数据采集
首先是数据采集部分，实验准备采集的是当前日期下的世界疫情情况，我们通过抓取 丁香园疫情 实时动态页面来获得各个国家的确诊人数、治愈人数和死亡人数并将其存入 DataFrame 里面。
import requests
import pandas as pd
from lxml import etree
html = 'https://3g.dxy.cn/newh5/view/pneumonia'
html_data = requests.get(html)
html_data.encoding = 'utf-8'
html_data = etree.HTML(html_data.text, etree.HTMLParser())
html_data = html_data.xpath(
'//*[@id="getListByCountryTypeService2true"]/text()') # xpath方法选择疫情的数据集合
ncov_world = html_data[0][49:-12]
ncov_world = ncov_world.replace('true', 'True')
ncov_world = ncov_world.replace('false', 'False')
ncov_world = eval(ncov_world)
country = []
confirmed = []
lived = []
dead = []
for i in ncov_world: # 分离国家名称，确诊人数，治愈人数和死亡人数并存入dataframe里备用
country.append(i['provinceName'])
confirmed.append(i['confirmedCount'])
lived.append(i['curedCount'])
dead.append(i['deadCount'])
data_world = pd.DataFrame()
data_world['国家名称'] = country
data_world['确诊人数'] = confirmed
data_world['治愈人数'] = lived
data_world['死亡人数'] = dead
data_world.head(5)
接下来，采集国内的经济数据，经济变化情况通常通过 GDP 来体现，国家统计局 提供了详细的数据可供查询，不仅可以查询 GDP，还可以查询各个行业数据的累加值和增加值，同时还支持按月按季度和按年查询。由于 GDP 通常以季度来同步，所以此处采集了近 18 个季度以来的各行业经济数据情况来备用。
这里，我们直接读取解析整理后的 GDP 数据，并将 DataFrame 索引设为时间序列。
data_economy = pd.read_csv(
"https://labfile.oss.aliyuncs.com/courses/2791/gpd_2016_2020.csv", index_col=0)
time_index = pd.date_range(start='2016', periods=18, freq='Q')
data_economy.index = time_index
data_economy
接下来需要获得不同时间下的疫情数据。目前主流网站只提供当天的疫情情况查询，而且一般不提供可供查询的 API，不过很多 GitHub 项目都提供了疫情数据的记录，因此，此处直接使用 疫情时间仓库 来获得疫情的时间序列信息和主流新闻的疫情报道信息，该信息采集自丁香园，更新到 7 月份。
data_area = pd.read_csv('https://labfile.oss.aliyuncs.com/courses/2791/DXYArea.csv')
data_news = pd.read_csv('https://labfile.oss.aliyuncs.com/courses/2791/DXYNews.csv')
数据预处理
经济行业数据和世界范围疫情数据采集时就已进行了相应的整理，保留了需要用到的部分并对标签都进行了修改，且没有空值，无需进行进一步处理。而历史疫情信息的时间仓库数据需要进行处理，只保留各个国家的总疫情数据情况，去掉分身数据，并建立时间序列索引和查询是否有空集，疫情新闻部分只保留新闻日期，新闻名称和新闻内容。
data_area = data_area.loc[data_area['countryName'] == data_area['provinceName']]
data_area_times = data_area[['countryName', 'province_confirmedCount',
'province_curedCount', 'province_deadCount', 'updateTime']]
time = pd.DatetimeIndex(data_area_times['updateTime']) # 根据疫情的更新时间来生成时间序列
data_area_times.index = time # 生成索引
data_area_times = data_area_times.drop('updateTime', axis=1)
data_area_times.head(5)
data_area_times.isnull().any() # 查询是否有空值
