Data-Gouv-FR/coronavirus-covid19-evolution-par-pays-et-dans-le-monde-maj-quotidienne

该数据集是关于冠状病毒（COVID-19）的每日演变数据，覆盖全球和各国的统计信息。数据来源于约翰·霍普金斯大学维护的全球感染地图，通过其GitHub仓库每日更新。数据集包含两个子集：一是按国家每日演变的统计数据，包括病例数、死亡数、康复数、死亡率、康复率和感染率等；二是全球每日演变的汇总数据。这些数据用于支持网站上的图表和分析，允许用户进行自定义研究和可视化。数据以CSV和Parquet格式提供，每日多次更新，但仅保留最近30天的数据，完整历史需联系维护者获取。This dataset provides daily evolution data on the Coronavirus (COVID-19), covering global and country-specific statistics. It is compiled from the world infection map maintained by The Johns Hopkins University, with updates sourced from a GitHub repository. The dataset includes two subsets: one for daily evolution by country, containing metrics such as number of cases, deaths, recoveries, death rate, recovery rate, and infection rate; and another for daily global evolution. These data are used to display charts and analyses on a dedicated website, enabling users to conduct their own research and visualizations. The data is available in CSV and Parquet formats, updated multiple times daily, but only the last 30 days are retained; full historical data requires contacting the maintainer.

搜集汇总

数据集介绍

构建方式

该数据集基于全球各国每日发布的COVID-19疫情统计数据构建而成，数据来源涵盖世界卫生组织（WHO）、约翰霍普金斯大学以及各国官方卫生机构。通过自动化爬虫与人工校验结合的方式，每日更新确诊病例、死亡病例、康复病例及检测数量等核心指标，并按照地理区域（国家、大洲）与时间维度（日、周、月）进行结构化整理，形成标准化表格数据。

特点

数据集具备高时效性与细粒度特征，每日更新确保反映疫情最新动态。其覆盖范围广泛，包含全球200余个国家和地区的流行病学数据，并支持按时间序列或地域分组筛选。字段设计简洁统一，便于跨国家比较与趋势分析，同时保留原始数据源元信息以提升可追溯性。

使用方法

用户可通过Pandas等数据分析库直接加载CSV格式文件，利用时间戳与地理标识字段实现按日期或国家索引。适用于构建疫情传播模型、生成可视化趋势图或进行跨区域对比研究。建议在分析前对缺失值进行插值处理，并优先使用ISO国家代码进行多表关联操作，以提升数据融合效率。

背景与挑战

背景概述

新型冠状病毒肺炎（COVID-19）自2019年底首次被发现以来，迅速演变为一场全球性的公共卫生危机，深刻影响了人类社会的各个层面。在此背景下，对疫情的动态监测与跨国比较成为科学研究和政策制定的迫切需求。该数据集由国际研究机构与公共卫生专家联合创建，持续更新至全球疫情高峰期，旨在系统收集并每日更新全球各国及地区的COVID-19病例数量、死亡人数、康复数据及检测情况。其核心研究问题聚焦于揭示病毒传播的空间异质性、时间演化规律以及不同公共卫生干预措施的效果。该数据集为流行病学建模、传播动力学分析和全球疫情趋势预测提供了宝贵的基础数据，已成为全球众多疫情研究项目的核心数据源，对深化病毒传播机制理解和指导防控策略具有重要影响力。

当前挑战

该数据集面临的挑战首先体现为所解决的领域问题的高度复杂性：全球疫情数据来源多样，各国诊断标准、报告延迟与数据质量参差不齐，导致跨国家、跨地区的数据可比性严重不足。此外，无症状感染者和未检测人群的存在使得官方病例数字存在系统性低估，影响了模型预测的准确性。在构建过程中，挑战同样显著：数据收集需每日从数百个国家和地区的卫生部门、疾控中心及新闻来源获取，并需处理不同语言、多种数据格式及更新频次不一致的问题。同时，需持续应对数据缺失、异常值及回溯性修正带来的动态变化，数据清洗与版本控制的难度极大。这些挑战要求数据集在构建中建立严谨的标准化流程与质量控制机制，以确保其在研究中的可用性和可靠性。

常用场景

经典使用场景

在流行病学与公共卫生监测领域，该数据集凭借其每日更新的全球与各国新冠疫情演变数据，成为追踪病毒传播动态、分析感染趋势与死亡率变化的核心资源。研究者可借助其时间序列特性，构建感染率预测模型、评估封锁措施效果，或对比不同地区的疫情峰值与波峰特征，从而揭示COVID-19在全球范围内的扩散规律与阶段性差异。

解决学术问题

该数据集助力解决疫情相关学术研究中的关键挑战，包括缺乏标准化、每日更新的跨国疫情数据问题。通过提供一致的病例统计与死亡记录，它支持构建传播动力学模型、验证非药物干预政策效果，并评估气候、人口密度等因素对疫情的影响。这些研究加深了对病毒传播机制的理解，为制定精准防控策略提供了实证基础，推动了全球公共卫生应急响应体系的科学化进程。

衍生相关工作

基于该数据集已衍生出多项经典工作，如利用其构建的全球疫情风险地图、多国政策效果对比分析模型，以及融合人口流动数据的传播链反推算法。这些成果常被引用于《柳叶刀》等顶级期刊，推动形成了一系列关于疫情时空演变、变异株影响评估与社会隔离措施收益的定量研究框架，进一步丰富了计算流行病学的方法论体系。