Skip to content

Commit

Permalink
2020-07-08: new data + formating
Browse files Browse the repository at this point in the history
  • Loading branch information
@koepferl
koepferl committed Jul 8, 2020
1 parent 65a9553 commit 2f12202
Show file tree
Hide file tree
Showing 199 changed files with 38,142 additions and 39 deletions.
Binary file modified DT_Bavaria.pdf
View file
Binary file not shown.
50 changes: 34 additions & 16 deletions Documentation_COVID19_Local.ipynb
View file
Original file line number Diff line number Diff line change
Expand Up @@ -24,30 +24,17 @@
"cell_type": "markdown",
"metadata": {},
"source": [
"### Dataset downloaded 2020-06-09\n",
"New data for July available.\n",
"\n",
"### Dataset downloaded 2020-07-08\n",
"\n",
"* THERE IS NO GLORY IN PREVENTION BUT STILL LET'S TRY.\n",
"\n",
"\n",
"* DT evolution https://github.com/koepferl/COVID19Dahoam/blob/master/DT_Bavaria.pdf: \n",
" Changed y axis to log now. Most counties have now higher doubling times, isolation works. Stay put.\n",
" \n",
" * Bavaria with 699.3 d:\n",
" * 5 counties with lowest DTS (the larger the better):\n",
" * 62.11 39.5 LK Coburg\n",
" * 78.22 38.5 SK Coburg\n",
" * 108.08 37.5 LK Lichtenfels\n",
" * 114.50 03.5 SK Memmingen\n",
" * 121.87 28.5 LK Hof\n",
" * 5 counties with highest DTs (the larger the better):\n",
" * 1094.84 26.5 LK Ostallgaeu\n",
" * 1373.69 35.5 LK Tirschenreuth\n",
" * 1401.59 39.5 LK Muehldorf a.Inn\n",
" * 1429.39 38.5 LK Nuenberger Land\n",
" * 1700.70 36.5 SK Wuezburg\n",
"\n",
"* Semi-log plots https://github.com/koepferl/COVID19Dahoam/tree/master/plots: \n",
"\n",
" Counties with still very low DTs show also no flattening; with high DT almost a horizontal trend.\n",
" \n",
"* loglog plot https://github.com/koepferl/COVID19Dahoam/blob/master/loglog_Bavaria.pdf\n",
Expand Down Expand Up @@ -910,6 +897,37 @@
"* loglog plot https://github.com/koepferl/COVID19Dahoam/blob/master/loglog_Bavaria.pdf\n",
" Almost all counties move steep downwards (less infections every day) this means people are recovering faster than new once are becoming infected. This is good, our health system does not break down.\n",
"\n",
"* expert plots: In some counties now there a again more cases coming in, this causes the slope to steepen in the semilog plot, the DTs get shorter again and in the log-log plot the droping trend is revercing. In the expert plot we can see that also the reproduction time is goint up once the DT drops. The end of the loc-down is now visible.\n",
"\n",
"### Dataset downloaded 2020-06-09\n",
"\n",
"* THERE IS NO GLORY IN PREVENTION BUT STILL LET'S TRY.\n",
"\n",
"\n",
"* DT evolution https://github.com/koepferl/COVID19Dahoam/blob/master/DT_Bavaria.pdf: \n",
" Changed y axis to log now. Most counties have now higher doubling times, isolation works. Stay put.\n",
" \n",
" * Bavaria with 699.3 d:\n",
" * 5 counties with lowest DTS (the larger the better):\n",
" * 62.11 39.5 LK Coburg\n",
" * 78.22 38.5 SK Coburg\n",
" * 108.08 37.5 LK Lichtenfels\n",
" * 114.50 03.5 SK Memmingen\n",
" * 121.87 28.5 LK Hof\n",
" * 5 counties with highest DTs (the larger the better):\n",
