Python for Data Science – Telegram
Python for Data Science
301 subscribers
128 photos
16 videos
12 files
61 links
اطلاعات مفید جهت یادگیری پایتون برای علم داده
Download Telegram
Python for Data Science
🚨🚨🚨 نرخ مرگ و میر یا Mortality Rate MR = Deaths/Confirmed #ایران 🇮🇷 📊یکی از پارامترهای مشخص برای برآورد شیوع بیماری در علم اپیدمیولوژی نرخ مرگ و میر است. 🖤از نظر بنده عواملی مانند بیماری‌های واگیردار که باعث از دست رفتن عزیزان و نزدیکان‌مان شود می‌تواند…
🚨 افزایش زودهنگام نرخ مرگ و میر در ایران
طبق داده‌های اعلامی دیروز، کشور ما ۵ روز زودتر از پیش‌بینی فوق به نرخ مرگ و میر ۶.۱% رسیده است.

🔺الگوهای تشکیل شده خبر از نرخ مرگ و میر حدود ۸-۱۰ درصد می‌دهد...

🔎 @py4ds
🚨 تخمین شیوع ویروس COVID-19 در #ایران 🇮🇷

✴️ سیر افزایش روزانه‌ی مبتلایان چندروزی‌ست که بین ۱۰۰۰ تا ۱۴۰۰ در حال نوسان بوده است.

🔺اگرچه پیش‌بینی وضعیت آینده با الگوی ایجاد شده و نیز نزدیکی ایام نوروز امری دشوار به نظر می‌رسد اما مطابق الگوی فوق در دو روز اخیر، در صورت رعایت قرنطینه‌ی خانگی می‌توان شاهد کاهش ابتلائات روزانه و کنترل بیماری بود.

📊در صورت ادامه‌ی روند فعلی(۷٪ خطا) انتظار می‌رود در
سوم فروردین ۹۹ شاهد
🔸۲۲هزار نفر مبتلای تجمعی(بنفش رنگ)
🔸حدود ۶۳۰۰ نفر بیمار بهبود یافته(سبز رنگ)
🔸حدود ۱۴هزار بیمار موجود با احتمال انتقال بیماری به دیگران (زرد رنگ)
🔸حدود ۱۷۰۰ فوت
باشیم.

#درخانه_بمانیم!
🔎 @py4ds
🚨 تخمین روند شیوع COVID-19 در کشور #ایتالیا 🇮🇹

🔺 روند شیوع بیماری در ایتالیا در نمودار روزانه در حال نزدیک‌شدن به قله(یعنی بیشترین ابتلائات روزانه) است. طبق مدل بدست آمده، ایتالیا حوالی روزهای ۲-۴ فروردین به نقطه‌ی اوج شیوع بیماری خواهد رسید. کشور ایتالیا در روزهای اخیر حدود ۳۵۰۰ بیمار در روز را تجربه کرده و پیش‌بینی می‌شود این تعداد به حدود ۴۳۰۰ بیمار در روز نیز برسد.

📊تخمین فعلی جمعا چیزی حدود ۱۰۰هزار بیمار را در ایتالیا پیش‌بینی کرده است. کشور #اسپانیا 🇪🇸 نیز وضعیتی مشابه با ایتالیا داشته و تعداد بیماران آن طی ۳ روز اخیر دوبرابر شده است.

🔎 @py4ds
Forwarded from Python for Data Science
🚨 منتظر تحلیل داده‌های شیوع کرونا در کشور خودمان باشید

✴️کانال پایتون برای علم داده را به دوستان خود معرفی کنید:
🔎 @py4ds
Python for Data Science
🚨 تخمین شیوع ویروس COVID-19 در #ایران 🇮🇷 ✴️ سیر افزایش روزانه‌ی مبتلایان چندروزی‌ست که بین ۱۰۰۰ تا ۱۴۰۰ در حال نوسان بوده است. 🔺اگرچه پیش‌بینی وضعیت آینده با الگوی ایجاد شده و نیز نزدیکی ایام نوروز امری دشوار به نظر می‌رسد اما مطابق الگوی فوق در دو روز اخیر،…
🆘 طبق گفته‌ی وزیر بهداشت چیزی حدود 40درصد مبتلایان نیاز به بستری شدن در بیمارستان دارند. در حال حاضر حدود 4600 بستری مبتلا به کرونا داریم.

🔺اگر تعداد کل مبتلایان نیاز به بستری شدن حداکثر به حدود 12هزار نفر برسد یعنی حدود 30هزار مبتلای موجود داریم.
📊با احتساب ضریب 30درصدی نمونه‌های مبتلا به بهبودیافته و حدود 10درصد فوت، یعنی چیزی حدود 42هزار مبتلای تجمیعی خواهیم داشت.

