效果预览 爬取最新截止日期各个省累计确诊数据，并绘制地理分布图 代码实现 #!/usr/bin/env python # -*- coding: utf-8 -*- import json import requests #装了anaconda的可以pip install pyecharts安装pyecharts from pyecharts.charts import Map,Geo from pyecharts import options as opts from pyecharts.globals import GeoType,RenderType # 绘图包参加网址https:/

包含全国各省市每日新增确诊病例数、累计确诊病例数、全国新增死亡、全国累积死亡、全国新增治愈、全国累积治愈、全国存量病例、全国湖北外新增确诊趋势。武汉市数据、武汉各小区数据、医院数据等等。能用到的基本都有，在建模时花了很多时间搜集。

美国新冠肺炎疫情历史总数据下载.xls

本资源来源网络公开数据，包含全球各个国家新冠肺炎确诊、新增、累计、人口等信息，仅用于学习、非医学研究，本人不对数据真实性负责。

SgnDate [统计日期] - YYYY-MM-DD Region [区域] - 全球范围，中国，中国以外区域，西太平洋区域，欧洲区域，东南亚区域，东地中海区域，美洲区域，非洲区域 ConfirmedCases [确诊病例数] - NewConfirmedCases [新增确诊病例数] - Deaths [死亡数] - NewDeaths [新增死亡数] -

全球截止到4月19日的新型冠状肺炎确诊数据。转载自https://github.com/CSSEGISandData/COVID-19/tree/master/csse_covid_19_data/csse_covid_19_time_series

关于2019nCoV新冠肺炎的建模Ⅲ—SEIR模型的修正与建立引言SEIR建模思路实现程序结果第一次修正的SEIR模型修正思路第一次改进程序实现第二次修正思路实现小结 引言 前面笔者尝试从网址中爬取数据，进行分析；在之前做的logistic模型能较好的预测患病人数拐点与峰值。 但是想要模拟出疫情的全过程，logistic是做不到的，于是引入SEIR传染病模型对其进行分析与预测。 SEIR建模思路 这是一个带潜伏期的传染病模型，和没有考虑潜伏期的SI、SIR的优势就显而易见了。 建模思路如下图： 对上述的微分方程求解，不难得到其的差分方程。（字丑勿怪） 参数的选取思路来之笔者的实时疫情数据。

X光肺炎图像分类ResNet，正常图像和肺炎图像分类+病毒性肺炎和细菌性肺炎分类，代码加运行效果

数据包含微博id、微博发布时间、发布人账号、微博中文内容、微博图片

检验科需要登记新冠核酸检测人员信息，勉为其难做了个小东东，敷衍一下，结果人家大赞解决了大问题，可以聊以自慰 ：） 注意事项： 0、开发工具是PB9; 1、数据库网络版可用MSSQL或本地Access; 2、华视电子身份证读卡器(其它牌子接口应该通用，请自行脑补验证)，； 3、注册控件(最终要导出EXCEL)； 4、最后一定验证是否可以正常使用，否则拿出去唬人要被砍的。