机器学习分析预测新冠数据，实现GUI界面

前言

这次小项目主要是对前段时间学习成果的一次集中展现，新人博主，欢迎指导。

简介

本代码通过分析近88天的疫情数据，将确诊病例数、在国家、地区两个维度进行了可视化展示，并且使用多项式回归和logistic回归对未来的确诊人数进行预测，本代码，使用到了numpy 、panda和datetime处理数据，sklearn建立相应的数学模型， matplotlib绘制图， tkinter制作GUI界面。
time_series_covid19_confirmed_global.csv文件记录了截止到4月19日的新型肺炎确诊情况 最新数据源文件

效果图预览

在GUI界面选择预测的天数，起止时间，地区可以得出分析预测图像。

整体思路

1. 获取数据源
   使用SVN从Github上面一个项目仓库CSSEGISandData/COVID-19，下载了一个包含地区维和时间维的确诊患者数量.csv文件。
   SVM使用教程连接
   四月份下载的数据文件

2. 处理数据
   首先读取.csv文件，转为DataFrame格式。按GUI界面选择的参数截取数据，如：中国-湖北-1月22日-4月19日。先按国家属性做行截取，得到33行各省市数据。再按省属性做行截取，得到一行湖北数据。再按起止时间做列截取，得纯患者人数行DateFrame格式。把时间段转换成时间序列[1,2,3……88]，把患者人数转换成List结构。

3. 进行回归分析
   自变量为时间，因变量为患者数，用多种模型尝试进行拟合。简单线性回归、支持向量回归，拟合效果很差，舍弃。最后留下了效果好的：多项式回归和logistic回归。对应输入的预测天数，反馈出预测图像。

4. 制作GUI界面
   用tk的标签，输入条，下拉框，画布控件组成。其中两个下拉选项框，负责选择国家和选择的，做了嵌套功能，只有选了中国才能有武汉选项。具体实现方法是在国家选择事件触发一个函数，这个函数会把省选项删除，代入国家参数重新显示一个省选项。在选择完地区成后会触发更新预测图函数，即先把已有的图删除，再重新画一个。

整体代码

import pandas as pd
import numpy as np
import datetime
from sklearn.model_selection import  train_test_split
from sklearn.linear_model import LogisticRegression,LinearRegression
from sklearn.preprocessing import PolynomialFeatures
import matplotlib
from matplotlib.pyplot import MultipleLocator
from matplotlib.backends.backend_tkagg import  FigureCanvasTkAgg
from matplotlib.figure import Figure
import tkinter as tk
from tkinter import ttk

pd.set_option('display.max_columns',1000)
pd.set_option('display.width', 1000)
pd.set_option('display.max_colwidth',1000)
# .csv包含93列：Province/State表示省份，Country/Region表示国家，Lat，Long分别表示经纬度，后面每一列分别表示具体日期（1月22日-4月19日）
confirmed_global_path = 'C:\\Users\\chao\\csse_covid_19_time_series\\time_series_covid19_confirmed_global.csv'
confirmed_global_df = pd.DataFrame(pd.read_csv(confirmed_global_path))
cols = confirmed_global_df.keys()#列名
dates = confirmed_global_df.loc[:, cols[4]:].keys()#提取日期列名（1月22日-4月19日）
global  start_date,end_date
start_date=0
end_date=88
matplotlib.use('TkAgg')
window = tk.Tk()
window.geometry("600x900")

label4=tk.Label(window, text='Predicted days: ')
label4.pack()
entry4=tk.Entry(window,width=20,font=("宋体", 10, 'bold'))
entry4.pack()

label3=tk.Label(window,text='Start date:')#截取开始时间
label3.pack()
def go_Country3(*args):  # 处理事件，*args表示可变参数
    global  start_date
    start_date=list(dates).index(comboxlist3.get())
 # 构造下拉列表
comvalue3 = tk.StringVar()  # 窗体自带的文本，新建一个值
comboxlist3 = ttk.Combobox(window, textvariable=comvalue3)  # 初始化
comboxlist3["values"] = list(confirmed_global_df.loc[:, cols[4]:].keys())#日期列（1月22日-4月19日）
comboxlist3.current(0)  # 选择第一个
comboxlist3.bind("<>", go_Country3)  # 绑定事件,(下拉列表框被选中时，绑定go()函数)
comboxlist3.pack()

label5=tk.Label(window, text='end days: ')#截取结束时间
label5.pack()
def go_Country5(*args):  # 处理事件，*args表示可变参数
    global end_date
    end_date = list(dates).index(comboxlist5.get())
 # 构造下拉列表
comvalue5 = tk.StringVar()  # 窗体自带的文本，新建一个值
comboxlist5 = ttk.Combobox(window, textvariable=comvalue5)  # 初始化
comboxlist5["values"] = list(confirmed_global_df.loc[:, cols[4]:].keys())#日期列（1月22日-4月19日）
comboxlist5.current(88)  # 选择第一个
comboxlist5.bind("<>", go_Country5)  # 绑定事件,(下拉列表框被选中时，绑定go()函数)
comboxlist5.pack()

label2 = tk.Label(window, text='Choose a Province/State: ')
label1 = tk.Label(window, text='Choose a Country/Region: ')
label1.pack()#显示选择国家标签
def go_Country1(*args):  # 处理事件，*args表示可变参数
    global confirmed_Province_df,Country_Province_df
    Province=comboxlist1.get()  # 选中的值
    confirmed_Province_df = Country_Province_df[Country_Province_df["Province/State"] == Province]
    print_file()

