 | 1.143 | 44694.739 | 116.881 | 151.460 | 431.269 | 0.345 | 0.197 | 1.16 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 2339366.0 | 1489085.0 | 850281.0 | 40254.0 | 47601.0 | 40.39 | 25.71 | 14.68 | 8218.0 | NaN | 5792203.0 | 136.52 | 42.3 | 19.677 | 12.325 | 46682.515 | 0.2 | 114.767 | 6.41 | 19.3 | 18.8 | NaN | 2.5 | 80.9 | 0.94 | 08052021 |
21799 | DNK | Europe | Denmark | 2021-05-09 | 259755.0 | 874.0 | 878.286 | 2498.0 | 0.0 | 1.000 | 44845.631 | 150.893 | 151.632 | 431.269 | 0.000 | 0.173 | 1.15 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 2371969.0 | 1504980.0 | 866989.0 | 32603.0 | 47912.0 | 40.95 | 25.98 | 14.97 | 8272.0 | NaN | 5792203.0 | 136.52 | 42.3 | 19.677 | 12.325 | 46682.515 | 0.2 | 114.767 | 6.41 | 19.3 | 18.8 | NaN | 2.5 | 80.9 | 0.94 | 09052021 |
21800 | DNK | Europe | Denmark | 2021-05-10 | 260687.0 | 932.0 | 902.714 | 2498.0 | 0.0 | 1.000 | 45006.537 | 160.906 | 155.850 | 431.269 | 0.000 | 0.173 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 2434266.0 | 1531336.0 | 902930.0 | 62297.0 | 47349.0 | 42.03 | 26.44 | 15.59 | 8175.0 | NaN | 5792203.0 | 136.52 | 42.3 | 19.677 | 12.325 | 46682.515 | 0.2 | 114.767 | 6.41 | 19.3 | 18.8 | NaN | 2.5 | 80.9 | 0.94 | 10052021 |
21801 | DNK | Europe | Denmark | 2021-05-11 | 261613.0 | 926.0 | 919.286 | 2500.0 | 2.0 | 1.143 | 45166.407 | 159.870 | 158.711 | 431.615 | 0.345 | 0.197 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 5792203.0 | 136.52 | 42.3 | 19.677 | 12.325 | 46682.515 | 0.2 | 114.767 | 6.41 | 19.3 | 18.8 | NaN | 2.5 | 80.9 | 0.94 | 11052021 |
439 rows × 60 columns
revised_sa_cov19 = sa_cov19[21:]
revised_sa_cov19
iso_code | continent | location | date | total_cases | new_cases | new_cases_smoothed | total_deaths | new_deaths | new_deaths_smoothed | total_cases_per_million | new_cases_per_million | new_cases_smoothed_per_million | total_deaths_per_million | new_deaths_per_million | new_deaths_smoothed_per_million | reproduction_rate | icu_patients | icu_patients_per_million | hosp_patients | hosp_patients_per_million | weekly_icu_admissions | weekly_icu_admissions_per_million | weekly_hosp_admissions | weekly_hosp_admissions_per_million | new_tests | total_tests | total_tests_per_thousand | new_tests_per_thousand | new_tests_smoothed | new_tests_smoothed_per_thousand | positive_rate | tests_per_case | tests_units | total_vaccinations | people_vaccinated | people_fully_vaccinated | new_vaccinations | new_vaccinations_smoothed | total_vaccinations_per_hundred | people_vaccinated_per_hundred | people_fully_vaccinated_per_hundred | new_vaccinations_smoothed_per_million | stringency_index | population | population_density | median_age | aged_65_older | aged_70_older | gdp_per_capita | extreme_poverty | cardiovasc_death_rate | diabetes_prevalence | female_smokers | male_smokers | handwashing_facilities | hospital_beds_per_thousand | life_expectancy | human_development_index | date_num | |
---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
72456 | ZAF | Africa | South Africa | 2020-02-28 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 4.0 | 0.000 | NaN | NaN | people tested | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 2.78 | 59308690.0 | 46.754 | 27.3 | 5.344 | 3.053 | 12294.876 | 18.9 | 200.38 | 5.52 | 8.1 | 33.2 | 43.993 | 2.32 | 64.13 | 0.709 | 28022020 |
72457 | ZAF | Africa | South Africa | 2020-02-29 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 5.0 | 0.000 | NaN | NaN | people tested | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 2.78 | 59308690.0 | 46.754 | 27.3 | 5.344 | 3.053 | 12294.876 | 18.9 | 200.38 | 5.52 | 8.1 | 33.2 | 43.993 | 2.32 | 64.13 | 0.709 | 29022020 |
72458 | ZAF | Africa | South Africa | 2020-03-01 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 6.0 | 0.000 | NaN | NaN | people tested | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 2.78 | 59308690.0 | 46.754 | 27.3 | 5.344 | 3.053 | 12294.876 | 18.9 | 200.38 | 5.52 | 8.1 | 33.2 | 43.993 | 2.32 | 64.13 | 0.709 | 01032020 |
72459 | ZAF | Africa | South Africa | 2020-03-02 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 160.0 | 0.003 | NaN | 6.0 | 0.000 | NaN | NaN | people tested | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 2.78 | 59308690.0 | 46.754 | 27.3 | 5.344 | 3.053 | 12294.876 | 18.9 | 200.38 | 5.52 | 8.1 | 33.2 | 43.993 | 2.32 | 64.13 | 0.709 | 02032020 |
72460 | ZAF | Africa | South Africa | 2020-03-03 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 4.0 | 164.0 | 0.003 | 0.000 | 6.0 | 0.000 | NaN | NaN | people tested | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 2.78 | 59308690.0 | 46.754 | 27.3 | 5.344 | 3.053 | 12294.876 | 18.9 | 200.38 | 5.52 | 8.1 | 33.2 | 43.993 | 2.32 | 64.13 | 0.709 | 03032020 |
... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... |
72890 | ZAF | Africa | South Africa | 2021-05-07 | 1592626.0 | 2256.0 | 1630.857 | 54687.0 | 67.0 | 48.143 | 26853.164 | 38.038 | 27.498 | 922.074 | 1.130 | 0.812 | 1.29 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 25934.0 | 10831738.0 | 182.633 | 0.437 | 25267.0 | 0.426 | 0.065 | 15.5 | people tested | 381171.0 | 381171.0 | 381171.0 | NaN | 9074.0 | 0.64 | 0.64 | 0.64 | 153.0 | 43.52 | 59308690.0 | 46.754 | 27.3 | 5.344 | 3.053 | 12294.876 | 18.9 | 200.38 | 5.52 | 8.1 | 33.2 | 43.993 | 2.32 | 64.13 | 0.709 | 07052021 |
72891 | ZAF | Africa | South Africa | 2021-05-08 | 1592626.0 | 0.0 | 1397.714 | 54687.0 | 0.0 | 40.143 | 26853.164 | 0.000 | 23.567 | 922.074 | 0.000 | 0.677 | 1.32 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 29873.0 | 10861611.0 | 183.137 | 0.504 | 25541.0 | 0.431 | 0.055 | 18.3 | people tested | 382480.0 | 382480.0 | 382480.0 | 1309.0 | 9116.0 | 0.64 | 0.64 | 0.64 | 154.0 | 43.52 | 59308690.0 | 46.754 | 27.3 | 5.344 | 3.053 | 12294.876 | 18.9 | 200.38 | 5.52 | 8.1 | 33.2 | 43.993 | 2.32 | 64.13 | 0.709 | 08052021 |
72892 | ZAF | Africa | South Africa | 2021-05-09 | 1596595.0 | 3969.0 | 1790.143 | 54735.0 | 48.0 | 45.429 | 26920.085 | 66.921 | 30.183 | 922.883 | 0.809 | 0.766 | 1.46 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 26098.0 | 10887709.0 | 183.577 | 0.440 | 26955.0 | 0.454 | 0.066 | 15.1 | people tested | NaN | NaN | NaN | NaN | 9282.0 | NaN | NaN | NaN | 157.0 | 43.52 | 59308690.0 | 46.754 | 27.3 | 5.344 | 3.053 | 12294.876 | 18.9 | 200.38 | 5.52 | 8.1 | 33.2 | 43.993 | 2.32 | 64.13 | 0.709 | 09052021 |
72893 | ZAF | Africa | South Africa | 2021-05-10 | 1597724.0 | 1129.0 | 1823.286 | 54825.0 | 90.0 | 53.286 | 26939.121 | 19.036 | 30.742 | 924.401 | 1.517 | 0.898 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 18311.0 | 10906020.0 | 183.886 | 0.309 | 27178.0 | 0.458 | 0.067 | 14.9 | people tested | 395230.0 | 395230.0 | 395230.0 | NaN | 9447.0 | 0.67 | 0.67 | 0.67 | 159.0 | 43.52 | 59308690.0 | 46.754 | 27.3 | 5.344 | 3.053 | 12294.876 | 18.9 | 200.38 | 5.52 | 8.1 | 33.2 | 43.993 | 2.32 | 64.13 | 0.709 | 10052021 |
72894 | ZAF | Africa | South Africa | 2021-05-11 | 1599272.0 | 1548.0 | 1874.857 | 54896.0 | 71.0 | 55.000 | 26965.222 | 26.101 | 31.612 | 925.598 | 1.197 | 0.927 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 414372.0 | 414372.0 | 414372.0 | 19142.0 | 8742.0 | 0.70 | 0.70 | 0.70 | 147.0 | NaN | 59308690.0 | 46.754 | 27.3 | 5.344 | 3.053 | 12294.876 | 18.9 | 200.38 | 5.52 | 8.1 | 33.2 | 43.993 | 2.32 | 64.13 | 0.709 | 11052021 |