data_news_times = data_news[['pubDate', 'title', 'summary']]
time = pd.DatetimeIndex(data_news_times['pubDate'])
data_news_times.index = time # 生成新闻数据的时间索引
data_news_times = data_news_times.drop('pubDate', axis=1)
data_news_times.head(5)
print(data_world.isnull().any())
print(data_economy.isnull().any())
print(data_area_times.isnull().any())
print(data_news_times.isnull().any()) # 确认各个数据集是否空集
疫情现状数据分析
下面给出了当前世界疫情确诊人数最多的十个国家来进行数据可视化。通过条形图可以清晰的看出这些国家的确诊人数，治愈人数和死亡人数。Matplotlib 绘图时，为了显示中文，需要单独指定中文字体。
# 下载开源字体思源黑体
!wget -nc "https://labfile.oss.aliyuncs.com/courses/2791/NotoSansCJK.otf"
import matplotlib.pyplot as plt
import matplotlib
import os
%matplotlib inline
# 指定中文字体
fpath = os.path.join("./NotoSansCJK.otf")
myfont = matplotlib.font_manager.FontProperties(fname=fpath)
# 绘图
data_world = data_world.sort_values(by='确诊人数', ascending=False) # 按确诊人数进行排序
data_world_set = data_world[['确诊人数', '治愈人数', '死亡人数']]
data_world_set.index = data_world['国家名称']
data_world_set.head(10).plot(kind='bar', figsize=(15, 10)) # 对排序前十的国家数据进行绘图
plt.xlabel('国家名称', fontproperties=myfont)
plt.xticks(fontproperties=myfont)
plt.legend(fontsize=30, prop=myfont) # 设置图例
不难看出，美国确诊人数仍然居于高位，累计已经超过 500 万人，巴西印度其次。
疫情期间，各大分析网站都给出了疫情的地图可视化，通过疫情的地图可视化可以更清楚的了解疫情在世界范围内的分布情况，通过点选地图可以获得各地疫情信息，使得信息可视化更加智能。通过 Python 的 pyecharts 模块，我们也可以实现这一功能。
from pyecharts.charts import Map
from pyecharts import options as opts
from pyecharts.globals import CurrentConfig, NotebookType
CurrentConfig.NOTEBOOK_TYPE = NotebookType.JUPYTER_NOTEBOOK
name_map = { # 世界各国数据的中英文对比
'Singapore Rep.': '新加坡',
'Dominican Rep.': '多米尼加',
'Palestine': '巴勒斯坦',
'Bahamas': '巴哈马',
'Timor-Leste': '东帝汶',
'Afghanistan': '阿富汗',
'Guinea-Bissau': '几内亚比绍',
"Côte d'Ivoire": '科特迪瓦',
'Siachen Glacier': '锡亚琴冰川',
"Br. Indian Ocean Ter.": '英属印度洋领土',
'Angola': '安哥拉',
'Albania': '阿尔巴尼亚',
'United Arab Emirates': '阿联酋',
'Argentina': '阿根廷',
'Armenia': '亚美尼亚',
'French Southern and Antarctic Lands': '法属南半球和南极领地',
'Australia': '澳大利亚',
'Austria': '奥地利',
'Azerbaijan': '阿塞拜疆',
'Burundi': '布隆迪',
'Belgium': '比利时',
'Benin': '贝宁',
'Burkina Faso': '布基纳法索',
'Bangladesh': '孟加拉国',
'Bulgaria': '保加利亚',
'The Bahamas': '巴哈马',
'Bosnia and Herz.': '波斯尼亚和黑塞哥维那',
'Belarus': '白俄罗斯',
'Belize': '伯利兹',
'Bermuda': '百慕大',
'Bolivia': '玻利维亚',
'Brazil': '巴西',
'Brunei': '文莱',
'Bhutan': '不丹',
'Botswana': '博茨瓦纳',
'Central African Rep.': '中非',
'Canada': '加拿大',