" * 1094.84 26.5 LK Ostallgaeu\n",
" * 1373.69 35.5 LK Tirschenreuth\n",
" * 1401.59 39.5 LK Muehldorf a.Inn\n",
" * 1429.39 38.5 LK Nuenberger Land\n",
" * 1700.70 36.5 SK Wuezburg\n",
"\n",
"* Semi-log plots https://github.com/koepferl/COVID19Dahoam/tree/master/plots: \n",
"\n",
" Counties with still very low DTs show also no flattening; with high DT almost a horizontal trend.\n",
" \n",
"* loglog plot https://github.com/koepferl/COVID19Dahoam/blob/master/loglog_Bavaria.pdf\n",
" Almost all counties move steep downwards (less infections every day) this means people are recovering faster than new once are becoming infected. This is good, our health system does not break down.\n",
"\n",
"* expert plots: In some counties now there a again more cases coming in, this causes the slope to steepen in the semilog plot, the DTs get shorter again and in the log-log plot the droping trend is revercing. In the expert plot we can see that also the reproduction time is goint up once the DT drops. The end of the loc-down is now visible."
]
},
Expand Down
50 changes: 34 additions & 16 deletions Documentation_COVID19_Local_German.ipynb
View file
Original file line number Diff line number Diff line change
Expand Up @@ -23,34 +23,20 @@
"cell_type": "markdown",
"metadata": {},
"source": [
"### Datendownload 2020-06-09\n",
"Neue Daten für Juli.\n",
"### Datendownload 2020-07-08\n",
"\n",
"\n",
"* Es gibt keine Dankbarkeit für Prävention, aber versuchen sollten wir es trotzdem.\n",
"\n",
"\n",
"* DT Entwicklung https://github.com/koepferl/COVID19Dahoam/blob/master/DT_Bavaria.pdf: \n",
" Nun ist die y-Achse auch logarithmisch. Die meisten Kreise haben höhere Verdopplungszeiten, Isolation funktioniert. Bleibt dahoam, auf Abstand oder tragt Masken.\n",
" * Bayern mit 699.3 Tage:\n",
" * 5 Kreise mit den niedriger Verdopplungszeiten (umso groesser desto besser):\n",
" * 62.11 39.5 LK Coburg\n",
" * 78.22 38.5 SK Coburg\n",
" * 108.08 37.5 LK Lichtenfels\n",
" * 114.50 3.5 SK Memmingen\n",
" * 121.87 28.5 LK Hof\n",
" * 5 Kreise mit den hoechsten Verdopplungszeiten (umso groesser desto besser):\n",
" * 1094.84 26.5 LK Ostallgaeu\n",
" * 1373.69 35.5 LK Tirschenreuth\n",
" * 1401.59 39.5 LK Muehldorf a.Inn\n",
" * 1429.39 38.5 LK Nuenberger Land\n",
" * 1700.70 36.5 SK Wuezburg\n",
"\n",
"* Semi-log plots https://github.com/koepferl/COVID19Dahoam/tree/master/plots: \n",
"\n",
" Kreise mit sehr niedrigen DTs werden nicht/kaum flacher; mit sehr großen DTs ist der Verlauf fast horizontal. \n",
" \n",
"* loglog plot https://github.com/koepferl/COVID19Dahoam/blob/master/loglog_Bavaria.pdf: \n",
"\n",
" Man sieht schon einen beginnenden Abwärtstrend für Kreise mit sehr hohen DTs. Das ist sehr gut, es bedeutet, dass weniger Menschen krank werden. Weniger Infektionen pro Tag bedeutet das die Anzahl der Genesenen bald stark zunimmt und unser Gesundheitssystem so nicht überlastet wird. \n",
"\n",