439 rows × 60 columns
revised_a_cov19 = a_cov19[33:]
revised_a_cov19
iso_code | continent | location | date | total_cases | new_cases | new_cases_smoothed | total_deaths | new_deaths | new_deaths_smoothed | total_cases_per_million | new_cases_per_million | new_cases_smoothed_per_million | total_deaths_per_million | new_deaths_per_million | new_deaths_smoothed_per_million | reproduction_rate | icu_patients | icu_patients_per_million | hosp_patients | hosp_patients_per_million | weekly_icu_admissions | weekly_icu_admissions_per_million | weekly_hosp_admissions | weekly_hosp_admissions_per_million | new_tests | total_tests | total_tests_per_thousand | new_tests_per_thousand | new_tests_smoothed | new_tests_smoothed_per_thousand | positive_rate | tests_per_case | tests_units | total_vaccinations | people_vaccinated | people_fully_vaccinated | new_vaccinations | new_vaccinations_smoothed | total_vaccinations_per_hundred | people_vaccinated_per_hundred | people_fully_vaccinated_per_hundred | new_vaccinations_smoothed_per_million | stringency_index | population | population_density | median_age | aged_65_older | aged_70_older | gdp_per_capita | extreme_poverty | cardiovasc_death_rate | diabetes_prevalence | female_smokers | male_smokers | handwashing_facilities | hospital_beds_per_thousand | life_expectancy | human_development_index | date_num | |
---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
4625 | AUS | Oceania | Australia | 2020-02-28 | 15.0 | 0.0 | 0.000 | NaN | NaN | 0.000 | 0.588 | 0.000 | 0.000 | NaN | NaN | 0.000 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 19.44 | 25499881.0 | 3.202 | 37.9 | 15.504 | 10.129 | 44648.71 | 0.5 | 107.791 | 5.07 | 13.0 | 16.5 | NaN | 3.84 | 83.44 | 0.944 | 28022020 |
4626 | AUS | Oceania | Australia | 2020-02-29 | 25.0 | 10.0 | 1.429 | NaN | NaN | 0.000 | 0.980 | 0.392 | 0.056 | NaN | NaN | 0.000 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 19.44 | 25499881.0 | 3.202 | 37.9 | 15.504 | 10.129 | 44648.71 | 0.5 | 107.791 | 5.07 | 13.0 | 16.5 | NaN | 3.84 | 83.44 | 0.944 | 29022020 |
4627 | AUS | Oceania | Australia | 2020-03-01 | 27.0 | 2.0 | 1.714 | 1.0 | 1.0 | 0.143 | 1.059 | 0.078 | 0.067 | 0.039 | 0.039 | 0.006 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 19.44 | 25499881.0 | 3.202 | 37.9 | 15.504 | 10.129 | 44648.71 | 0.5 | 107.791 | 5.07 | 13.0 | 16.5 | NaN | 3.84 | 83.44 | 0.944 | 01032020 |
4628 | AUS | Oceania | Australia | 2020-03-02 | 30.0 | 3.0 | 2.143 | 1.0 | 0.0 | 0.143 | 1.176 | 0.118 | 0.084 | 0.039 | 0.000 | 0.006 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 19.44 | 25499881.0 | 3.202 | 37.9 | 15.504 | 10.129 | 44648.71 | 0.5 | 107.791 | 5.07 | 13.0 | 16.5 | NaN | 3.84 | 83.44 | 0.944 | 02032020 |
4629 | AUS | Oceania | Australia | 2020-03-03 | 39.0 | 9.0 | 3.429 | 1.0 | 0.0 | 0.143 | 1.529 | 0.353 | 0.134 | 0.039 | 0.000 | 0.006 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 19.44 | 25499881.0 | 3.202 | 37.9 | 15.504 | 10.129 | 44648.71 | 0.5 | 107.791 | 5.07 | 13.0 | 16.5 | NaN | 3.84 | 83.44 | 0.944 | 03032020 |
... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... |
5059 | AUS | Oceania | Australia | 2021-05-07 | 29906.0 | 13.0 | 13.571 | 910.0 | 0.0 | 0.000 | 1172.790 | 0.510 | 0.532 | 35.686 | 0.000 | 0.000 | 0.85 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 42027.0 | 1.648 | 0.0 | 3096.8 | tests performed | 2554531.0 | NaN | NaN | 81002.0 | 53570.0 | 10.02 | NaN | NaN | 2101.0 | 48.61 | 25499881.0 | 3.202 | 37.9 | 15.504 | 10.129 | 44648.71 | 0.5 | 107.791 | 5.07 | 13.0 | 16.5 | NaN | 3.84 | 83.44 | 0.944 | 07052021 |
5060 | AUS | Oceania | Australia | 2021-05-08 | 29922.0 | 16.0 | 14.000 | 910.0 | 0.0 | 0.000 | 1173.417 | 0.627 | 0.549 | 35.686 | 0.000 | 0.000 | 0.87 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 43439.0 | 1.703 | 0.0 | 3102.8 | tests performed | 2627725.0 | NaN | NaN | 73194.0 | 56126.0 | 10.30 | NaN | NaN | 2201.0 | NaN | 25499881.0 | 3.202 | 37.9 | 15.504 | 10.129 | 44648.71 | 0.5 | 107.791 | 5.07 | 13.0 | 16.5 | NaN | 3.84 | 83.44 | 0.944 | 08052021 |
5061 | AUS | Oceania | Australia | 2021-05-09 | 29931.0 | 9.0 | 13.286 | 910.0 | 0.0 | 0.000 | 1173.770 | 0.353 | 0.521 | 35.686 | 0.000 | 0.000 | 0.86 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 17221109.0 | 675.341 | NaN | 44851.0 | 1.759 | 0.0 | 3375.8 | tests performed | 2654338.0 | NaN | NaN | 26613.0 | 57181.0 | 10.41 | NaN | NaN | 2242.0 | NaN | 25499881.0 | 3.202 | 37.9 | 15.504 | 10.129 | 44648.71 | 0.5 | 107.791 | 5.07 | 13.0 | 16.5 | NaN | 3.84 | 83.44 | 0.944 | 09052021 |
5062 | AUS | Oceania | Australia | 2021-05-10 | 29938.0 | 7.0 | 12.571 | 910.0 | 0.0 | 0.000 | 1174.045 | 0.275 | 0.493 | 35.686 | 0.000 | 0.000 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 38739.0 | 17259848.0 | 676.860 | 1.519 | 44805.0 | 1.757 | 0.0 | 3564.2 | tests performed | 2663221.0 | NaN | NaN | 8883.0 | 57515.0 | 10.44 | NaN | NaN | 2256.0 | NaN | 25499881.0 | 3.202 | 37.9 | 15.504 | 10.129 | 44648.71 | 0.5 | 107.791 | 5.07 | 13.0 | 16.5 | NaN | 3.84 | 83.44 | 0.944 | 10052021 |
5063 | AUS | Oceania | Australia | 2021-05-11 | 29946.0 | 8.0 | 11.571 | 910.0 | 0.0 | 0.000 | 1174.358 | 0.314 | 0.454 | 35.686 | 0.000 | 0.000 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 2736107.0 | NaN | NaN | 72886.0 | 59877.0 | 10.73 | NaN | NaN | 2348.0 | NaN | 25499881.0 | 3.202 | 37.9 | 15.504 | 10.129 | 44648.71 | 0.5 | 107.791 | 5.07 | 13.0 | 16.5 | NaN | 3.84 | 83.44 | 0.944 | 11052021 |
439 rows × 60 columns
revised_uk_cov19.new_cases_per_million.shape, revised_us_cov19.new_cases_per_million.shape, revised_uk_cov19.new_deaths_per_million.shape, revised_us_cov19.new_deaths_per_million.shape
((439,), (439,), (439,), (439,))
date = revised_uk_cov19.date.values
uk_new_case_per_million = revised_uk_cov19.new_cases_per_million
uk_new_death_per_million = revised_uk_cov19.new_deaths_per_million
us_new_case_per_million = revised_us_cov19.new_cases_per_million
us_new_death_per_million = revised_us_cov19.new_deaths_per_million
date = revised_fr_cov19.date.values
fr_new_case_per_million = revised_fr_cov19.new_cases_per_million
fr_new_death_per_million = revised_fr_cov19.new_deaths_per_million
date = revised_it_cov19.date.values
it_new_case_per_million = revised_it_cov19.new_cases_per_million
it_new_death_per_million = revised_it_cov19.new_deaths_per_million
br_new_case_per_million = revised_br_cov19.new_cases_per_million
br_new_death_per_million = revised_br_cov19.new_deaths_per_million
p_new_case_per_million = revised_p_cov19.new_cases_per_million
p_new_death_per_million = revised_p_cov19.new_deaths_per_million
sp_new_case_per_million = revised_sp_cov19.new_cases_per_million
sp_new_death_per_million = revised_sp_cov19.new_deaths_per_million
c_new_case_per_million = revised_c_cov19.new_cases_per_million
c_new_death_per_million = revised_c_cov19.new_deaths_per_million
i_new_case_per_million = revised_i_cov19.new_cases_per_million
i_new_death_per_million = revised_i_cov19.new_deaths_per_million
t_new_case_per_million = revised_t_cov19.new_cases_per_million
t_new_death_per_million = revised_t_cov19.new_deaths_per_million
j_new_case_per_million = revised_j_cov19.new_cases_per_million
j_new_death_per_million = revised_j_cov19.new_deaths_per_million
sa_new_case_per_million = revised_sa_cov19.new_cases_per_million
