Análisis sobre la evolución del coronavirus

En este post quiero compartir un análisis que he hecho sobre la evolución del coronavirus utilizando diferentes herramientas para el análisis y la visualización de datos:

Python para la obtención de datos históricos de todos los países afectados:
https://raw.githubusercontent.com/CSSEGISandData/COVID-19/master/csse_covid_19_data/csse_covid_19_time_series/time_series_19-covid-Confirmed.csv
https://raw.githubusercontent.com/CSSEGISandData/COVID-19/master/csse_covid_19_data/csse_covid_19_time_series/time_series_19-covid-Deaths.csv
https://raw.githubusercontent.com/CSSEGISandData/COVID-19/master/csse_covid_19_data/csse_covid_19_time_series/time_series_19-covid-Recovered.csv

KNIME para la manipuación de los datos y la creación de un modelo predictivo utilizando Random Forest para analizar la evolución del contagio antes de mostrar síntomas:

Facebook Prophet para hacer una estimación del comportamiento de la enfermedad en los próximos 7 días.

Tableau para la visualización de los resultados y publicación del cuadro de mandos en su servidor público donde encontraréis:

Case evolution: Donde se muestra la evolución de los casos totales de la enfermedad desde el origen así como un ajuste en el que se sustraen las muertes y las altas. Se incluyen 7 días proyectados utilizando la librería Facebook Prophet.
Case incubation: Casos reportados vs casos probables antes de poder ser identificados. El modelo se ha construido utilizando el comportamiento en todos los países afectados mediante el algoritmo Random Forest.
Death vs Recover: Casos dados de alta en comparación con las muertes. También se hace una proyección para los próximos 7 días.
Case increment: Esta gráfica muestra los casos únicos identificados día a día para que podamos identificar los repuntes o el estancamiento de la enfermedad dependiendo del país.

Aquí os dejo en enlace directo al cuadro de mandos en el servidor público de Tableau:
https://public.tableau.com/views/coronavirus_analysis/Dashboard1?:display_count=y&publish=yes&:origin=viz_share_link

Este sitio usa Akismet para reducir el spam. Aprende cómo se procesan los datos de tus comentarios.