如何比较每日活跃数据和累积数据？答案

【问题标题】：How to compare daily active data to cumulative data?如何比较每日活跃数据和累积数据？
【发布时间】：2021-01-14 16:00:30
【问题描述】：

所以我正在研究美国德克萨斯州的 COVID-19 数据。我有 2 个假设可以研究

住院率越高，死亡率越高
ICU 率越高，死亡率越高。

死亡数据 - https://dshs.texas.gov/coronavirus/TexasCOVID19DailyCountyFatalityCountData.xlsx

住院/ICU 数据 - https://dshs.texas.gov/coronavirus/CombinedHospitalDataoverTimebyTSA.xlsx

因此，证明这些假设的基本方法应该是比较累积/每日死亡率数据与累积/每日住院/ICU 数据。

主要问题是死亡数据是累积的，而住院/重症监护室数据是每天的活动数。无论如何这两个可以比较，如果是，那么如何？或者有什么我们可以做的吗？

【问题讨论】：

标签： python pandas matplotlib graph hypothesis-test

【解决方案1】：

累积数据是每日数据的累积版本，反过来，每日数据是差分累积数据。

我假设累计死亡人数是每天累积的，因此您可以提取每天的死亡人数（例如np.diff）。这样，每个数据都将是一个每日数字。请注意，在这种情况下，您最终会丢失一个点（最后）。

您还可以决定使用 cumsum 累积住院或 ICU 数据的数量，以便与累积的设施数量进行比较。

【讨论】：

你说的似乎有道理，但正如我所说，住院或 ICU 数据的数量基本上是每天活跃病例的总数，更像是这样。第 1 天 - 17 人入院第 2 天 - 17 人（但这里可能有 2 人出院和 2 名新患者）所以在这种情况下，每天主动住院治疗让我很难过。第 3 天 - 13 人住院（有很多可能性，例如 4 人出院或 6 人出院，而另外 2 人入院）所以在这种情况下不可能实现 cumsum
问题是：你不知道。这就是为什么您需要将它们放在同一时间并进行比较。您无法推断出新患者的数量、治愈的患者数量等等。您想检验“住院率越高，设施率越高”这一假设。因此，如果您想目视检查，您只需要绘制它们（导数或反导数）。有意义吗？
啊，好吧，我明白了你想说的这就是我的情节的样子。 github.com/Data-Analytics-COVID-Hypothesis/Hypothesis-1/blob/…你能不能看一下，确认你的意思。
通过肉眼，我们在您的绘图中看到红色曲线大致是蓝色曲线的反导数（例如，在 5 月左右，累计死亡人数的增加对应于每日死亡人数的增加# 住院人数）。您应该区分死亡人数与时间（例如np.diff，不要忘记删除时间向量的最后一个元素以匹配形状），或者累积住院人数（使用np.cumsum）。
现在，当我对死亡人数执行 np.diff() 时，这两个图变得无法比较，我们看不到任何关系，因为一切都只是一些随机数上下跳跃而没有任何关系