sa_new_death_per_million = revised_sa_cov19.new_deaths_per_million
n_new_case_per_million = n_cov19.new_cases_per_million
n_new_death_per_million = n_cov19.new_deaths_per_million
nz_new_case_per_million = nz_cov19.new_cases_per_million
nz_new_death_per_million = nz_cov19.new_deaths_per_million
a_new_case_per_million = revised_a_cov19.new_cases_per_million
a_new_death_per_million = revised_a_cov19.new_deaths_per_million
s_new_case_per_million = revised_s_cov19.new_cases_per_million
s_new_death_per_million = revised_s_cov19.new_deaths_per_million
d_new_case_per_million = revised_d_cov19.new_cases_per_million
d_new_death_per_million = revised_d_cov19.new_deaths_per_million
uk_compare = pd.DataFrame({'date': date,'uk_new_cse_pr_million': uk_new_case_per_million, 'uk_new_dth_pr_million': uk_new_death_per_million})
uk_compare
date | uk_new_cse_pr_million | uk_new_dth_pr_million | |
---|---|---|---|
82704 | 2020-02-28 | 0.177 | NaN |
82705 | 2020-02-29 | 0.074 | NaN |
82706 | 2020-03-01 | 0.486 | NaN |
82707 | 2020-03-02 | 0.589 | NaN |
82708 | 2020-03-03 | 0.810 | NaN |
... | ... | ... | ... |
83138 | 2021-05-07 | 36.679 | 0.221 |
83139 | 2021-05-08 | 30.286 | 0.074 |
83140 | 2021-05-09 | 26.073 | 0.029 |
83141 | 2021-05-10 | 35.029 | 0.074 |
83142 | 2021-05-11 | 36.679 | 0.295 |
439 rows × 3 columns
us_compare = pd.DataFrame({'date': date,'us_new_cse_pr_million': us_new_case_per_million, 'us_new_dth_pr_million': us_new_death_per_million})
us_compare
date | us_new_cse_pr_million | us_new_dth_pr_million | |
---|---|---|---|
83180 | 2020-02-28 | 0.000 | NaN |
83181 | 2020-02-29 | 0.024 | 0.003 |
83182 | 2020-03-01 | 0.021 | 0.000 |
83183 | 2020-03-02 | 0.069 | 0.015 |
83184 | 2020-03-03 | 0.057 | 0.003 |
... | ... | ... | ... |
83614 | 2021-05-07 | 142.866 | 2.275 |
83615 | 2021-05-08 | 104.208 | 1.858 |
83616 | 2021-05-09 | 64.628 | 0.719 |
83617 | 2021-05-10 | 111.473 | 1.205 |
83618 | 2021-05-11 | 101.664 | 2.066 |
439 rows × 3 columns
fr_compare = pd.DataFrame({'date': date,'fr_new_cse_pr_million': fr_new_case_per_million, 'fr_new_dth_pr_million': fr_new_death_per_million})
fr_compare
date | fr_new_cse_pr_million | fr_new_dth_pr_million | |
---|---|---|---|
28627 | 2020-02-28 | 0.281 | 0.000 |
28628 | 2020-02-29 | 0.636 | 0.000 |
28629 | 2020-03-01 | 0.444 | 0.000 |
28630 | 2020-03-02 | 0.903 | 0.015 |
28631 | 2020-03-03 | 0.311 | 0.015 |
... | ... | ... | ... |
29061 | 2021-05-07 | 283.256 | 3.715 |
29062 | 2021-05-08 | 307.041 | 2.605 |
29063 | 2021-05-09 | 135.101 | 1.702 |
29064 | 2021-05-10 | 48.828 | 4.322 |
29065 | 2021-05-11 | 292.921 | 3.715 |
439 rows × 3 columns
it_compare = pd.DataFrame({'date': date,'it_new_cse_pr_million': it_new_case_per_million, 'it_new_dth_pr_million': it_new_death_per_million})
it_compare
date | it_new_cse_pr_million | it_new_dth_pr_million | |
---|---|---|---|
39384 | 2020-02-28 | 3.854 | 0.066 |
39385 | 2020-02-29 | 3.969 | 0.132 |
39386 | 2020-03-01 | 9.361 | 0.083 |
39387 | 2020-03-02 | 5.656 | 0.298 |
39388 | 2020-03-03 | 7.707 | 0.447 |
... | ... | ... | ... |
39818 | 2021-05-07 | 174.474 | 3.424 |
39819 | 2021-05-08 | 168.271 | 3.705 |
39820 | 2021-05-09 | 137.095 | 2.299 |
39821 | 2021-05-10 | 83.970 | 3.275 |
39822 | 2021-05-11 | 114.833 | 4.151 |
439 rows × 3 columns
br_compare = pd.DataFrame({'date': date,'br_new_cse_pr_million': br_new_case_per_million, 'br_new_dth_pr_million': br_new_death_per_million})
br_compare
date | br_new_cse_pr_million | br_new_dth_pr_million | |
---|---|---|---|
11218 | 2020-02-28 | 0.000 | NaN |
11219 | 2020-02-29 | 0.005 | NaN |
11220 | 2020-03-01 | 0.000 | NaN |
11221 | 2020-03-02 | 0.000 | NaN |
11222 | 2020-03-03 | 0.000 | NaN |
... | ... | ... | ... |
11652 | 2021-05-07 | 371.124 | 10.185 |
11653 | 2021-05-08 | 298.411 | 10.359 |
11654 | 2021-05-09 | 183.059 | 4.817 |
11655 | 2021-05-10 | 118.555 | 4.182 |
11656 | 2021-05-11 | 342.093 | 10.872 |
439 rows × 3 columns
p_compare = pd.DataFrame({'date': date,'p_new_cse_pr_million': p_new_case_per_million, 'p_new_dth_pr_million': p_new_death_per_million})
p_compare
date | p_new_cse_pr_million | p_new_dth_pr_million | |
---|---|---|---|
63730 | 2020-02-28 | NaN | NaN |
63731 | 2020-02-29 | NaN | NaN |
63732 | 2020-03-01 | NaN | NaN |
63733 | 2020-03-02 | 0.196 | NaN |
63734 | 2020-03-03 | 0.000 | NaN |
... | ... | ... | ... |
64164 | 2021-05-07 | 36.973 | 0.098 |
64165 | 2021-05-08 | 39.817 | 0.196 |
64166 | 2021-05-09 | 31.775 | 0.098 |
64167 | 2021-05-10 | 15.495 | 0.098 |
64168 | 2021-05-11 | 26.283 | 0.098 |
439 rows × 3 columns
sp_compare = pd.DataFrame({'date': date,'sp_new_cse_pr_million': sp_new_case_per_million, 'sp_new_dth_pr_million': sp_new_death_per_million})
sp_compare
date | sp_new_cse_pr_million | sp_new_dth_pr_million | |
---|---|---|---|
74246 | 2020-02-28 | 0.364 | NaN |
74247 | 2020-02-29 | 0.278 | NaN |
74248 | 2020-03-01 | 0.834 | NaN |
74249 | 2020-03-02 | 0.770 | NaN |
74250 | 2020-03-03 | 0.962 | 0.021 |
... | ... | ... | ... |
74680 | 2021-05-07 | 175.084 | 1.412 |
74681 | 2021-05-08 | 0.000 | 0.000 |
74682 | 2021-05-09 | 0.000 | 0.000 |
74683 | 2021-05-10 | 299.092 | 2.203 |
74684 | 2021-05-11 | 105.679 | 4.385 |
439 rows × 3 columns
i_compare = pd.DataFrame({'date': date,'i_new_cse_pr_million': i_new_case_per_million, 'i_new_dth_pr_million': i_new_death_per_million})
i_compare
date | i_new_cse_pr_million | i_new_dth_pr_million | |
---|---|---|---|
36129 | 2020-02-28 | 0.000 | NaN |
36130 | 2020-02-29 | 0.000 | NaN |
36131 | 2020-03-01 | 0.000 | NaN |
36132 | 2020-03-02 | 0.001 | NaN |
36133 | 2020-03-03 | 0.000 | NaN |
... | ... | ... | ... |
36563 | 2021-05-07 | 290.635 | 3.034 |
36564 | 2021-05-08 | 292.322 | 2.954 |
36565 | 2021-05-09 | 265.575 | 2.731 |
36566 | 2021-05-10 | 239.088 | 2.809 |
36567 | 2021-05-11 | 252.478 | 3.047 |
439 rows × 3 columns
c_compare = pd.DataFrame({'date': date,'c_new_cse_pr_million': c_new_case_per_million, 'c_new_dth_pr_million': c_new_death_per_million})
c_compare
date | c_new_cse_pr_million | c_new_dth_pr_million | |
---|---|---|---|
16600 | 2020-02-28 | 0.228 | 0.031 |
16601 | 2020-02-29 | 0.297 | 0.033 |
16602 | 2020-03-01 | 0.400 | 0.024 |
16603 | 2020-03-02 | 0.142 | 0.029 |
16604 | 2020-03-03 | 0.087 | 0.023 |
... | ... | ... | ... |
17034 | 2021-05-07 | 0.007 | 0.000 |
17035 | 2021-05-08 | 0.012 | 0.000 |
17036 | 2021-05-09 | 0.008 | 0.000 |
17037 | 2021-05-10 | 0.013 | 0.000 |
17038 | 2021-05-11 | 0.012 | 0.000 |
439 rows × 3 columns
t_compare = pd.DataFrame({'date': date,'t_new_cse_pr_million': t_new_case_per_million, 't_new_dth_pr_million': t_new_death_per_million})
t_compare
date | t_new_cse_pr_million | t_new_dth_pr_million | |
---|---|---|---|
77373 | 2020-02-28 | 0.084 | 0.0 |
77374 | 2020-02-29 | 0.210 | 0.0 |
77375 | 2020-03-01 | 0.042 | 0.0 |
77376 | 2020-03-02 | 0.042 | 0.0 |
77377 | 2020-03-03 | 0.042 | 0.0 |
... | ... | ... | ... |
77807 | 2021-05-07 | 0.210 | 0.0 |
77808 | 2021-05-08 | 0.210 | 0.0 |
77809 | 2021-05-09 | 0.042 | 0.0 |
77810 | 2021-05-10 | 0.630 | 0.0 |
77811 | 2021-05-11 | 0.462 | 0.0 |
439 rows × 3 columns
j_compare = pd.DataFrame({'date': date,'j_new_cse_pr_million': j_new_case_per_million, 'j_new_dth_pr_million': j_new_death_per_million})
j_compare
date | j_new_cse_pr_million | j_new_dth_pr_million | |
---|---|---|---|
40287 | 2020-02-28 | 0.142 | 0.008 |
40288 | 2020-02-29 | 0.071 | 0.008 |