'Switzerland': '瑞士',
'Chile': '智利',
'China': '中国',
'Ivory Coast': '象牙海岸',
'Cameroon': '喀麦隆',
'Dem. Rep. Congo': '刚果民主共和国',
'Congo': '刚果',
'Colombia': '哥伦比亚',
'Costa Rica': '哥斯达黎加',
'Cuba': '古巴',
'N. Cyprus': '北塞浦路斯',
'Cyprus': '塞浦路斯',
'Czech Rep.': '捷克',
'Germany': '德国',
'Djibouti': '吉布提',
'Denmark': '丹麦',
'Algeria': '阿尔及利亚',
'Ecuador': '厄瓜多尔',
'Egypt': '埃及',
'Eritrea': '厄立特里亚',
'Spain': '西班牙',
'Estonia': '爱沙尼亚',
'Ethiopia': '埃塞俄比亚',
'Finland': '芬兰',
'Fiji': '斐',
'Falkland Islands': '福克兰群岛',
'France': '法国',
'Gabon': '加蓬',
'United Kingdom': '英国',
'Georgia': '格鲁吉亚',
'Ghana': '加纳',
'Guinea': '几内亚',
'Gambia': '冈比亚',
'Guinea Bissau': '几内亚比绍',
'Eq. Guinea': '赤道几内亚',
'Greece': '希腊',
'Greenland': '格陵兰',
'Guatemala': '危地马拉',
'French Guiana': '法属圭亚那',
'Guyana': '圭亚那',
'Honduras': '洪都拉斯',
'Croatia': '克罗地亚',
'Haiti': '海地',
'Hungary': '匈牙利',
'Indonesia': '印度尼西亚',
'India': '印度',
'Ireland': '爱尔兰',
'Iran': '伊朗',
'Iraq': '伊拉克',
'Iceland': '冰岛',
'Israel': '以色列',
'Italy': '意大利',
'Jamaica': '牙买加',
'Jordan': '约旦',
'Japan': '日本',
'Kazakhstan': '哈萨克斯坦',
'Kenya': '肯尼亚',
'Kyrgyzstan': '吉尔吉斯斯坦',
'Cambodia': '柬埔寨',
'Korea': '韩国',
'Kosovo': '科索沃',
'Kuwait': '科威特',
'Lao PDR': '老挝',
'Lebanon': '黎巴嫩',
'Liberia': '利比里亚',
'Libya': '利比亚',
'Sri Lanka': '斯里兰卡',
'Lesotho': '莱索托',
'Lithuania': '立陶宛',
'Luxembourg': '卢森堡',
'Latvia': '拉脱维亚',
'Morocco': '摩洛哥',
'Moldova': '摩尔多瓦',
'Madagascar': '马达加斯加',
'Mexico': '墨西哥',
'Macedonia': '马其顿',
'Mali': '马里',
'Myanmar': '缅甸',
'Montenegro': '黑山',
'Mongolia': '蒙古',
'Mozambique': '莫桑比克',
'Mauritania': '毛里塔尼亚',
'Malawi': '马拉维',
'Malaysia': '马来西亚',
'Namibia': '纳米比亚',
'New Caledonia': '新喀里多尼亚',
'Niger': '尼日尔',
'Nigeria': '尼日利亚',
'Nicaragua': '尼加拉瓜',
'Netherlands': '荷兰',
'Norway': '挪威',
'Nepal': '尼泊尔',
'New Zealand': '新西兰',
'Oman': '阿曼',
'Pakistan': '巴基斯坦',
'Panama': '巴拿马',
'Peru': '秘鲁',
'Philippines': '菲律宾',
'Papua New Guinea': '巴布亚新几内亚',
'Poland': '波兰',
'Puerto Rico': '波多黎各',
'Dem. Rep. Korea': '朝鲜',
'Portugal': '葡萄牙',
'Paraguay': '巴拉圭',
'Qatar': '卡塔尔',
'Romania': '罗马尼亚',
'Russia': '俄罗斯',
'Rwanda': '卢旺达',
'W. Sahara': '西撒哈拉',
'Saudi Arabia': '沙特阿拉伯',
'Sudan': '苏丹',
'S. Sudan': '南苏丹',
'Senegal': '塞内加尔',
'Solomon Is.': '所罗门群岛',
'Sierra Leone': '塞拉利昂',
'El Salvador': '萨尔瓦多',
'Somaliland': '索马里兰',
'Somalia': '索马里',
'Serbia': '塞尔维亚',
'Suriname': '苏里南',
'Slovakia': '斯洛伐克',
'Slovenia': '斯洛文尼亚',
'Sweden': '瑞典',
