hi，欢迎回来。
可视化
今天本来准备继续python可视化的，目标瞄准了这张 疫情地图。
这前期的 推送中，恰好有
geoplotlib 常用于创建地图和绘制地理数据。您可以使用它来创建各种地图类型，例如，容积率，热图和点密度图。但是必须安装Pyglet（an object-oriented programming interface）才能够使用geoplotlib。
安装
pip install pyglet
pip install geoplotlib
#根据报错进行更新
WARNING: You are using pip version 19.3.1; however, version 20.0.2 is available.
You should consider upgrading via the 'python -m pip install --upgrade pip' command.
绘图
data = read_csv('data/bus.csv'
)
geoplotlib.dot(data)
geoplotlib.show()
类似json的格式数据，但是里面有好多地市、自治区的名字对不上…阵亡…
以下就放一下收集到资料吧：
凤凰网上的图比丁香园更拓宽一点，如下图：
也是实时更新的，但是我还是觉得颜色区间分的太大了，整一个大红鸡。于是我要搬出它：
这是一个论坛上给出的网址，其他信息没有细究。红色要突出，需要冷色调去衬托的。以及动态可视化更新还是做得蛮优秀的，值得一提的是，左下角的图例坐标是可以展示在这个区段中城市名称的，正如图中我处碰到的是 50-100 这个区间的城市。地址：
http://missthee.gitee.io/virus-map/dist/index.html
另一个是一个完整的项目了算，但是有点点小的瑕疵，由于并没有及时更新，且数据出现丢失，简单尝试下载，可能是家里网速的问题，并没有下载成功，就没有继续测试了。有兴趣的小伙伴可以参考一下：
https://github.com/wybert/open-wuhan-ncov-illness-data
聊聊最新的
最近的消息很多。上一篇写的到一些信息也有了新的进展。随着法定的春节假期结束，隔离也已经出现了成效，更多的人会回到自己岗位，生产力较以前也会进一步提升，物资缺口压力会慢慢缩小。
还是不展开讨论发文的事情，包括顶尖期刊、中文期刊的某些作者。
1月28日，李兰娟院士带领的团队成功分离获得新型冠状病毒，这对于病毒的变异、病毒的致病力以及通过病毒来研究新型的疫苗，以及抗病毒药物的测试，真的是一个重大好消息。向他们临床应用、及正在一线上的医护工作者、保障工作者致敬。当然，还有你们，快发霉的你们。
新药新疫苗，我们什么时候能等到？
@王王王立铭 现实世界中，科学家和医生手里没有阿拉丁的神灯。总的来说，它们都包括临床前研究-人体临床试验-正式推广应用三个根本无可替代的环节。
只要做到隔离传染源头、切断传播途径、保护易感人群，那么新冠病毒肺炎这种传染病会在短期内被克制。
而对抗病毒感染导致的肺炎，临床医生们也早就有成熟系统的方法，高强度的支持疗法加上抗病毒治疗，绝大多数患者都可以得到有效的治疗。
正确的调校公共卫生措施，有秩序。一切都会好起来的。
番外-流行病学模型
这个是偶然翻到的一个B站视频 @毕导 ，广告一下我们视频哈：
流行病学模型里最简单的SI模型(易感者和感染者)，这里假设是所有人都容易感染，且感染上了终生具有感染能力，因此随着时间推移所有人都会被感染上，不管传播接触的传播概率β为多少。
这样子的模型适用于生化危机、HIV。如果感染者康复了会反复被感染，这样会出现一个SIS模型，最后会趋于平衡。
当然也会有存在γ的概率，治疗后康复而免疫某类疾病，因此最终呈现如下图：
对了，本次的疫情中还有潜伏者E，因此模型为SEIR模型，当然潜伏期具有一定的传播能力，假设为β2，a是潜伏期能力（在此取潜伏时间的倒数）
因此。我们宅在家里的意义就出来了。
引用一下金句：
病毒其实不可怕，你宅我宅它就挂。
如果戴口罩可以将β降低到1/10，那么曲线也就消失了。
病毒其实不可怕，带好口罩它也挂。
最后他提到一个 going critical的网站，可视化了传染病的传染路径。
网址如下：https://www.meltingasphalt.com/interactive/going-critical/
推导公式可以尝试理解视频哈。
祝大家平安喜乐，春节愉快哈。
【更多阅读】
聊聊青蒿素 | 你应该知道的抗疟原理
如果你也对学徒培养或者实习职位感兴趣，想在我们的指导下完成NGS数据分析，可以先看看我是如何培养学徒的：