40289 | 2020-03-01 | 0.111 | 0.000 |
40290 | 2020-03-02 | 0.150 | 0.000 |
40291 | 2020-03-03 | 0.158 | 0.000 |
... | ... | ... | ... |
40721 | 2021-05-07 | 47.803 | 1.154 |
40722 | 2021-05-08 | 57.315 | 0.664 |
40723 | 2021-05-09 | 52.010 | 0.506 |
40724 | 2021-05-10 | 38.402 | 0.561 |
40725 | 2021-05-11 | 50.286 | 0.901 |
439 rows × 3 columns
sa_compare = pd.DataFrame({'date': date,'sa_new_cse_pr_million': sa_new_case_per_million, 'sa_new_dth_pr_million': sa_new_death_per_million})
sa_compare
date | sa_new_cse_pr_million | sa_new_dth_pr_million | |
---|---|---|---|
72456 | 2020-02-28 | NaN | NaN |
72457 | 2020-02-29 | NaN | NaN |
72458 | 2020-03-01 | NaN | NaN |
72459 | 2020-03-02 | NaN | NaN |
72460 | 2020-03-03 | NaN | NaN |
... | ... | ... | ... |
72890 | 2021-05-07 | 38.038 | 1.130 |
72891 | 2021-05-08 | 0.000 | 0.000 |
72892 | 2021-05-09 | 66.921 | 0.809 |
72893 | 2021-05-10 | 19.036 | 1.517 |
72894 | 2021-05-11 | 26.101 | 1.197 |
439 rows × 3 columns
n_compare = pd.DataFrame({'date': date,'n_new_cse_pr_million': n_new_case_per_million, 'n_new_dth_pr_million': n_new_death_per_million})
n_compare
date | n_new_cse_pr_million | n_new_dth_pr_million | |
---|---|---|---|
57349 | 2020-02-28 | 0.005 | NaN |
57350 | 2020-02-29 | 0.000 | NaN |
57351 | 2020-03-01 | 0.000 | NaN |
57352 | 2020-03-02 | 0.000 | NaN |
57353 | 2020-03-03 | 0.000 | NaN |
... | ... | ... | ... |
57783 | 2021-05-07 | 0.189 | 0.0 |
57784 | 2021-05-08 | 0.146 | 0.0 |
57785 | 2021-05-09 | 0.238 | 0.0 |
57786 | 2021-05-10 | 0.238 | 0.0 |
57787 | 2021-05-11 | 0.228 | 0.0 |
439 rows × 3 columns
nz_compare = pd.DataFrame({'date': date,'nz_new_cse_pr_million': nz_new_case_per_million, 'nz_new_dth_pr_million': nz_new_death_per_million})
nz_compare
date | nz_new_cse_pr_million | nz_new_dth_pr_million | |
---|---|---|---|
56073 | 2020-02-28 | 0.207 | NaN |
56074 | 2020-02-29 | 0.000 | NaN |
56075 | 2020-03-01 | 0.000 | NaN |
56076 | 2020-03-02 | 0.000 | NaN |
56077 | 2020-03-03 | 0.000 | NaN |
... | ... | ... | ... |
56507 | 2021-05-07 | 0.000 | 0.0 |
56508 | 2021-05-08 | 1.659 | 0.0 |
56509 | 2021-05-09 | 0.415 | 0.0 |
56510 | 2021-05-10 | 0.000 | 0.0 |
56511 | 2021-05-11 | -0.207 | 0.0 |
439 rows × 3 columns
a_compare = pd.DataFrame({'date': date,'a_new_cse_pr_million': a_new_case_per_million, 'a_new_dth_pr_million': a_new_death_per_million})
a_compare
date | a_new_cse_pr_million | a_new_dth_pr_million | |
---|---|---|---|
4625 | 2020-02-28 | 0.000 | NaN |
4626 | 2020-02-29 | 0.392 | NaN |
4627 | 2020-03-01 | 0.078 | 0.039 |
4628 | 2020-03-02 | 0.118 | 0.000 |
4629 | 2020-03-03 | 0.353 | 0.000 |
... | ... | ... | ... |
5059 | 2021-05-07 | 0.510 | 0.000 |
5060 | 2021-05-08 | 0.627 | 0.000 |
5061 | 2021-05-09 | 0.353 | 0.000 |
5062 | 2021-05-10 | 0.275 | 0.000 |
5063 | 2021-05-11 | 0.314 | 0.000 |
439 rows × 3 columns
s_compare = pd.DataFrame({'date': date,'s_new_cse_pr_million': s_new_case_per_million, 's_new_dth_pr_million': s_new_death_per_million})
s_compare
date | s_new_cse_pr_million | s_new_dth_pr_million | |
---|---|---|---|
76033 | 2020-02-28 | 0.792 | NaN |
76034 | 2020-02-29 | 0.297 | NaN |
76035 | 2020-03-01 | 0.000 | NaN |
76036 | 2020-03-02 | 0.495 | NaN |
76037 | 2020-03-03 | 1.287 | NaN |
... | ... | ... | ... |
76467 | 2021-05-07 | 561.526 | 1.485 |
76468 | 2021-05-08 | 0.000 | 0.000 |
76469 | 2021-05-09 | 0.000 | 0.000 |
76470 | 2021-05-10 | 0.000 | 0.000 |
76471 | 2021-05-11 | 1367.624 | 4.357 |
439 rows × 3 columns
d_compare = pd.DataFrame({'date': date,'d_new_cse_pr_million': d_new_case_per_million, 'd_new_dth_pr_million': d_new_death_per_million})
d_compare
date | d_new_cse_pr_million | d_new_dth_pr_million | |
---|---|---|---|
21363 | 2020-02-28 | 0.000 | NaN |
21364 | 2020-02-29 | 0.345 | NaN |
21365 | 2020-03-01 | 0.173 | NaN |
21366 | 2020-03-02 | 0.000 | NaN |
21367 | 2020-03-03 | 0.345 | NaN |
... | ... | ... | ... |
21797 | 2021-05-07 | 176.617 | 0.345 |
21798 | 2021-05-08 | 116.881 | 0.345 |
21799 | 2021-05-09 | 150.893 | 0.000 |
21800 | 2021-05-10 | 160.906 | 0.000 |
21801 | 2021-05-11 | 159.870 | 0.345 |
439 rows × 3 columns
compare = pd.merge(uk_compare, us_compare, on="date").merge(c_compare, on="date").merge(sa_compare, on="date") \
.merge(s_compare, on="date").merge(t_compare, on='date').merge(d_compare, on='date').merge(n_compare, on="date") \
.merge(j_compare, on='date').merge(i_compare, on='date').merge(nz_compare, on='date').merge(a_compare, on="date") \
.merge(sp_compare, on='date').merge(br_compare,on='date').merge(p_compare, on='date').merge(it_compare, on="date") \
.merge(fr_compare, on='date')
compare
date | uk_new_cse_pr_million | uk_new_dth_pr_million | us_new_cse_pr_million | us_new_dth_pr_million | c_new_cse_pr_million | c_new_dth_pr_million | sa_new_cse_pr_million | sa_new_dth_pr_million | s_new_cse_pr_million | s_new_dth_pr_million | t_new_cse_pr_million | t_new_dth_pr_million | d_new_cse_pr_million | d_new_dth_pr_million | n_new_cse_pr_million | n_new_dth_pr_million | j_new_cse_pr_million | j_new_dth_pr_million | i_new_cse_pr_million | i_new_dth_pr_million | nz_new_cse_pr_million | nz_new_dth_pr_million | a_new_cse_pr_million | a_new_dth_pr_million | sp_new_cse_pr_million | sp_new_dth_pr_million | br_new_cse_pr_million | br_new_dth_pr_million | p_new_cse_pr_million | p_new_dth_pr_million | it_new_cse_pr_million | it_new_dth_pr_million | fr_new_cse_pr_million | fr_new_dth_pr_million | |
---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
0 | 2020-02-28 | 0.177 | NaN | 0.000 | NaN | 0.228 | 0.031 | NaN | NaN | 0.792 | NaN | 0.084 | 0.0 | 0.000 | NaN | 0.005 | NaN | 0.142 | 0.008 | 0.000 | NaN | 0.207 | NaN | 0.000 | NaN | 0.364 | NaN | 0.000 | NaN | NaN | NaN | 3.854 | 0.066 | 0.281 | 0.000 |
1 | 2020-02-29 | 0.074 | NaN | 0.024 | 0.003 | 0.297 | 0.033 | NaN | NaN | 0.297 | NaN | 0.210 | 0.0 | 0.345 | NaN | 0.000 | NaN | 0.071 | 0.008 | 0.000 | NaN | 0.000 | NaN | 0.392 | NaN | 0.278 | NaN | 0.005 | NaN | NaN | NaN | 3.969 | 0.132 | 0.636 | 0.000 |
2 | 2020-03-01 | 0.486 | NaN | 0.021 | 0.000 | 0.400 | 0.024 | NaN | NaN | 0.000 | NaN | 0.042 | 0.0 | 0.173 | NaN | 0.000 | NaN | 0.111 | 0.000 | 0.000 | NaN | 0.000 | NaN | 0.078 | 0.039 | 0.834 | NaN | 0.000 | NaN | NaN | NaN | 9.361 | 0.083 | 0.444 | 0.000 |
3 | 2020-03-02 | 0.589 | NaN | 0.069 | 0.015 | 0.142 | 0.029 | NaN | NaN | 0.495 | NaN | 0.042 | 0.0 | 0.000 | NaN | 0.000 | NaN | 0.150 | 0.000 | 0.001 | NaN | 0.000 | NaN | 0.118 | 0.000 | 0.770 | NaN | 0.000 | NaN | 0.196 | NaN | 5.656 | 0.298 | 0.903 | 0.015 |
4 | 2020-03-03 | 0.810 | NaN | 0.057 | 0.003 | 0.087 | 0.023 | NaN | NaN | 1.287 | NaN | 0.042 | 0.0 | 0.345 | NaN | 0.000 | NaN | 0.158 | 0.000 | 0.000 | NaN | 0.000 | NaN | 0.353 | 0.000 | 0.962 | 0.021 | 0.000 | NaN | 0.000 | NaN | 7.707 | 0.447 | 0.311 | 0.015 |
... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... |
434 | 2021-05-07 | 36.679 | 0.221 | 142.866 | 2.275 | 0.007 | 0.000 | 38.038 | 1.130 | 561.526 | 1.485 | 0.210 | 0.0 | 176.617 | 0.345 | 0.189 | 0.0 | 47.803 | 1.154 | 290.635 | 3.034 | 0.000 | 0.0 | 0.510 | 0.000 | 175.084 | 1.412 | 371.124 | 10.185 | 36.973 | 0.098 | 174.474 | 3.424 | 283.256 | 3.715 |
435 | 2021-05-08 | 30.286 | 0.074 | 104.208 | 1.858 | 0.012 | 0.000 | 0.000 | 0.000 | 0.000 | 0.000 | 0.210 | 0.0 | 116.881 | 0.345 | 0.146 | 0.0 | 57.315 | 0.664 | 292.322 | 2.954 | 1.659 | 0.0 | 0.627 | 0.000 | 0.000 | 0.000 | 298.411 | 10.359 | 39.817 | 0.196 | 168.271 | 3.705 | 307.041 | 2.605 |