'Swaziland': '斯威士兰',
'Syria': '叙利亚',
'Chad': '乍得',
'Togo': '多哥',
'Thailand': '泰国',
'Tajikistan': '塔吉克斯坦',
'Turkmenistan': '土库曼斯坦',
'East Timor': '东帝汶',
'Trinidad and Tobago': '特里尼达和多巴哥',
'Tunisia': '突尼斯',
'Turkey': '土耳其',
'Tanzania': '坦桑尼亚',
'Uganda': '乌干达',
'Ukraine': '乌克兰',
'Uruguay': '乌拉圭',
'United States': '美国',
'Uzbekistan': '乌兹别克斯坦',
'Venezuela': '委内瑞拉',
'Vietnam': '越南',
'Vanuatu': '瓦努阿图',
'West Bank': '西岸',
'Yemen': '也门',
'South Africa': '南非',
'Zambia': '赞比亚',
'Zimbabwe': '津巴布韦',
'Comoros': '科摩罗'
}
map = Map(init_opts=opts.InitOpts(width="1900px", height="900px",
bg_color="#ADD8E6", page_title="全球疫情确诊人数")) # 获得世界地图数据
map.add("确诊人数", [list(z) for z in zip(data_world['国家名称'], data_world['确诊人数'])],
is_map_symbol_show=False, # 添加确诊人数信息
# 通过name_map来转化国家的中英文名称方便显示
maptype="world", label_opts=opts.LabelOpts(is_show=False), name_map=name_map,
itemstyle_opts=opts.ItemStyleOpts(color="rgb(49,60,72)"),
).set_global_opts(
visualmap_opts=opts.VisualMapOpts(max_=1000000), # 对视觉映射进行配置
)
map.render_notebook() # 在notebook中显示
红色到蓝色的不同颜色代表了严重性的差异，通过鼠标点击可以获得各个国家疫情累计确诊人数，不难看出，疫情在全世界范围内蔓延并且大部分国家疫情确诊人数都非常高。
疫情增长数据分析
下面根据疫情的时间仓库序列来对疫情随时间的变化情况做分析：
country = data_area_times.sort_values('province_confirmedCount', ascending=False).drop_duplicates(
subset='countryName', keep='first').head(6)['countryName']
country = list(country) # 对于同一天采集的多个数据，只保留第一次出现的数据也就是最后一次更新的数据
country
可以看出，美国、巴西、印度、俄罗斯、秘鲁、智利是疫情较为严重的六个国家。下面根据时间序列变化的确诊人数来绘制折线图来展现疫情分布。
data_America = data_area_times[data_area_times['countryName'] == '美国']
data_Brazil = data_area_times[data_area_times['countryName'] == '巴西']
data_India = data_area_times[data_area_times['countryName'] == '印度']
data_Russia = data_area_times[data_area_times['countryName'] == '俄罗斯']
data_Peru = data_area_times[data_area_times['countryName'] == '秘鲁']
data_Chile = data_area_times[data_area_times['countryName'] == '智利']
timeindex = data_area_times.index
timeindex = timeindex.floor('D') # 对于日期索引，只保留具体到哪一天
data_area_times.index = timeindex
timeseries = pd.DataFrame(data_America.index)
timeseries.index = data_America.index
data_America = pd.concat([timeseries, data_America], axis=1)
data_America.drop_duplicates(
subset='updateTime', keep='first', inplace=True) # 对美国数据进行处理，获得美国确诊人数的时间序列
data_America.drop('updateTime', axis=1, inplace=True)
timeseries = pd.DataFrame(data_Brazil.index)