🔎 @py4ds
🚨 نمیخواستم امروز مطلب نگران‌کننده‌ای منتشر کنم و شب عیدتون رو خراب کنم اما از صمیم قلب ازتون خواهش میکنم مراقب عزیزان‌تون باشید.

🔺نرخ مرگ ویروس nCov-19 در #ایران به ‌۷٪ رسیده و این مطلب بسیار نگران‌کننده‌ای هست. آمار فوت روزانه مدام داره بیشتر میشه امروز بیشترین عدد یعنی ۱۴۹ رو داشتیم.
با ادامه روند فعلی خیلی سریع تعداد فوتی‌ها به ۳۰۰۰ نفر میرسه!
🔺آمار نشون میده از از پیک شیوع رد شدیم اما با وضعیت مسافرت‌های نوروزی که مشاهده میشه این بیماری حالاحالاها در ایران ادامه خواهد داشت.

🔎 @py4ds
💫 عیدتون پیشاپیش مبارک باشه
امیدوارم سال ۹۹ براتون سرشار از موفقیت باشه.

سعی میکنم این دو سه روز عیدی مطلبی در مورد شیوع بیماری کرونا منتشر نکنم.
🔎 @py4ds
🍀🌺🍀🌺🍀🌺🍀🌺🍀🌺🍀

در آستانه فرا رسیدن عید نوروز باستانی و آغاز سال نو، تبریک و تهنیت صمیمانه را تقدیم شما و خانواده محترمتان داشته و در پرتو الطاف بیکران خداوندی سلامتی و بهروزی، طراوت و شادکامی، عزت و کامیابی برای شما آرزومندم.

🍀🌺🍀🌺🍀🌺🍀🌺🍀🌺🍀

سال نو مبارک 🌺
ارادتمند

🔎 @py4ds
This media is not supported in your browser
VIEW IN TELEGRAM
✴️ محاسبات خطی و لگاریتمی در numpy

متد linspace برای تقسیم بندی مساوی بازه به صورت خطی
متد logspace برای تقسیم بندی مساوی بازه به صورت لگاریتمی
#آموزش

🔎 @py4ds
💬ربات ارسال نظر به کانال اضافه شد
برای نظر دادن لطفاً ربات رو start کنید.
منتظر نظراتتون هستم🌺

@py4ds
🚨روزهای سختی در #ایتالیا می‌گذرد.
نرخ مرگ و میر در ایتالیا به ۱۰ درصد رسیده
یعنی از کل افراد مبتلا ده درصد فوت شده‌اند(بیش از ۷۵۰۰ نفر از اول اسفند ۹۸ تا دیروز)

✍🏻با توجه به شباهت زیاد روند رشد بیماری در کشورمان و کشور ایتالیا باید با شدت بیشتری مراقب باشیم. امیدوارم با مقررات منع آمد و شد که از امروز اجرا می‌شود از وقوع فاجعه پیشگیری شود.
🔎 @py4ds
🚨با عبور تعداد بیماران در #ایالات_متحده🇺🇸 از صدهزار نفر باید منتظر شکل‌گیری کانون جدید بیماری در آنجا باشیم. البته سرانه‌ی جمعیتی بیماران هنوز فاصله‌ی زیادی با ایتالیا دارد اما خبرهای منتشر شده حاکی از فاجعه‌ای بزرگ در آمریکا خواهد بود.

📊 پیش‌بینی‌ها نشان می‌دهد تمام دنیا حداقل تا ۳ ماه آینده درگیر این بیماری باشند. این یعنی تعطیلی و قرنطیه ممکن است تا تابستان ادامه داشته باشد. کشور خودمان نیز از این قاعده مستثنی نیست!

📝می‌توان گفت این بیماری تا زمان کشف واکسن، باعث شکل‌گیری نوع جدیدی از تعاملات انسانی خواهد شد و مشاغل قابل توجهی حذف خواهند شد.

آنچه که در تصویر فوق می‌بینید به معنای یک همه‌گیری سنگین در سراسر دنیاست...
به این نکته دقت کنید که الزاما آمار اعلام شده از سوی کشورها آمار واقعی نیستند! چرا که آمار واقعی در دسترس هیچ‌یک، حتی کشور خودمان هم نیست!