436 | 2021-05-09 | 26.073 | 0.029 | 64.628 | 0.719 | 0.008 | 0.000 | 66.921 | 0.809 | 0.000 | 0.000 | 0.042 | 0.0 | 150.893 | 0.000 | 0.238 | 0.0 | 52.010 | 0.506 | 265.575 | 2.731 | 0.415 | 0.0 | 0.353 | 0.000 | 0.000 | 0.000 | 183.059 | 4.817 | 31.775 | 0.098 | 137.095 | 2.299 | 135.101 | 1.702 |
437 | 2021-05-10 | 35.029 | 0.074 | 111.473 | 1.205 | 0.013 | 0.000 | 19.036 | 1.517 | 0.000 | 0.000 | 0.630 | 0.0 | 160.906 | 0.000 | 0.238 | 0.0 | 38.402 | 0.561 | 239.088 | 2.809 | 0.000 | 0.0 | 0.275 | 0.000 | 299.092 | 2.203 | 118.555 | 4.182 | 15.495 | 0.098 | 83.970 | 3.275 | 48.828 | 4.322 |
438 | 2021-05-11 | 36.679 | 0.295 | 101.664 | 2.066 | 0.012 | 0.000 | 26.101 | 1.197 | 1367.624 | 4.357 | 0.462 | 0.0 | 159.870 | 0.345 | 0.228 | 0.0 | 50.286 | 0.901 | 252.478 | 3.047 | -0.207 | 0.0 | 0.314 | 0.000 | 105.679 | 4.385 | 342.093 | 10.872 | 26.283 | 0.098 | 114.833 | 4.151 | 292.921 | 3.715 |
439 rows × 35 columns
compare.isnull().sum()
date 0 uk_new_cse_pr_million 0 uk_new_dth_pr_million 7 us_new_cse_pr_million 0 us_new_dth_pr_million 1 c_new_cse_pr_million 0 c_new_dth_pr_million 0 sa_new_cse_pr_million 6 sa_new_dth_pr_million 28 s_new_cse_pr_million 0 s_new_dth_pr_million 11 t_new_cse_pr_million 0 t_new_dth_pr_million 0 d_new_cse_pr_million 0 d_new_dth_pr_million 15 n_new_cse_pr_million 0 n_new_dth_pr_million 24 j_new_cse_pr_million 0 j_new_dth_pr_million 0 i_new_cse_pr_million 0 i_new_dth_pr_million 12 nz_new_cse_pr_million 0 nz_new_dth_pr_million 30 a_new_cse_pr_million 0 a_new_dth_pr_million 2 sp_new_cse_pr_million 0 sp_new_dth_pr_million 4 br_new_cse_pr_million 0 br_new_dth_pr_million 18 p_new_cse_pr_million 3 p_new_dth_pr_million 18 it_new_cse_pr_million 0 it_new_dth_pr_million 0 fr_new_cse_pr_million 0 fr_new_dth_pr_million 0 dtype: int64
compare.fillna(0,inplace=True)
compare.plot(x="date", y=["uk_new_cse_pr_million", "i_new_cse_pr_million" ])
<matplotlib.axes._subplots.AxesSubplot at 0x7f453644ea90>
compare.plot(x="date", y=["uk_new_dth_pr_million", "i_new_dth_pr_million" ])
<matplotlib.axes._subplots.AxesSubplot at 0x7f453632fa90>
Check for null values
train.isnull().sum()
iso_code 0 continent 4210 location 0 date 0 total_cases 2481 new_cases 2483 new_cases_smoothed 3484 total_deaths 12230 new_deaths 12072 new_deaths_smoothed 3484 total_cases_per_million 2941 new_cases_per_million 2943 new_cases_smoothed_per_million 3939 total_deaths_per_million 12677 new_deaths_per_million 12519 new_deaths_smoothed_per_million 3939 reproduction_rate 16980 icu_patients 78893 icu_patients_per_million 78893 hosp_patients 76723 hosp_patients_per_million 76723 weekly_icu_admissions 86940 weekly_icu_admissions_per_million 86940 weekly_hosp_admissions 86347 weekly_hosp_admissions_per_million 86347 new_tests 47785 total_tests 48088 total_tests_per_thousand 48088 new_tests_per_thousand 47785 new_tests_smoothed 41955 new_tests_smoothed_per_thousand 41955 positive_rate 44602 tests_per_case 45196 tests_units 40471 total_vaccinations 77114 people_vaccinated 77814 people_fully_vaccinated 80259 new_vaccinations 78741 new_vaccinations_smoothed 70550 total_vaccinations_per_hundred 77114 people_vaccinated_per_hundred 77814 people_fully_vaccinated_per_hundred 80259 new_vaccinations_smoothed_per_million 70550 stringency_index 13041 population 578 population_density 6056 median_age 8753 aged_65_older 9651 aged_70_older 9194 gdp_per_capita 8582 extreme_poverty 33888 cardiovasc_death_rate 8017 diabetes_prevalence 6596 female_smokers 25288 male_smokers 26207 handwashing_facilities 47690 hospital_beds_per_thousand 15005 life_expectancy 4414 human_development_index 8141 date_num 0 dtype: int64
Impute missing values
train = train.drop(['date'], axis=1)
train.dtypes[train.dtypes != 'int64'][train.dtypes != 'float64']
iso_code object continent object location object tests_units object date_num object dtype: object
Impute null values in categorical columns
train['iso_code'] = train['iso_code'].fillna('Not Listed')
train['continent'] = train['continent'].fillna('Not Listed')
train['location'] = train['location'].fillna('Not Listed')
train['tests_units'] = train['tests_units'].fillna('Not Listed')
Impute numeric columns with 0
train.fillna(0,inplace=True)
Ordinal encoder
#ordinal encoder
from sklearn import preprocessing
from sklearn.preprocessing import OrdinalEncoder
enc = OrdinalEncoder()
train.iso_code = enc.fit_transform(train.iso_code.values.reshape(-1,1))
train.continent = enc.fit_transform(train.continent.values.reshape(-1,1))
train.location = enc.fit_transform(train.location.values.reshape(-1,1))
train.tests_units = enc.fit_transform(train.tests_units.values.reshape(-1,1))
Define X and y
iso_code = train.iso_code
y = train[['new_deaths']]
X = train.drop(['iso_code', 'new_deaths', 'total_cases', 'new_cases_smoothed', 'total_deaths', 'new_deaths_smoothed', 'total_cases_per_million',
'new_cases_per_million', 'new_cases_smoothed_per_million', 'total_deaths_per_million', 'new_deaths_per_million',
'new_deaths_smoothed_per_million'], axis=1)
Standard Scaler
from sklearn.preprocessing import StandardScaler
scaler = StandardScaler()
X = scaler.fit_transform(X)
y
new_deaths | |
---|---|
0 | 0.0 |
1 | 0.0 |
2 | 0.0 |
3 | 0.0 |
4 | 0.0 |
... | ... |
87737 | 1.0 |
87738 | 0.0 |
87739 | 0.0 |
87740 | 0.0 |
87741 | 3.0 |
87742 rows × 1 columns
X
array([[-0.47818665, -1.71121357, -0.15649802, ..., -0.26515932, -0.58321195, 0.94330998], [-0.47818665, -1.71121357, -0.15652504, ..., -0.26515932, -0.58321195, 1.05650284], [-0.47818665, -1.71121357, -0.15652504, ..., -0.26515932, -0.58321195, 1.1696957 ], ..., [-1.07193253, 1.72610548, -0.15638993, ..., -0.45488978, -0.3477391 , -0.751187 ], [-1.07193253, 1.72610548, -0.15614672, ..., -0.45488978, -0.3477391 , -0.63799414], [-1.07193253, 1.72610548, -0.1561197 , ..., -0.45488978, -0.3477391 , -0.52480128]])
Split training file up for training and validation
#split train set for testing
from sklearn.model_selection import train_test_split
X_train, X_val, y_train, y_val = train_test_split(X, y, test_size=0.10, random_state=1, shuffle=True)
X_train.shape, X_val.shape, y_train.shape, y_val.shape
((78967, 47), (8775, 47), (78967, 1), (8775, 1))
Select model
from sklearn.experimental import enable_hist_gradient_boosting
from sklearn.ensemble import HistGradientBoostingRegressor
model = HistGradientBoostingRegressor(max_iter=2000, random_state=1).fit(X_train, y_train)
print(model.score(X_train, y_train))
/usr/local/lib/python3.7/dist-packages/sklearn/utils/validation.py:760: DataConversionWarning: A column-vector y was passed when a 1d array was expected. Please change the shape of y to (n_samples, ), for example using ravel(). y = column_or_1d(y, warn=True)
0.9918683740431382
Predict on validation set
from sklearn.metrics import r2_score
y_pred = model.predict(X_val)
y_pred = y_pred.astype(int)
y_pred[y_pred < 0] = 0
print(model.score(X_val, y_val)), print(r2_score(y_pred, model.predict(X_val)))
0.9396702003921552 0.9997955979439678
(None, None)
y_val
new_deaths | |
---|---|
67596 | 0.0 |
27355 | 1744.0 |
21188 | 4.0 |
48635 | 0.0 |
1694 | 4.0 |
... | ... |
6181 | 2.0 |
77455 | 0.0 |
85366 | 5.0 |
46044 | 0.0 |
78998 | 2.0 |
8775 rows × 1 columns
y_train.values
array([[0.], [3.], [0.], ..., [0.], [0.], [0.]])