timeseries.index = data_Brazil.index
data_Brazil = pd.concat([timeseries, data_Brazil], axis=1)
# 对巴西数据进行处理，获得巴西确诊人数的时间序列
data_Brazil.drop_duplicates(subset='updateTime', keep='first', inplace=True)
data_Brazil.drop('updateTime', axis=1, inplace=True)
timeseries = pd.DataFrame(data_India.index)
timeseries.index = data_India.index
data_India = pd.concat([timeseries, data_India], axis=1)
# 对印度数据进行处理，获得印度确诊人数的时间序列
data_India.drop_duplicates(subset='updateTime', keep='first', inplace=True)
data_India.drop('updateTime', axis=1, inplace=True)
timeseries = pd.DataFrame(data_Russia.index)
timeseries.index = data_Russia.index
data_Russia = pd.concat([timeseries, data_Russia], axis=1)
# 对俄罗斯数据进行处理，获得俄罗斯确诊人数的时间序列
data_Russia.drop_duplicates(subset='updateTime', keep='first', inplace=True)
data_Russia.drop('updateTime', axis=1, inplace=True)
timeseries = pd.DataFrame(data_Peru.index)
timeseries.index = data_Peru.index
data_Peru = pd.concat([timeseries, data_Peru], axis=1)
# 对秘鲁数据进行处理，获得秘鲁确诊人数的时间序列
data_Peru.drop_duplicates(subset='updateTime', keep='first', inplace=True)
data_Peru.drop('updateTime', axis=1, inplace=True)
timeseries = pd.DataFrame(data_Chile.index)
timeseries.index = data_Chile.index
data_Chile = pd.concat([timeseries, data_Chile], axis=1)
# 对智利数据进行处理，获得智利确诊人数的时间序列
data_Chile.drop_duplicates(subset='updateTime', keep='first', inplace=True)
data_Chile.drop('updateTime', axis=1, inplace=True)
plt.title("世界疫情排行分布", fontproperties=myfont)
plt.plot(data_America['province_confirmedCount'])
plt.plot(data_Brazil['province_confirmedCount'])
plt.plot(data_India['province_confirmedCount'])
plt.plot(data_Russia['province_confirmedCount'])
plt.plot(data_Peru['province_confirmedCount'])
plt.plot(data_Chile['province_confirmedCount'])
plt.legend(country, prop=myfont)
折线图反映了目前时间疫情较为严重的几个国家的疫情发展情况。除美国在 3 月中旬确诊人数开始迅猛增长外，其他几个国家都在 5 月份后才开始快速增长，同时期国内的疫情已经基本得到控制。
在这六个国家当中，美国，巴西印度的增长速度仍然非常快，尤其是美国在 7 月后仍然呈现指数型增长，疫情的拐点仍远未到来。
新冠疫情新闻挖掘分析
下面对新冠疫情期间，疫情的新闻情况进行简单的分析，我们对新闻标题进行汇总统计并通过结巴分词的方式进行分词，获取不同词的词频，根据词频产生词云。
import jieba
import re
from wordcloud import WordCloud
def word_cut(x): return jieba.lcut(x) # 进行结巴分词
news = []
reg = "[^\u4e00-\u9fa5]"
for i in data_news['title']:
if re.sub(reg, '', i) != '': # 去掉英文数字和标点等无关字符，仅保留中文词组
news.append(re.sub(reg, '', i)) # 用news列表汇总处理后的新闻标题
words = []
counts = {}
for i in news:
words.append(word_cut(i)) # 对所有新闻进行分词
