https://github.com/is004/eksplorasi-dataset-covid-19

Eksplorasi dataset Covid-19 menggunakan pandas, matplotlib, dan seaborn.
https://github.com/is004/eksplorasi-dataset-covid-19

covid-19 ipynb jupyter-notebook matplotlib pandas seaborn

Last synced: about 2 months ago
JSON representation

Eksplorasi dataset Covid-19 menggunakan pandas, matplotlib, dan seaborn.

• Host: GitHub
• URL: https://github.com/is004/eksplorasi-dataset-covid-19
• Owner: is004
• Created: 2023-01-19T11:36:18.000Z (almost 2 years ago)
• Default Branch: main
• Last Pushed: 2023-01-21T14:50:17.000Z (almost 2 years ago)
• Last Synced: 2024-10-11T15:40:56.779Z (3 months ago)
• Topics: covid-19, ipynb, jupyter-notebook, matplotlib, pandas, seaborn
• Language: Jupyter Notebook
• Homepage:
• Size: 196 KB
• Stars: 1
• Watchers: 1
• Forks: 0
• Open Issues: 0
• Metadata Files:
  • Readme: README.md

Awesome Lists containing this project

README

        
# eksplorasi-dataset-covid

Eksplorasi dataset Covid-19 menggunakan pandas, matplotlib, dan seaborn

Eksplorasi sederhana pada dataset "Covid-19 Case Surveillance" (https://www.kaggle.com/arashnic/covid19-case-surveillance-public-use-dataset). Dataset ini berisi kumpulan data pasien individual terdeidentifikasi yang mencakup karakteristik demografis, riwayat paparan, indikator dan hasil keparahan penyakit, data klinis, hasil uji diagnostik laboratorium, dan komorbiditas.

Eksplorasi dilakukan menggunakan fungsi-fungsi dasar pandas, matplotlib, dan seaborn, dengan skenario eksplorasi antara lain:

*Melihat struktur dataset (head, shape, columns, dtypes, describe, missing entries, duplicate entries)

*Operasi kolom (mengubah tipe data, menambah kolom)

*Melihat tanggal laporan kasus paling awal dan paling akhir

*Menghitung jumlah kasus per bulan, jumlah tiap jenis gender, jumlah tiap jenis etnis, jumlah status individu meninggal

*Visualisasi jumlah kasus per bulan, jumlah status individu meninggal per bulan, jumlah status meninggal berdasarkan gender, status pasien dirawat di rumah sakit, dan beberapa visualisasi lainnya

Dari eksplorasi ini dapat diketahui beberapa hal menarik, antara lain: kasus yang dilaporkan terbanyak pada kelompok usia tertentu; kasus meninggal terbanyak pada jenis kelamin tertentu; bulan dengan jumlah kasus dan kematian terbanyak; perbandingan pasien yang dirawat di rumah sakit dan yang tidak dirawat di rumah sakit; dan lain-lain.