y_pred
array([ 0, 1261, 3, ..., 7, 0, 15])
# plot predictions and expected results
from matplotlib import pyplot
pyplot.plot(y_train)
pyplot.plot([None for i in y_train.values] + [x for x in y_val.values])
pyplot.plot([None for i in y_train.values] + [x for x in y_pred.astype(int)])
pyplot.show()
/usr/local/lib/python3.7/dist-packages/numpy/core/_asarray.py:136: VisibleDeprecationWarning: Creating an ndarray from ragged nested sequences (which is a list-or-tuple of lists-or-tuples-or ndarrays with different lengths or shapes) is deprecated. If you meant to do this, you must specify 'dtype=object' when creating the ndarray return array(a, dtype, copy=False, order=order, subok=True)
Put predictions in dataframe
df_val=pd.DataFrame({'actual_deaths': y_val.values.ravel(), 'predicted_deaths':y_pred.astype(int)})
df_val.reset_index(drop=True, inplace=True)
df_val
actual_deaths | predicted_deaths | |
---|---|---|
0 | 0.0 | 0 |
1 | 1744.0 | 1261 |
2 | 4.0 | 3 |
3 | 0.0 | 0 |
4 | 4.0 | 6 |
... | ... | ... |
8770 | 2.0 | 0 |
8771 | 0.0 | 0 |
8772 | 5.0 | 7 |
8773 | 0.0 | 0 |
8774 | 2.0 | 15 |
8775 rows × 2 columns
Create test dataset
test = last_date.copy()
test.date = today
test
iso_code | continent | location | date | total_cases | new_cases | new_cases_smoothed | total_deaths | new_deaths | new_deaths_smoothed | total_cases_per_million | new_cases_per_million | new_cases_smoothed_per_million | total_deaths_per_million | new_deaths_per_million | new_deaths_smoothed_per_million | reproduction_rate | icu_patients | icu_patients_per_million | hosp_patients | hosp_patients_per_million | weekly_icu_admissions | weekly_icu_admissions_per_million | weekly_hosp_admissions | weekly_hosp_admissions_per_million | new_tests | total_tests | total_tests_per_thousand | new_tests_per_thousand | new_tests_smoothed | new_tests_smoothed_per_thousand | positive_rate | tests_per_case | tests_units | total_vaccinations | people_vaccinated | people_fully_vaccinated | new_vaccinations | new_vaccinations_smoothed | total_vaccinations_per_hundred | people_vaccinated_per_hundred | people_fully_vaccinated_per_hundred | new_vaccinations_smoothed_per_million | stringency_index | population | population_density | median_age | aged_65_older | aged_70_older | gdp_per_capita | extreme_poverty | cardiovasc_death_rate | diabetes_prevalence | female_smokers | male_smokers | handwashing_facilities | hospital_beds_per_thousand | life_expectancy | human_development_index | date_num | |
---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
442 | AFG | Asia | Afghanistan | 2021-05-12 | 62403.0 | 340.0 | 262.857 | 2710.0 | 12.0 | 8.857 | 1603.022 | 8.734 | 6.752 | 69.615 | 0.308 | 0.228 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 3.892834e+07 | 54.422 | 18.6 | 2.581 | 1.337 | 1803.987 | NaN | 597.029 | 9.59 | NaN | NaN | 37.746 | 0.500 | 64.83 | 0.511 | 11052021 |
896 | OWID_AFR | NaN | Africa | 2021-05-12 | 4648116.0 | 7067.0 | 8869.000 | 125059.0 | 314.0 | 310.000 | 3467.196 | 5.272 | 6.616 | 93.286 | 0.234 | 0.231 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 2.164884e+07 | 15231710.0 | 5540571.0 | 254715.0 | 349521.0 | 1.61 | 1.14 | 0.41 | 261.0 | NaN | 1.340598e+09 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 11052021 |
1338 | ALB | Europe | Albania | 2021-05-12 | 131803.0 | 50.0 | 68.000 | 2420.0 | 4.0 | 2.571 | 45799.917 | 17.374 | 23.629 | 840.920 | 1.390 | 0.894 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 2.877800e+06 | 104.871 | 38.0 | 13.188 | 8.643 | 11803.431 | 1.1 | 304.195 | 10.08 | 7.100 | 51.200 | NaN | 2.890 | 78.57 | 0.795 | 11052021 |
1780 | DZA | Africa | Algeria | 2021-05-12 | 124483.0 | 195.0 | 212.000 | 3343.0 | 8.0 | 7.714 | 2838.769 | 4.447 | 4.835 | 76.235 | 0.182 | 0.176 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 4.385104e+07 | 17.348 | 29.1 | 6.211 | 3.857 | 13913.839 | 0.5 | 278.364 | 6.73 | 0.700 | 30.400 | 83.741 | 1.900 | 76.88 | 0.748 | 11052021 |
2216 | AND | Europe | Andorra | 2021-05-12 | 13447.0 | 18.0 | 18.714 | 127.0 | 0.0 | 0.000 | 174037.404 | 232.964 | 242.209 | 1643.694 | 0.000 | 0.000 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 7.726500e+04 | 163.755 | NaN | NaN | NaN | NaN | NaN | 109.135 | 7.97 | 29.000 | 37.800 | NaN | NaN | 83.73 | 0.868 | 11052021 |
... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... |
86030 | WLF | Oceania | Wallis and Futuna | 2021-05-12 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 5.774000e+03 | 4286.0 | 1488.0 | NaN | 10.0 | 51.34 | 38.11 | 13.23 | 889.0 | NaN | 1.124600e+04 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 79.94 | NaN | 11052021 |
86506 | OWID_WRL | NaN | World | 2021-05-12 | 159690774.0 | 738473.0 | 761605.857 | 3317325.0 | 13629.0 | 12806.143 | 20486.837 | 94.739 | 97.707 | 425.582 | 1.748 | 1.643 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 1.345085e+09 | 666983330.0 | 327671130.0 | 20880198.0 | 21067383.0 | 17.26 | 8.56 | 4.20 | 2703.0 | NaN | 7.794799e+09 | 58.045 | 30.9 | 8.696 | 5.355 | 15469.207 | 10.0 | 233.070 | 8.51 | 6.434 | 34.635 | 60.130 | 2.705 | 72.58 | 0.737 | 11052021 |
86903 | YEM | Asia | Yemen | 2021-05-12 | 6492.0 | 7.0 | 14.571 | 1276.0 | 1.0 | 5.143 | 217.663 | 0.235 | 0.489 | 42.782 | 0.034 | 0.172 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 2.982597e+07 | 53.508 | 20.3 | 2.922 | 1.583 | 1479.147 | 18.8 | 495.003 | 5.35 | 7.600 | 29.200 | 49.542 | 0.700 | 66.12 | 0.470 | 11052021 |
87323 | ZMB | Africa | Zambia | 2021-05-12 | 92152.0 | 40.0 | 49.714 | 1258.0 | 1.0 | 0.571 | 5012.632 | 2.176 | 2.704 | 68.429 | 0.054 | 0.031 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 1.838396e+07 | 22.995 | 17.7 | 2.480 | 1.542 | 3689.251 | 57.5 | 234.499 | 3.94 | 3.100 | 24.700 | 13.938 | 2.000 | 63.89 | 0.584 | 11052021 |
87741 | ZWE | Africa | Zimbabwe | 2021-05-12 | 38448.0 | 15.0 | 17.286 | 1579.0 | 3.0 | 0.714 | 2586.839 | 1.009 | 1.163 | 106.237 | 0.202 | 0.048 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 7.097720e+05 | 539526.0 | 170246.0 | 19119.0 | 21428.0 | 4.78 | 3.63 | 1.15 | 1442.0 | NaN | 1.486293e+07 | 42.729 | 19.6 | 2.822 | 1.882 | 1899.775 | 21.4 | 307.846 | 1.82 | 1.600 | 30.700 | 36.791 | 1.700 | 61.49 | 0.571 | 11052021 |
211 rows × 60 columns
Convert date to number
import datetime
test['date'] = pd.to_datetime(test['date'], errors='coerce')
test['date_num'] = test['date'].dt.strftime('%d%m%Y')
test
iso_code | continent | location | date | total_cases | new_cases | new_cases_smoothed | total_deaths | new_deaths | new_deaths_smoothed | total_cases_per_million | new_cases_per_million | new_cases_smoothed_per_million | total_deaths_per_million | new_deaths_per_million | new_deaths_smoothed_per_million | reproduction_rate | icu_patients | icu_patients_per_million | hosp_patients | hosp_patients_per_million | weekly_icu_admissions | weekly_icu_admissions_per_million | weekly_hosp_admissions | weekly_hosp_admissions_per_million | new_tests | total_tests | total_tests_per_thousand | new_tests_per_thousand | new_tests_smoothed | new_tests_smoothed_per_thousand | positive_rate | tests_per_case | tests_units | total_vaccinations | people_vaccinated | people_fully_vaccinated | new_vaccinations | new_vaccinations_smoothed | total_vaccinations_per_hundred | people_vaccinated_per_hundred | people_fully_vaccinated_per_hundred | new_vaccinations_smoothed_per_million | stringency_index | population | population_density | median_age | aged_65_older | aged_70_older | gdp_per_capita | extreme_poverty | cardiovasc_death_rate | diabetes_prevalence | female_smokers | male_smokers | handwashing_facilities | hospital_beds_per_thousand | life_expectancy | human_development_index | date_num | |