"* Expert plot: Viele Landkreise haben nun steigende tägliche Fallzahlen. Dies hat Auswirkungen auf die Steigung im Semi-log plot. Die Steigung wird wieder steiler, im DT plot wird die Verdopplungszeit dadurch wieder kürzer, im log-log plot wird der Abwärtstrend gebrochen und es geht wieder nach oben. Das Ende der Ausgangsperre ist nun auch in den Diagrammen angekommen. "
Expand Down Expand Up @@ -866,6 +852,38 @@
"\n",
" Man sieht schon einen beginnenden Abwärtstrend für Kreise mit sehr hohen DTs. Das ist sehr gut, es bedeutet, dass weniger Menschen krank werden. Weniger Infektionen pro Tag bedeutet das die Anzahl der Genesenen bald stark zunimmt und unser Gesundheitssystem so nicht überlastet wird. \n",
"\n",
"* Expert plot: Viele Landkreise haben nun steigende tägliche Fallzahlen. Dies hat Auswirkungen auf die Steigung im Semi-log plot. Die Steigung wird wieder steiler, im DT plot wird die Verdopplungszeit dadurch wieder kürzer, im log-log plot wird der Abwärtstrend gebrochen und es geht wieder nach oben. Das Ende der Ausgangsperre ist nun auch in den Diagrammen angekommen. \n",
"\n",
"### Datendownload 2020-06-09\n",
"\n",
"\n",
"* Es gibt keine Dankbarkeit für Prävention, aber versuchen sollten wir es trotzdem.\n",
"\n",
"\n",
"* DT Entwicklung https://github.com/koepferl/COVID19Dahoam/blob/master/DT_Bavaria.pdf: \n",
" Nun ist die y-Achse auch logarithmisch. Die meisten Kreise haben höhere Verdopplungszeiten, Isolation funktioniert. Bleibt dahoam, auf Abstand oder tragt Masken.\n",
" * Bayern mit 699.3 Tage:\n",
" * 5 Kreise mit den niedriger Verdopplungszeiten (umso groesser desto besser):\n",
" * 62.11 39.5 LK Coburg\n",
" * 78.22 38.5 SK Coburg\n",
" * 108.08 37.5 LK Lichtenfels\n",
" * 114.50 3.5 SK Memmingen\n",
" * 121.87 28.5 LK Hof\n",
" * 5 Kreise mit den hoechsten Verdopplungszeiten (umso groesser desto besser):\n",
" * 1094.84 26.5 LK Ostallgaeu\n",
" * 1373.69 35.5 LK Tirschenreuth\n",
" * 1401.59 39.5 LK Muehldorf a.Inn\n",
" * 1429.39 38.5 LK Nuenberger Land\n",
" * 1700.70 36.5 SK Wuezburg\n",
"\n",
"* Semi-log plots https://github.com/koepferl/COVID19Dahoam/tree/master/plots: \n",
"\n",
" Kreise mit sehr niedrigen DTs werden nicht/kaum flacher; mit sehr großen DTs ist der Verlauf fast horizontal. \n",
" \n",
"* loglog plot https://github.com/koepferl/COVID19Dahoam/blob/master/loglog_Bavaria.pdf: \n",
"\n",
" Man sieht schon einen beginnenden Abwärtstrend für Kreise mit sehr hohen DTs. Das ist sehr gut, es bedeutet, dass weniger Menschen krank werden. Weniger Infektionen pro Tag bedeutet das die Anzahl der Genesenen bald stark zunimmt und unser Gesundheitssystem so nicht überlastet wird. \n",
"\n",
"* Expert plot: Viele Landkreise haben nun steigende tägliche Fallzahlen. Dies hat Auswirkungen auf die Steigung im Semi-log plot. Die Steigung wird wieder steiler, im DT plot wird die Verdopplungszeit dadurch wieder kürzer, im log-log plot wird der Abwärtstrend gebrochen und es geht wieder nach oben. Das Ende der Ausgangsperre ist nun auch in den Diagrammen angekommen. "
]
},
Expand Down
23 changes: 17 additions & 6 deletions cov19_local.py
View file
Original file line number Diff line number Diff line change
Expand Up @@ -227,8 +227,8 @@ def plot_corona(num_dic, day, month, name, ID, geraet_min=None, geraet_max=None,

