2019疫情海量数据挖掘分析与可视化实战（源码数据见附件）

实验总体要求如下：

所有流程附上处理代码和处理完成截图

1.Sno编号列没有用，需要删除

2.部分国家对应的地区为NAN，需要填充为空白字符串

3.部分国家/地区，受感染人数为0，也被列在表格中，需要删去

4.查看受影响的国家/地区的数量，Country一列中将'Mainland China', 'Hong Kong' , 'Macau',  'Taiwan' 等统一修正为'China'；另外需将'Korea, South'改为'South Korea'。

1.由于数据国内省级行政区中香港、澳门、台湾的数据都是按省统计的，因此需要将这三个地区的province_confirmedCount、province_suspectedCount、province_curedCount、province_deadCount的数据赋值到city_confirmedCount、city_suspectedCount、city_curedCount、city_deadCount。

2.countryEnglishName一列中将 'HongKong' , 'Macao'等统一修正为'China' 

3.将updateTime转换成date格式（输出为该数据的新列updateTime1，也就是只保留日期部分）。

4.因为大部分城市都没有加“市”字，所以要把直辖市的下属区的“区”字去掉；还有一些没有变化规律的城市名字，可以通过city_rename的字典进行修改。

（1）将Date转化为datetime格式，方便操作后面进行时间的比较。

4、通过以上处理，经查看后又发现一个问题，比如Australia，一开始是以国家为单位报数据，之后又分成小区域报数据，会导致计算重复，所以要删除这部分数据；但也不能直接删，因为不知道有多少国家的数据有这个问题。

（3）筛选出国家对应的城市字符串为空，且该国家下的城市（包括空字符串）数量大于一 的数据，删除这些数据。

5、对预处理后的DXYArea.csv数据也需要进行最新数据提取工作

1.普通数据分析

1.根据2019_nCoV_data.csv预处理后的数据，查看2020年1月-3月最新数据中，除中国外世界各国总感染数据，找出前top10的国家

2.根据处理后的DXYArea.csv查看全国各省确诊病例数量，统计相关信息。

3.根据处理后的DXYArea.csv统计全国总体累计趋势。

4.根据处理后的DXYArea.csv，找出你关注的几座城市统计各城市总体累计趋势。

5.根据处理后的DXYArea.csv，自选我国的一个省，查看该省内各市的确诊比例。

6.根据处理后的DXYArea.csv，筛选除湖北省外其他各地区确诊病例数量，找出前top10的城市，统计相关信息。

7.筛选除湖北省外其他各省确诊病例数量，找出前top10的省份，统计相关信息。

8.请预测2020年6月份哪些国家的确诊人数最多、死亡人数最多，分别是多少。

（1）选取6个及以上分析指标数据进行疫情数据可视化大屏制作；

（2）利用Javaweb或Flask/Django框架等+Echarts实现以上可视化。