---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
442 | AFG | Asia | Afghanistan | 2021-05-12 | 62403.0 | 340.0 | 262.857 | 2710.0 | 12.0 | 8.857 | 1603.022 | 8.734 | 6.752 | 69.615 | 0.308 | 0.228 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 3.892834e+07 | 54.422 | 18.6 | 2.581 | 1.337 | 1803.987 | NaN | 597.029 | 9.59 | NaN | NaN | 37.746 | 0.500 | 64.83 | 0.511 | 12052021 |
896 | OWID_AFR | NaN | Africa | 2021-05-12 | 4648116.0 | 7067.0 | 8869.000 | 125059.0 | 314.0 | 310.000 | 3467.196 | 5.272 | 6.616 | 93.286 | 0.234 | 0.231 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 2.164884e+07 | 15231710.0 | 5540571.0 | 254715.0 | 349521.0 | 1.61 | 1.14 | 0.41 | 261.0 | NaN | 1.340598e+09 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 12052021 |
1338 | ALB | Europe | Albania | 2021-05-12 | 131803.0 | 50.0 | 68.000 | 2420.0 | 4.0 | 2.571 | 45799.917 | 17.374 | 23.629 | 840.920 | 1.390 | 0.894 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 2.877800e+06 | 104.871 | 38.0 | 13.188 | 8.643 | 11803.431 | 1.1 | 304.195 | 10.08 | 7.100 | 51.200 | NaN | 2.890 | 78.57 | 0.795 | 12052021 |
1780 | DZA | Africa | Algeria | 2021-05-12 | 124483.0 | 195.0 | 212.000 | 3343.0 | 8.0 | 7.714 | 2838.769 | 4.447 | 4.835 | 76.235 | 0.182 | 0.176 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 4.385104e+07 | 17.348 | 29.1 | 6.211 | 3.857 | 13913.839 | 0.5 | 278.364 | 6.73 | 0.700 | 30.400 | 83.741 | 1.900 | 76.88 | 0.748 | 12052021 |
2216 | AND | Europe | Andorra | 2021-05-12 | 13447.0 | 18.0 | 18.714 | 127.0 | 0.0 | 0.000 | 174037.404 | 232.964 | 242.209 | 1643.694 | 0.000 | 0.000 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 7.726500e+04 | 163.755 | NaN | NaN | NaN | NaN | NaN | 109.135 | 7.97 | 29.000 | 37.800 | NaN | NaN | 83.73 | 0.868 | 12052021 |
... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... |
86030 | WLF | Oceania | Wallis and Futuna | 2021-05-12 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 5.774000e+03 | 4286.0 | 1488.0 | NaN | 10.0 | 51.34 | 38.11 | 13.23 | 889.0 | NaN | 1.124600e+04 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 79.94 | NaN | 12052021 |
86506 | OWID_WRL | NaN | World | 2021-05-12 | 159690774.0 | 738473.0 | 761605.857 | 3317325.0 | 13629.0 | 12806.143 | 20486.837 | 94.739 | 97.707 | 425.582 | 1.748 | 1.643 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 1.345085e+09 | 666983330.0 | 327671130.0 | 20880198.0 | 21067383.0 | 17.26 | 8.56 | 4.20 | 2703.0 | NaN | 7.794799e+09 | 58.045 | 30.9 | 8.696 | 5.355 | 15469.207 | 10.0 | 233.070 | 8.51 | 6.434 | 34.635 | 60.130 | 2.705 | 72.58 | 0.737 | 12052021 |
86903 | YEM | Asia | Yemen | 2021-05-12 | 6492.0 | 7.0 | 14.571 | 1276.0 | 1.0 | 5.143 | 217.663 | 0.235 | 0.489 | 42.782 | 0.034 | 0.172 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 2.982597e+07 | 53.508 | 20.3 | 2.922 | 1.583 | 1479.147 | 18.8 | 495.003 | 5.35 | 7.600 | 29.200 | 49.542 | 0.700 | 66.12 | 0.470 | 12052021 |
87323 | ZMB | Africa | Zambia | 2021-05-12 | 92152.0 | 40.0 | 49.714 | 1258.0 | 1.0 | 0.571 | 5012.632 | 2.176 | 2.704 | 68.429 | 0.054 | 0.031 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 1.838396e+07 | 22.995 | 17.7 | 2.480 | 1.542 | 3689.251 | 57.5 | 234.499 | 3.94 | 3.100 | 24.700 | 13.938 | 2.000 | 63.89 | 0.584 | 12052021 |
87741 | ZWE | Africa | Zimbabwe | 2021-05-12 | 38448.0 | 15.0 | 17.286 | 1579.0 | 3.0 | 0.714 | 2586.839 | 1.009 | 1.163 | 106.237 | 0.202 | 0.048 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | 7.097720e+05 | 539526.0 | 170246.0 | 19119.0 | 21428.0 | 4.78 | 3.63 | 1.15 | 1442.0 | NaN | 1.486293e+07 | 42.729 | 19.6 | 2.822 | 1.882 | 1899.775 | 21.4 | 307.846 | 1.82 | 1.600 | 30.700 | 36.791 | 1.700 | 61.49 | 0.571 | 12052021 |
211 rows × 60 columns
Check for null values
test.isnull().sum()
iso_code 0 continent 9 location 0 date 0 total_cases 12 new_cases 12 new_cases_smoothed 12 total_deaths 19 new_deaths 19 new_deaths_smoothed 12 total_cases_per_million 13 new_cases_per_million 13 new_cases_smoothed_per_million 13 total_deaths_per_million 20 new_deaths_per_million 20 new_deaths_smoothed_per_million 13 reproduction_rate 211 icu_patients 209 icu_patients_per_million 209 hosp_patients 209 hosp_patients_per_million 209 weekly_icu_admissions 211 weekly_icu_admissions_per_million 211 weekly_hosp_admissions 211 weekly_hosp_admissions_per_million 211 new_tests 199 total_tests 199 total_tests_per_thousand 199 new_tests_per_thousand 199 new_tests_smoothed 199 new_tests_smoothed_per_thousand 199 positive_rate 211 tests_per_case 211 tests_units 199 total_vaccinations 118 people_vaccinated 123 people_fully_vaccinated 134 new_vaccinations 140 new_vaccinations_smoothed 118 total_vaccinations_per_hundred 118 people_vaccinated_per_hundred 123 people_fully_vaccinated_per_hundred 134 new_vaccinations_smoothed_per_million 118 stringency_index 202 population 2 population_density 14 median_age 22 aged_65_older 24 aged_70_older 23 gdp_per_capita 24 extreme_poverty 86 cardiovasc_death_rate 24 diabetes_prevalence 17 female_smokers 67 male_smokers 69 handwashing_facilities 116 hospital_beds_per_thousand 43 life_expectancy 10 human_development_index 24 date_num 0 dtype: int64
Impute missing values
predict_date = test.date
test = test.drop(['date'], axis=1)
test.dtypes[test.dtypes != 'int64'][test.dtypes != 'float64']
iso_code object continent object location object tests_units object date_num object dtype: object
Impute categorical values
test['iso_code'] = test['iso_code'].fillna('Not Listed')
test['continent'] = test['continent'].fillna('Not Listed')
test['location'] = test['location'].fillna('Not Listed')
test['tests_units'] = test['tests_units'].fillna('Not Listed')
Impute numeric values with zero
test.fillna(0,inplace=True)
test
iso_code | continent | location | total_cases | new_cases | new_cases_smoothed | total_deaths | new_deaths | new_deaths_smoothed | total_cases_per_million | new_cases_per_million | new_cases_smoothed_per_million | total_deaths_per_million | new_deaths_per_million | new_deaths_smoothed_per_million | reproduction_rate | icu_patients | icu_patients_per_million | hosp_patients | hosp_patients_per_million | weekly_icu_admissions | weekly_icu_admissions_per_million | weekly_hosp_admissions | weekly_hosp_admissions_per_million | new_tests | total_tests | total_tests_per_thousand | new_tests_per_thousand | new_tests_smoothed | new_tests_smoothed_per_thousand | positive_rate | tests_per_case | tests_units | total_vaccinations | people_vaccinated | people_fully_vaccinated | new_vaccinations | new_vaccinations_smoothed | total_vaccinations_per_hundred | people_vaccinated_per_hundred | people_fully_vaccinated_per_hundred | new_vaccinations_smoothed_per_million | stringency_index | population | population_density | median_age | aged_65_older | aged_70_older | gdp_per_capita | extreme_poverty | cardiovasc_death_rate | diabetes_prevalence | female_smokers | male_smokers | handwashing_facilities | hospital_beds_per_thousand | life_expectancy | human_development_index | date_num | |