day = day[num_dic['fall'] > 0]
month = month[num_dic['fall'] > 0]
day_max = 100.
day_ticks = [14, 18, 22, 26, 30, 3, 7, 11, 15, 19, 23, 27, 1, 5, 9, 13, 17, 21, 25, 29, 2, 6]
day_max = 150.
day_ticks = [14, 18, 22, 26, 30, 3, 7, 11, 15, 19, 23, 27, 1, 5, 9, 13, 17, 21, 25, 29, 2, 6, 10, 14, 18, 22, 26, 30, 3, 7, 11, 15, 19, 23, 27]


fig, ax = plt.subplots(4, figsize=(10,22), gridspec_kw={'height_ratios': [3, 1, 1, 1]})
Expand All @@ -254,6 +254,7 @@ def plot_corona(num_dic, day, month, name, ID, geraet_min=None, geraet_max=None,
day[month == 4] = day[month == 4] + 31
day[month == 5] = day[month == 5] + 31 + 30
day[month == 6] = day[month == 6] + 31 + 30 + 31
day[month == 7] = day[month == 7] + 31 + 30 + 31 + 30

#print 'day now', day
#print 'day_real', day_real
Expand Down Expand Up @@ -427,6 +428,7 @@ def func(x, a, b):#, c):
ax[0].text(31, 0.5, 'Apr')
ax[0].text(31+30, 0.5, 'Mai')
ax[0].text(31+30+31, 0.5, 'Juni')
ax[0].text(31+30+31+30, 0.5, 'Juli')

ax[0].annotate('Ausgangssperre', ha='center', xy=(21, ax[0].get_ylim()[0]), xytext=(21, 0.4),
arrowprops=dict(arrowstyle= '-|>', color='grey', lw=2, ls='-'), alpha=0.6)
Expand Down Expand Up @@ -534,6 +536,7 @@ def func(x, a, b):#, c):
tx2 = ax[1].text(31, 0.3, 'Apr')
tx3 = ax[1].text(31+30, 0.3, 'Mai')
tx4 = ax[1].text(31+30+31, 0.3, 'Juni')
tx5 = ax[1].text(31+30+31+30, 0.3, 'Juli')

ax[1].annotate('Ausgangssperre', ha='center', xy=(21, ax[1].get_ylim()[0]), xytext=(21, 0.2),
arrowprops=dict(arrowstyle= '-|>', color='grey', lw=2, ls='-'), alpha=0.6)
Expand Down Expand Up @@ -574,6 +577,7 @@ def func(x, a, b):#, c):
tx2 = ax[2].text(31, offset, 'Apr')
tx3 = ax[2].text(31+30, offset, 'Mai')
tx4 = ax[2].text(31+30+31, offset, 'Juni')
tx5 = ax[2].text(31+30+31+30, offset, 'Juli')

ax[2].annotate('Lock-down', ha='center', xy=(21, ax[2].get_ylim()[0]), xytext=(21, offset),
arrowprops=dict(arrowstyle= '-|>', color='grey', lw=2, ls='-'), alpha=0.6)
Expand Down Expand Up @@ -631,6 +635,7 @@ def func(x, a, b):#, c):
tx2 = ax[3].text(31, offset, 'Apr')
tx3 = ax[3].text(31+30, offset, 'Mai')
tx4 = ax[3].text(31+30+31, offset, 'Juni')
tx5 = ax[3].text(31+30+31+30, offset, 'Juli')
ax[3].annotate('Lock-down', ha='center', xy=(21, ax[3].get_ylim()[0]), xytext=(21, offset),
arrowprops=dict(arrowstyle= '-|>', color='grey', lw=2, ls='-'), alpha=0.6)
ax[3].annotate('Ostern', ha='center', xy=(31+12, ax[3].get_ylim()[0]), xytext=(31+12, offset),
Expand All @@ -657,7 +662,7 @@ def func(x, a, b):#, c):
'zu Abb. 4: \nReproduktionszahl gibt die Anzahl der \nWeiteransteckungen durch einen Infizierten an. \nReproduktionszahl groesser als 1 ist bedenklich. \n(Ziel: Reproduktionszahl viel kleiner als 1).'
)

