中国各城市首轮感染高峰期预测！（18日最新版）

大家好，我是 Jack。

今天分享一个 Python 数据分析的案例思路：中国各城市首轮感染高峰期预测！

过去这些年里，通过搜索引擎数据预测流感流行趋势发表了不少论文，是验证过的技术。

数据经过多轮迭代，现在是 12 月 18 日发布的最新版本。

作者：chenqin

我又对台湾地区、香港特别行政区和日本的感染情况与“发烧”搜索指数进行了分析，发现一个可能可以帮助预测感染高峰期的方法：

1）将Google搜索指数分为疫情期间和非疫情期间，非疫情期间的发烧指数平均数为，将疫情期间的搜索指数做以下处理后加总，计算一个数值

其中S的含义是这样的：如果发烧的搜索是发烧人口的一个相对稳定的比例，且在非疫情期间发烧人口是总人口的相对稳定的比例，那么S就正比于疫情感染的人口占总人口的比例，我们把它叫做“超额发烧搜索指数累计面积”

2）下图列出了台湾地区、香港特别行政区以及日本的“超额发烧搜索指数累计面积”，即下图橙色面积、蓝色面积和灰色面积。

我们发现在这三个地区，当疫情达到顶峰时，这个“超额发烧搜索指数累计面积”的数值全部刚好达到80。这两个地区第一波疫情结束时，香港特别行政区的面积达到了160，台湾地区的面积达到了200，日本的最终面积是250。

3）如果用百度搜索指数做类似的研究会有什么效果呢？我使用了本轮疫情进入群体感染最快、最早的石家庄、邢台和保定做了计算：

可以算出，从疫情开始后计算，石家庄的“超额发烧搜索指数累计面积”已经达到了76，邢台已经达到了67，保定也达到了71。由此来看，百度搜索指数和Google指数分别算出的“超额发烧搜索指数累计面积”，至少是在一个差不多的数量级上。

4）考虑到保定、石家庄、邢台等地的发烧指数仍然在上升，以及百度搜索指数和Google指数的差异，我们比较将80作为疫情达峰时的“超额发烧搜索指数累计面积”，将250作为第一轮疫情结束时的“超额发烧搜索指数累计面积”。那么我们通过每个城市的搜索指数累计增长，累计速度，就可以算出现在每一个有疫情的城市疫情达峰的时间，以及疫情结束的时间。

同时，加入了“结束进度条”这一变量，代表已经度过疫情顶峰的城市在第一波疫情结束前可能还要走的路程。

并且，按照行政区划代码的顺序做了排序，增加了一个变量“累计感染占总人口比值”。这个数值也是根据累计的超额搜索面积计算的。

增加“新增感染占比”一项，表示当天新增的感染人口在总人口中的比重。虽然北京等地的感染已经过峰，但是全国各地的疫情正在快速上升，12月16号这一天，全国增加了近4000万感染。

这是计算的结果，列出了所有能在明年春节前达峰的城市以及这些城市在达峰前已经感染的人口比例）。

·················END·················