def go_Country(*args):  # 处理事件，*args表示可变参数
    global confirmed_Province_df,Country_Province_df,label2,comboxlist,comboxlist1
    Country=comboxlist.get()  # 选中的国家值
    Country_Province_df = confirmed_global_df.loc[confirmed_global_df["Country/Region"] == Country]#对应的省份选项
    scatter3.get_tk_widget().pack_forget()#删除上次的结果
    label2.pack_forget()#删除上次的省份列表
    comboxlist1.pack_forget()
    if  len(Country_Province_df)==1:
        confirmed_Province_df=Country_Province_df
        print_file()
    else:
        label2 = tk.Label(window, text='Country/Region: ')
        label2.pack()
        comvalue1 = tk.StringVar()  # 窗体自带的文本，新建一个值
        comboxlist1 = ttk.Combobox(window, textvariable=comvalue1)  # 初始化
        comboxlist1["values"] =  list(Country_Province_df.iloc[:, 0])
        comboxlist1.current(0)  # 选择第一个
        comboxlist1.bind("<>", go_Country1)  # 绑定事件,(下拉列表框被选中时，绑定go()函数)
        comboxlist1.pack()


  # 构造国家下拉列表
comvalue = tk.StringVar()  # 窗体自带的文本，新建一个值
comboxlist = ttk.Combobox(window, textvariable=comvalue)  # 初始化
comboxlist["values"] = sorted(list(set(confirmed_global_df.iloc[:, 1])))#去重并排序国家名称列
comboxlist.current(0)  # 选择第一个
comboxlist.bind("<>", go_Country)  # 绑定事件,(下拉列表框被选中时，绑定go()函数)
comboxlist.pack()
# new Country/Region label and input box


  # 构造省份下拉列表
comvalue1 = tk.StringVar()  # 窗体自带的文本，新建一个值
comboxlist1 = ttk.Combobox(window, textvariable=comvalue1)  # 初始化
comboxlist1.bind("<>", go_Country1)




# 输出预测图像
def print_file():
    global start_date,end_date
    days_in_future = int(entry4.get())#预测天数
    future_forcast = np.array([i for i in range(end_date - start_date + days_in_future)]).reshape(-1, 1)#未来预测序数列
    first='1/22'
    first_day = datetime.datetime.strptime(first, '%m/%d')
    future_forcast_dates = []
    for i in range(len(future_forcast)):
        future_forcast_dates.append((first_day + datetime.timedelta(days=i+start_date)).strftime('%m/%d'))


    adjusted_dates = future_forcast_dates[:-days_in_future]#矫正后日期star-end,eg:'1/22','1/23'……
    dates_array = np.array([i for i in range(end_date-start_date)]).reshape(-1, 1)#开始到结束日准确序数列[1，2，3，……]
    confirmed_Province_array = np.array(confirmed_Province_df.iloc[:, start_date+4:end_date+4]).reshape(-1, 1)#准确患者人数列
    print(confirmed_Province_array)
    # 将从1月22号的人员确诊数据分成0.9的训练集，0.1的测试集
    X_train_confirmed, X_test_confirmed, y_train_confirmed, y_test_confirmed = train_test_split(dates_array,confirmed_Province_array, test_size=0.1, shuffle=False)

    Logistic=LogisticRegression(C = 5, penalty = 'l2')
    Logistic.fit(X_train_confirmed,y_train_confirmed)

    Logistic_pred = Logistic.predict(future_forcast)
    # 多项式回归
    poly_reg = PolynomialFeatures(degree=3)
    x_poly = poly_reg.fit_transform(X_train_confirmed)
    linear_reg = LinearRegression()
    linear_reg.fit(x_poly, y_train_confirmed)

    global f, scatter3
    f = Figure(figsize=(6, 5), dpi=100)
    scatter3.get_tk_widget().pack_forget()
    a = f.add_axes([0.2, 0.2, 0.7, 0.7])
    scatter3 = FigureCanvasTkAgg(f, window)
    line,=a.plot(adjusted_dates, confirmed_Province_array)
    a.plot(future_forcast_dates, Logistic_pred, linestyle='dashed')
    a.plot(future_forcast_dates, linear_reg.predict(poly_reg.fit_transform(future_forcast)), 'r')
    xmajorLocator = MultipleLocator(15)
    a.xaxis.set_major_locator(xmajorLocator)
    a.set_title('#confirmed Coronavirus Cases Over Time')
    a.set_xlabel('Time in Days')
    a.set_ylabel('# confirmed Cases')
    a.legend(['Confirmed Cases', 'Logistic predictions', ' polynomial predictions'])
    scatter3.draw()
    scatter3.get_tk_widget().pack(side=tk.TOP, expand=1)
f = Figure(figsize=(6, 5), dpi=100)
scatter3 = FigureCanvasTkAgg(f, window)
window.mainloop()

if __name__ == "__main__":
    main()

参考资料引用

1.从GitHub上CSSEGISandData/COVID-19项目获取的数据源——超链接
2.关于2019nCoV新冠肺炎的建模（Ⅱ）—基于Logistic模型的疫情预测——超链接
3.新冠疫情现状分析及预测——基于线性回归、支持向量回归等数学模型——超链接