fig.savefig('expert/' + name + '_expert.pdf', dpi=300, overwrite=True, bbox_inches='tight', bbox_extra_artists=(lgd, tx1, tx2, tx3, tx4))
fig.savefig('expert/' + name + '_expert.pdf', dpi=300, overwrite=True, bbox_inches='tight', bbox_extra_artists=(lgd, tx1, tx2, tx3, tx4, tx5))


##################
Expand All @@ -676,7 +681,7 @@ def func(x, a, b):#, c):

#extent = ax[0].get_window_extent().transformed(fig.dpi_scale_trans.inverted())
# Pad the saved area by 10% in the x-direction and 20% in the y-direction
fig.savefig('plots/' + name + '.pdf', dpi=300, overwrite=True, bbox_extra_artists=(lgd, tx1, tx2, tx3), bbox_inches='tight')
fig.savefig('plots/' + name + '.pdf', dpi=300, overwrite=True, bbox_extra_artists=(lgd, tx1, tx2, tx3, tx4, tx5), bbox_inches='tight')

rates = {'death_rate': num_tod / num * 100,
'recover_rate': num_gesund / num * 100,
Expand Down Expand Up @@ -737,8 +742,8 @@ def plot_DT(DT, state, ncol=4, nrow=3):
# move to March time frame
#########

day_max = 100.
day_ticks = [14, 18, 22, 26, 30, 3, 7, 11, 15, 19, 23, 27, 1, 5, 9, 13, 17, 21, 25, 29, 2, 6]
day_max = 150.
day_ticks = [14, 18, 22, 26, 30, 3, 7, 11, 15, 19, 23, 27, 1, 5, 9, 13, 17, 21, 25, 29, 2, 6, 10, 14, 18, 22, 26, 30, 3, 7, 11, 15, 19, 23, 27]

dat_states = state[1]

Expand All @@ -751,6 +756,7 @@ def plot_DT(DT, state, ncol=4, nrow=3):
if m == '04': state_day.append(int(d) + 31)
if m == '05': state_day.append(int(d) + 31 + 30)
if m == '06': state_day.append(int(d) + 31 + 30 + 31)
if m == '07': state_day.append(int(d) + 31 + 30 + 31 + 30)

#########
# fit
Expand Down Expand Up @@ -959,6 +965,7 @@ def func(x, a, b):#, c):
ax.text(31, 0.8, 'April')
ax.text(31+30, 0.8, 'Mai/May')
ax.text(31+30+31, 0.8, 'Juni/June')
ax.text(31+30+31+30, 0.8, 'Juli/July')


for ax2 in axs2.reshape(-1):
Expand Down Expand Up @@ -996,6 +1003,8 @@ def func(x, a, b):#, c):
ax3.text(13, offset3, 'Maerz/March')
ax3.text(31, offset3, 'April')
ax3.text(31+30, offset3, 'Mai/May')
ax3.text(31+30+31, offset3, 'Juni/June')
ax3.text(31+30+31+30, offset3, 'Juli/July')


for ax4 in axs4.reshape(-1):
Expand All @@ -1013,6 +1022,8 @@ def func(x, a, b):#, c):
ax4.text(13, offset4, 'Maerz/March')
ax4.text(31, offset4, 'April')
ax4.text(31+30, offset4, 'Mai/May')
ax4.text(31+30+31, offset4, 'Juni/June')
ax4.text(31+30+31+30, offset4, 'Juli/July')

if ax4 in [axs4[1,0]]:
ax4.set_ylabel('geschaetzte Reproduktionszahl R (Anzahl letzten 4 Meldungen / Anzahl der letzten 4 Meldungen davor)')
Expand Down
Loading

0 comments on commit 2f12202

Please sign in to comment.