🔎 @py4ds
Python for Data Science
🔺فاجعه‌ی بزرگی در #ایتالیا در حال وقوع است... آمار امروز ایتالیا ۱۵۱۰۰ نفر! ایتالیا نیاز شدیدی به کمک جوامع بین‌المللی خواهد داشت. 🔎 @py4ds
🚨جمعه ۲۳ اسفند وقتی این مطلب را ارسال کرده بودم وضع فاجعه بار #ایتالیا قابل پیش‌بینی بود.
ایتالیا هم‌اکنون در حال ثبت روزانه حدود هفتصد تا نهصد نفر فوتی بر اثر کرونا است. سیستم درمانی این کشور فروپاشیده و نسل این کشور در حال نابودی است.

🔺امیدوارم کمک‌های بین‌المللی کشورهایی مانند کوبا و چین باعث نجات #ایتالیا و #اسپانیا شود.

🔺با آرزوی سلامتی و بهبودی بیماران کشور خودمان و خداقوت به کادر درمانی

🔎 @py4ds
Python for Data Science
image_2020-03-13_17-35-41.png
🚨 این تصویر که ۲۳ اسفند هم یک نسخه از آن منتشر کردم با داده‌های دیروز ۹ فروردین ۹۹ بروز شده است. همچنین کشورهای آلمان، اسپانیا و فرانسه هم به آن اضافه شده است.
🔺کشورها بر اساس تعداد بیماران از چپ به راست به صورت نزولی مرتب شده است.

نکته جالبی که در تصویر دیده می‌شود امتیاز بالای کشور #آلمان 🇩🇪 است.

✴️ علت امتیاز بالای این کشور تعداد فوتی‌های بسیار کم، علی‌رغم تعداد بیماران زیاد آن است.

🔎 @py4ds
🚨 تعداد مبتلایان به کرونا در جهان از مرز ۷۰۰ هزار نفر عبور کرد.
✴️ در این تصویر سرعت شیوع بیماری در رشد آن بر اساس هر صدهزار نفر افزایش نشان داده شده است.
🔺همانطور که مشاهده می‌شود بعد از عبور از ۴۰۰هزار نفر هر دو روز یکبار حدود ۱۰۰هزار نفر به تعداد مبتلایان اضافه شده است.(محور افقی با مقیاس لگاریتمی رسم شده است.)

🔎 @py4ds
🚨 به نظر می‌رسد کشور #ایتالیا🇮🇹 از مرحله‌ی اوج شیوع بیماری عبور کرده و در مرحله‌ی بعدی به اوج تعداد بیماران (جهت تامین امکانات بیمارستانی) نزدیک شده است.
🔺در صورت ادامه‌ی روند پیش‌بینی‌شده ایتالیا در شهریورماه با حدود ۳۷ هزار نفر فوتی، امکان اعلام وضعیت پاک را خواهد داشت.
🔺امیدوارم این کشور با کمترین تعداد مرگ و میر از این مرحله نیز عبور کند.

🔎 @py4ds
🚨تحلیل روند ابتلا در #ایران🇮🇷 با همکاری دوست خوبم آقای جان‌جان

✴️این تحلیل شاید کمی با موارد آشنای تحلیل داده‌های اپیدمی تفاوت داشته باشد. در این تحلیل با استفاده از روش‌های تحلیل تکنیکال در داده‌های بورسی، روند صعود و نزول تعداد مبتلایان روزانه پیش‌بینی شده است.

🔺در این تحلیل از اندیکاتورهای کمکی میانگین‌ ۳، ۵، ۸، ۱۴، ۲۱، ۲۶ و ۳۴روزه(جهت کاهش نوسان) استفاده شده است.
📊مطابق تصویر فوق در تاریخ ۲فروردین روند ابتلای روزانه(بنفش پیوسته) در حال عبور از میانگین ۲۱روزه بوده که به معنای عبور از پیک شیوع بیماری و روند نزولی بوده اما به دلایل اتفاقات خاصی مانند خرید عید و یا افزایش قدرت نظام سلامت در یافتن موارد جدید که حدود یک هفته تا ۱۰روز قبل اتفاق افتاده بود، این روند با سرعتی بالا شروع به افزایش کرد.
🔺در ۵روز اخیر این روند دوباره نزولی شده و با عبور از میانگین ۸روزه خبر از کاهش مجدد می‌دهد، به نظر می‌رسد با عبور از میانگین ۲۱ و ۲۶روزه می‌توان شاهد کنترل شیوع بیماری بود.

🔺با توجه به سیاست‌های جدید دولت در کاهش میزان قرنطینه از ۱۶فروردین و بازگشایی برخی مشاغل، ممکن است مجددا شاهد صعود این روند باشیم.
🔎 @py4ds