for word in words:
for a_word in word:
if len(a_word) == 1:
continue
else:
counts[a_word] = counts.get(a_word, 0)+1 # 用字典存储对应分词的词频
words_sort = list(counts.items())
words_sort.sort(key=lambda x: x[1], reverse=True)
newcloud = WordCloud(font_path="./NotoSansCJK.otf",
background_color="white", width=600, height=300, max_words=50) # 生成词云
newcloud.generate_from_frequencies(counts)
image = newcloud.to_image() # 转换成图片
image
可以看出，除疫情本身相关的词汇之外，疫情期间的新闻主要还是围绕新增和确诊病例的统计来展开，各地出现的疫情备受关注。此外，境外输入，包括美国，日本韩国的疫情也有不少相关报道。
下面针对疫情新闻的分词生成词向量，通过词向量可以对这些词进行 K-Means 聚类，这样可以获得不同新闻词汇之间的联系，对于新闻的相关性分析和推荐很有参考意义。
from gensim.models import Word2Vec
from sklearn.cluster import KMeans
import warnings
warnings.filterwarnings('ignore')
words = []
for i in news:
words.append(word_cut(i))
model = Word2Vec(words, sg=0, size=300, window=5, min_count=5) # 词向量进行训练
keys = model.wv.vocab.keys() # 获取词汇列表
wordvector = []
for key in keys:
wordvector.append(model[key]) # 对词汇列表里的所有的词向量进行整合
distortions = []
for i in range(1, 40):
word_kmeans = KMeans(n_clusters=i,
init='k-means++',
n_init=10,
max_iter=300,
random_state=0) # 分别聚成1-40类
word_kmeans.fit(wordvector)
distortions.append(word_kmeans.inertia_) # 算出样本距离最近的聚类中心的距离总和
plt.plot(range(1, 40), distortions, marker='o') # 绘图
plt.xlabel('Number of clusters')
plt.ylabel('Distortion')
这一误差越小越好，通过图示可以看出，聚类在 5 类之后应该较好，至 15 类之后下降就不再明显。由于文本数据量较大，此处选择聚成 10 类。
word_kmeans = KMeans(n_clusters=10) # 聚成10类
word_kmeans.fit(wordvector)
labels = word_kmeans.labels_
for num in range(0, 10):
text = []
for i in range(len(keys)):
if labels[i] == num:
text.append(list(keys)[i]) # 分别获得10类的聚类结果
print(text)
根据 10 类聚类结果我们可以看出关键词之间的关系。例如，其中一次聚类获得的 ['口罩', '将', '恢复', '与', '国家', '的', '在', '疫情', '防控', '病毒', '防疫', '措施', '中国', '抗疫', '物资', '和', '已', '隔离', '核酸', '检测', '人员', '医院', '医疗队', '武汉', '不', '医疗'] 这一数据类可以看出，疫情防控与核酸检测，抗疫医疗等词汇关联性紧密，通过此方法可以为新闻推送做进一步参考。
疫情对行业影响时序建模分析
sum_GDP = ['国内生产总值', '第一产业增加值', '第二产业增加值', '第三产业增加值']
industry_GDP = ['农林牧渔业增加值', '工业增加值', '制造业增加值', '建筑业增加值']
industry2_GDP = ['批发和零售业增加值', '交通运输、仓储和邮政业增加值', '住宿和餐饮业增加值', '金融业增加值']
industry3_GDP = ['房地产业增加值', '信息传输、软件和信息技术服务业增加值',
'租赁和商务服务业增加值', '其他行业增加值'] # 对不同行业分四类来展现
fig = plt.figure()
fig, axes = plt.subplots(2, 2, figsize=(21, 15)) # 分别用四个子图来展现数据变化情况
axes[0][0].plot(data_economy[sum_GDP])
axes[0][0].legend(sum_GDP, prop=myfont)