---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
442 | AFG | Asia | Afghanistan | 62403.0 | 340.0 | 262.857 | 2710.0 | 12.0 | 8.857 | 1603.022 | 8.734 | 6.752 | 69.615 | 0.308 | 0.228 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | Not Listed | 0.000000e+00 | 0.0 | 0.0 | 0.0 | 0.0 | 0.00 | 0.00 | 0.00 | 0.0 | 0.0 | 3.892834e+07 | 54.422 | 18.6 | 2.581 | 1.337 | 1803.987 | 0.0 | 597.029 | 9.59 | 0.000 | 0.000 | 37.746 | 0.500 | 64.83 | 0.511 | 12052021 |
896 | OWID_AFR | Not Listed | Africa | 4648116.0 | 7067.0 | 8869.000 | 125059.0 | 314.0 | 310.000 | 3467.196 | 5.272 | 6.616 | 93.286 | 0.234 | 0.231 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | Not Listed | 2.164884e+07 | 15231710.0 | 5540571.0 | 254715.0 | 349521.0 | 1.61 | 1.14 | 0.41 | 261.0 | 0.0 | 1.340598e+09 | 0.000 | 0.0 | 0.000 | 0.000 | 0.000 | 0.0 | 0.000 | 0.00 | 0.000 | 0.000 | 0.000 | 0.000 | 0.00 | 0.000 | 12052021 |
1338 | ALB | Europe | Albania | 131803.0 | 50.0 | 68.000 | 2420.0 | 4.0 | 2.571 | 45799.917 | 17.374 | 23.629 | 840.920 | 1.390 | 0.894 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | Not Listed | 0.000000e+00 | 0.0 | 0.0 | 0.0 | 0.0 | 0.00 | 0.00 | 0.00 | 0.0 | 0.0 | 2.877800e+06 | 104.871 | 38.0 | 13.188 | 8.643 | 11803.431 | 1.1 | 304.195 | 10.08 | 7.100 | 51.200 | 0.000 | 2.890 | 78.57 | 0.795 | 12052021 |
1780 | DZA | Africa | Algeria | 124483.0 | 195.0 | 212.000 | 3343.0 | 8.0 | 7.714 | 2838.769 | 4.447 | 4.835 | 76.235 | 0.182 | 0.176 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | Not Listed | 0.000000e+00 | 0.0 | 0.0 | 0.0 | 0.0 | 0.00 | 0.00 | 0.00 | 0.0 | 0.0 | 4.385104e+07 | 17.348 | 29.1 | 6.211 | 3.857 | 13913.839 | 0.5 | 278.364 | 6.73 | 0.700 | 30.400 | 83.741 | 1.900 | 76.88 | 0.748 | 12052021 |
2216 | AND | Europe | Andorra | 13447.0 | 18.0 | 18.714 | 127.0 | 0.0 | 0.000 | 174037.404 | 232.964 | 242.209 | 1643.694 | 0.000 | 0.000 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | Not Listed | 0.000000e+00 | 0.0 | 0.0 | 0.0 | 0.0 | 0.00 | 0.00 | 0.00 | 0.0 | 0.0 | 7.726500e+04 | 163.755 | 0.0 | 0.000 | 0.000 | 0.000 | 0.0 | 109.135 | 7.97 | 29.000 | 37.800 | 0.000 | 0.000 | 83.73 | 0.868 | 12052021 |
... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... | ... |
86030 | WLF | Oceania | Wallis and Futuna | 0.0 | 0.0 | 0.000 | 0.0 | 0.0 | 0.000 | 0.000 | 0.000 | 0.000 | 0.000 | 0.000 | 0.000 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | Not Listed | 5.774000e+03 | 4286.0 | 1488.0 | 0.0 | 10.0 | 51.34 | 38.11 | 13.23 | 889.0 | 0.0 | 1.124600e+04 | 0.000 | 0.0 | 0.000 | 0.000 | 0.000 | 0.0 | 0.000 | 0.00 | 0.000 | 0.000 | 0.000 | 0.000 | 79.94 | 0.000 | 12052021 |
86506 | OWID_WRL | Not Listed | World | 159690774.0 | 738473.0 | 761605.857 | 3317325.0 | 13629.0 | 12806.143 | 20486.837 | 94.739 | 97.707 | 425.582 | 1.748 | 1.643 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | Not Listed | 1.345085e+09 | 666983330.0 | 327671130.0 | 20880198.0 | 21067383.0 | 17.26 | 8.56 | 4.20 | 2703.0 | 0.0 | 7.794799e+09 | 58.045 | 30.9 | 8.696 | 5.355 | 15469.207 | 10.0 | 233.070 | 8.51 | 6.434 | 34.635 | 60.130 | 2.705 | 72.58 | 0.737 | 12052021 |
86903 | YEM | Asia | Yemen | 6492.0 | 7.0 | 14.571 | 1276.0 | 1.0 | 5.143 | 217.663 | 0.235 | 0.489 | 42.782 | 0.034 | 0.172 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | Not Listed | 0.000000e+00 | 0.0 | 0.0 | 0.0 | 0.0 | 0.00 | 0.00 | 0.00 | 0.0 | 0.0 | 2.982597e+07 | 53.508 | 20.3 | 2.922 | 1.583 | 1479.147 | 18.8 | 495.003 | 5.35 | 7.600 | 29.200 | 49.542 | 0.700 | 66.12 | 0.470 | 12052021 |
87323 | ZMB | Africa | Zambia | 92152.0 | 40.0 | 49.714 | 1258.0 | 1.0 | 0.571 | 5012.632 | 2.176 | 2.704 | 68.429 | 0.054 | 0.031 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | Not Listed | 0.000000e+00 | 0.0 | 0.0 | 0.0 | 0.0 | 0.00 | 0.00 | 0.00 | 0.0 | 0.0 | 1.838396e+07 | 22.995 | 17.7 | 2.480 | 1.542 | 3689.251 | 57.5 | 234.499 | 3.94 | 3.100 | 24.700 | 13.938 | 2.000 | 63.89 | 0.584 | 12052021 |
87741 | ZWE | Africa | Zimbabwe | 38448.0 | 15.0 | 17.286 | 1579.0 | 3.0 | 0.714 | 2586.839 | 1.009 | 1.163 | 106.237 | 0.202 | 0.048 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | Not Listed | 7.097720e+05 | 539526.0 | 170246.0 | 19119.0 | 21428.0 | 4.78 | 3.63 | 1.15 | 1442.0 | 0.0 | 1.486293e+07 | 42.729 | 19.6 | 2.822 | 1.882 | 1899.775 | 21.4 | 307.846 | 1.82 | 1.600 | 30.700 | 36.791 | 1.700 | 61.49 | 0.571 | 12052021 |
211 rows × 59 columns
Ordinal encoder
test_country = test.location
test_country
442 Afghanistan 896 Africa 1338 Albania 1780 Algeria 2216 Andorra ... 86030 Wallis and Futuna 86506 World 86903 Yemen 87323 Zambia 87741 Zimbabwe Name: location, Length: 211, dtype: object
test.iso_code = enc.fit_transform(test.iso_code.values.reshape(-1,1))
test.continent = enc.fit_transform(test.continent.values.reshape(-1,1))
test.location = enc.fit_transform(test.location.values.reshape(-1,1))
test.tests_units = enc.fit_transform(test.tests_units.values.reshape(-1,1))
Define X_test
iso_code = test.iso_code
X_test = test.drop(['iso_code', 'total_cases', 'new_deaths','new_cases_smoothed', 'total_deaths', 'new_deaths_smoothed', 'total_cases_per_million',
'new_cases_per_million', 'new_cases_smoothed_per_million', 'total_deaths_per_million', 'new_deaths_per_million',
'new_deaths_smoothed_per_million'], axis=1)
Standard scaler
X_test = scaler.transform(X_test)
X_test
array([[-0.47818665, -1.71121357, -0.14733727, ..., -0.26515932, -0.58321195, -0.41160842], [ 1.303051 , -1.69573015, 0.03444557, ..., -3.94786177, -2.58865573, -0.41160842], [ 0.11555924, -1.68024673, -0.1551739 , ..., 0.51534865, 0.53135954, -0.41160842], ..., [-0.47818665, 1.50933761, -0.15633588, ..., -0.19188018, -0.7441184 , -0.41160842], [-1.07193253, 1.52482103, -0.15544413, ..., -0.31855651, -0.29671998, -0.41160842], [-1.07193253, 1.54030445, -0.1561197 , ..., -0.45488978, -0.3477391 , -0.41160842]])
Predict on test set
prediction = model.predict(X_test)
prediction = prediction.astype(int)
prediction[prediction < 0] = 0
prediction.shape
(211,)
Put Predictions in dataframe
df_pred=pd.DataFrame({'country': test_country, 'predicted_date': predict_date, 'predicted_deaths':prediction.astype(int)})
df_pred.reset_index(drop=True, inplace=True)
df_pred
country | predicted_date | predicted_deaths | |
---|---|---|---|
0 | Afghanistan | 2021-05-12 | 15 |
1 | Africa | 2021-05-12 | 263 |
2 | Albania | 2021-05-12 | 1 |
3 | Algeria | 2021-05-12 | 0 |
4 | Andorra | 2021-05-12 | 0 |
... | ... | ... | ... |
206 | Wallis and Futuna | 2021-05-12 | 2 |
207 | World | 2021-05-12 | 4566 |
208 | Yemen | 2021-05-12 | 0 |
209 | Zambia | 2021-05-12 | 0 |
210 | Zimbabwe | 2021-05-12 | 0 |
211 rows × 3 columns