axes[0][1].plot(data_economy[industry_GDP])
axes[0][1].legend(industry_GDP, prop=myfont)
axes[1][0].plot(data_economy[industry2_GDP])
axes[1][0].legend(industry2_GDP, prop=myfont)
axes[1][1].plot(data_economy[industry3_GDP])
axes[1][1].legend(industry3_GDP, prop=myfont)
plt.title('分行业GDP变化图', fontproperties=myfont)
可以看出经济增长一般都呈现了周期性的波动，但总体向好，通过 18 个季度的曲线不难看出，国内经济总体呈较快的增长趋势。在国内疫情较为严重的一个月里，各个行业的曲线均有较大的波动，说明疫情对于经济行业的影响是全行业的，很多行业甚至出现了较为严重的下跌。
那么如果没有疫情的影响，经济变化将会如何呢？我们可以通过时序分析的方法对数据进行预测，推测出 2020 年第一季度的数据与实际数据进行对比，来量化预测新冠疫情对经济的影响。
from statsmodels.graphics.tsaplots import plot_acf
from pandas.plotting import autocorrelation_plot
from statsmodels.sandbox.stats.diagnostic import acorr_ljungbox
GDP_type = ['国内生产总值', '第一产业增加值', '第二产业增加值', '第三产业增加值',
'农林牧渔业增加值', '工业增加值', '制造业增加值', '建筑业增加值', '批发和零售业增加值',
'交通运输、仓储和邮政业增加值', '住宿和餐饮业增加值', '金融业增加值',
'房地产业增加值', '信息传输、软件和信息技术服务业增加值', '租赁和商务服务业增加值', '其他行业增加值']
for i in GDP_type:
each_data = data_economy[i][:-2]
plt.figure(figsize=(30, 6))
ax1 = plt.subplot(1, 3, 1)
ax2 = plt.subplot(1, 3, 2)
ax3 = plt.subplot(1, 3, 3)
LB2, P2 = acorr_ljungbox(each_data) # 进行纯随机性检验
plot_acf(each_data, ax=ax1)
autocorrelation_plot(each_data, ax=ax2) # 进行平稳性检验
ax3.plot(P2)
对于 16 个行业的时间序列进行平稳性检验和纯随机性检验，通过图片可以看出对于大部分的数据列来讲，都是能通过平稳性检验和纯随机性检验，只有部分几个数据集上纯随机性检验 P 值大于 0.05，不过总体还都符合要求，对于几个异常值不再考虑，仅选择几个有价值的数据进行时序建模。
from statsmodels.tsa.arima_model import ARMA
from statsmodels.tsa.stattools import arma_order_select_ic
warnings.filterwarnings('ignore')
data_arma = pd.DataFrame(data_economy['国内生产总值'][:-2]) # 选取疫情期前的16个季度进行建模
a, b = arma_order_select_ic(data_arma, ic='hqic')['hqic_min_order']
arma = ARMA(data_arma, order=(a, b)).fit() # 使用ARMA建模
rate1 = list(data_economy['国内生产总值'][-2] /
arma.forecast(steps=1)[0]) # 获得疫情期当季度的预测值
rate1 # 实际值与预测值的比率
得到比率之后，使用 pyecharts 模块中的水球图来进行可视化。
from pyecharts import options as opts
from pyecharts.charts import Liquid
c = (
Liquid()
.add("实际值/预测值", rate1, is_outline_show=False)
.set_global_opts(title_opts=opts.TitleOpts(title="第一季度国民生产总值实际值与预测值比例",
pos_left="center"))
)
c.render_notebook()
可以看出，如果不受疫情影响，2020 第一季度的 GDP 应该会高出很多，第一季度的实际 GDP 仅有预测 GDP 值的 83%。
下面对不同行业的经济增长值进行建模分析：
warnings.filterwarnings('ignore')
data_arma = pd.DataFrame(data_economy['工业增加值'][:-2])
a, b = arma_order_select_ic(data_arma, ic='hqic')['hqic_min_order']
arma = ARMA(data_arma, order=(a, b)).fit()
rate2 = list(data_economy['工业增加值'][-2]/arma.forecast(steps=1)[0])
c = (
Liquid()
.add("实际值/预测值", rate2, is_outline_show=False)
.set_global_opts(title_opts=opts.TitleOpts(title="工业增加值比例", pos_left="center"))
)
c.render_notebook()
疫情对工业影响也比较大，2020 第一季度的工业增长值仅为预测增长值的 84%。
warnings.filterwarnings('ignore')
data_arma = pd.DataFrame(data_economy['制造业增加值'][:-2])
a, b = arma_order_select_ic(data_arma, ic='hqic')['hqic_min_order']
arma = ARMA(data_arma, order=(a, b)).fit()
rate3 = list(data_economy['制造业增加值'][-2]/arma.forecast(steps=1)[0])
c = (
Liquid()
.add("实际值/预测值", rate3, is_outline_show=False)
.set_global_opts(title_opts=opts.TitleOpts(title="制造业增加值", pos_left="center"))
)
c.render_notebook()
疫情对制造业影响也较为明显，2020 第一季度的制造业增长值为预测增长值的 79%，这可能源于疫情期间工厂的停工。
data_arma = pd.DataFrame(data_economy['批发和零售业增加值'][:-2])
a, b = arma_order_select_ic(data_arma, ic='hqic')['hqic_min_order']
arma = ARMA(data_arma, order=(a, b)).fit()
rate4 = list(data_economy['批发和零售业增加值'][-2]/arma.forecast(steps=1)[0])
c = (
Liquid()
.add("实际值/预测值", rate4, is_outline_show=False)
.set_global_opts(title_opts=opts.TitleOpts(title="批发和零售业增加值", pos_left="center"))
)
c.render_notebook()
由于疫情期间普遍居家无法出门，消费持续低迷，批发与零售业走低。
data_arma = pd.DataFrame(data_economy['金融业增加值'][:-2])
a, b = arma_order_select_ic(data_arma, ic='hqic')['hqic_min_order']
arma = ARMA(data_arma, order=(a, b)).fit()
rate = list(data_economy['金融业增加值'][-2]/arma.forecast(steps=1)[0])
c = (
Liquid()
.add("实际值/预测值", rate, is_outline_show=False)
.set_global_opts(title_opts=opts.TitleOpts(title="金融业增加值", pos_left="center"))
)
c.render_notebook()
相比于传统行业来讲，金融业并没有受到明显影响，甚至比预测值还有小幅增加，一方面这是由于金融业流动性强，另一方面金融债务等影响比较长远，短期并不明显。
data_arma = pd.DataFrame(data_economy['信息传输、软件和信息技术服务业增加值'][:-2])
a, b = arma_order_select_ic(data_arma, ic='hqic')['hqic_min_order']
arma = ARMA(data_arma, order=(a, b)).fit()
rate = list(data_economy['信息传输、软件和信息技术服务业增加值'][-2]/arma.forecast(steps=1)[0])
c = (
Liquid()
.add("实际值/预测值", rate, is_outline_show=False)
.set_global_opts(title_opts=opts.TitleOpts(title="信息传输、软件和信息技术服务业增加值",
pos_left="center"))
)
c.render_notebook()
信息传输、软件和信息技术服务业也是为数不多在疫情中不减反增的行业，疫情的爆发催生了线上办公的崛起，信息技术在对抗疫情的过程中大放异彩，因此从预测数据上来分析，疫情对于信息技术产业并没有明显影响。
总体来看，疫情对于各行业经济均有所冲击，特别是实体行业，制造业和服务业一类，对于信息金融产业并没有造成太大的影响。除了行业特点之外，疫情及时得以控制也是重要的因素。得益于疫情的快速控制，国内经济总体向上的势头并没有改变，疫情对于各行业的影响也是较为短暂的，在疫情严苛的考验下，行业经济仍然保持了增长的势头，疫情的及时控制对于经济发展至关重要。