Data-Gouv-FR/cas-confirmes-dinfection-au-covid-19-par-region

法国公共卫生部门在其官方页面上每日发布COVID-19（新型冠状病毒）确诊病例数据，按地区划分，截至2020年3月25日。该数据集以CSV格式提供这些数据，并随时间逐步累积。在使用这些数据进行图表表示或计算之前，建议阅读相关文章以确保数据使用的合理性。数据集来源包括官方数据链接和开源代码库，许可证为lov2。许可证：其他 语言： - 法语 标签： - 法国公共数据平台（data-gouv） - 法国公共数据（donnees-publiques-francaises） - Parquet格式（parquet） - CSV格式（csv） - 开放数据（open-data） 美观名称："各地区新冠病毒确诊感染病例" 配置项： - 配置名称：covid19-du-2020-03-04-au-2020-03-25 数据文件： - 拆分：train 路径：data/covid19-du-2020-03-04-au-2020-03-25.parquet # 各地区新冠病毒确诊感染病例 ## 数据源 - 官方数据源：https://www.data.gouv.fr/datasets/cas-confirmes-dinfection-au-covid-19-par-region - data.gouv.fr数据集标识符：`5e689ada634f4177317e4820` - data.gouv.fr数据集别名：`cas-confirmes-dinfection-au-covid-19-par-region` - data.gouv.fr元数据中注明的许可证：lov2 ## 拥抱脸（Hugging Face）数据集结构 - 一个data.gouv.fr数据集对应一个Hugging Face仓库 - 一个原始表格资源对应一个Hugging Face子数据集/配置 - 每个子数据集/配置均包含一个名为`train`的拆分 ## 子数据集 - `covid19-du-2020-03-04-au-2020-03-25` → `data/covid19-du-2020-03-04-au-2020-03-25.parquet` ## 使用方法 python from datasets import load_dataset ds = load_dataset("Data-Gouv-FR/cas-confirmes-dinfection-au-covid-19-par-region", "covid19-du-2020-03-04-au-2020-03-25") print(ds["train"]) ## 原始描述 法国公共卫生署（Santé Publique France）曾于[该页面](https://www.santepubliquefrance.fr/maladies-et-traumatismes/maladies-et-infections-respiratoires/infection-a-coronavirus/articles/infection-au-nouveau-coronavirus-sars-cov-2-covid-19-france-et-monde)发布每日通报，公布截至2020年3月25日（含当日）各地区的新冠病毒（COVID-19，又称“冠状病毒”）确诊感染病例数。 本数据集按日期累计提供该类CSV格式数据。 **在使用本数据进行可视化呈现或计算前，请务必阅读[此文](https://medium.com/nightingale/ten-considerations-before-you-create-another-chart-about-covid-19-27d3bd691be8)。**  用于获取并整理本数据集的源代码已以开源许可证发布，详见[此处](https://github.com/bzg/covid19-fr)。

搜集汇总

数据集介绍

构建方式

该数据集源自法国公共卫生机构Santé Publique France每日发布的官方疫情通报，旨在记录2020年3月4日至3月25日期间法国各行政区划内COVID-19确诊病例的累计数量。数据以区域为粒度逐日累积，原始文件以CSV格式在data.gouv.fr平台公开发布。经由自动化脚本抓取与整理后，团队将其转换为高效的Parquet格式，并按照Hugging Face Datasets库的规范，将单一原始表格资源映射为一个配置子集，每个配置下仅包含‘train’分片，从而实现了数据从开放数据门户到机器学习标准格式的无缝迁移。

特点

数据集的核心特点在于其时间序列与地域维度的双重结构化设计：每个配置子集对应一个固定时间窗口的完整观测，用户可直接通过‘train’分片获取全部记录，无需额外拆分。数据以列式存储格式保存，支持快速读取与高效内存管理。此外，数据集严格遵循data.gouv.fr的开放许可协议（lov2），并附有原始数据源的详细元数据标识，确保了可追溯性与合规性。其简洁的配置架构使得时序分析和跨区域对比任务变得尤为便捷。

使用方法

使用该数据集时，用户需首先通过Hugging Face Datasets库加载指定配置，例如调用load_dataset('Data-Gouv-ML/cas-confirmes-dinfection-au-covid-19-par-region', 'covid19-du-2020-03-04-au-2020-03-25')即可获取对应时间段的疫情数据。加载后，数据集自动包含‘train’分片，可直接用于Pandas DataFrame转换或下游分析。官方建议在生成图表或进行统计计算前，参考相关数据可视化指南以避免误解，同时推荐查阅开源编译脚本以理解数据聚合的具体逻辑，从而确保使用中的科学性与伦理性。

背景与挑战

背景概述

该数据集由法国公共卫生机构Santé Publique France于2020年3月4日至3月25日期间整理发布，旨在记录COVID-19疫情期间法国各大区每日确诊病例的累计数量。数据集源自法国政府开放数据平台data.gouv.fr，并由开源社区成员通过自动化脚本从官方日报中提取、清洗并结构化处理。作为早期公开的疫情时空数据之一，它为流行病学研究者、公共卫生决策者及数据可视化从业者提供了关键的时空分布参考，助力分析病毒传播的动态趋势与区域差异，对理解法国第一波疫情高峰的扩散模式具有奠基性影响。

当前挑战

该数据集的核心挑战在于应对疫情初期数据报告标准不一与更新频率波动的困境。原始数据由各区域医疗机构每日上报，存在时间延迟、统计口径差异（如仅包含实验室确诊而非临床诊断病例），导致跨区域可比性受限。构建过程中，开发者需从非结构化的PDF公报中手动解析数字，面临文本解析错误与缺失值插补的难题。此外，数据集仅覆盖疫情暴发前三周，无法反映后期检测能力提升后的真实感染规模，且缺乏无症状感染者数据，可能低估了病毒传播的实际范围。

常用场景

经典使用场景

该数据集收录了法国公共卫生部门每日公布的COVID-19确诊病例区域分布数据，时间跨度自2020年3月4日至3月25日。作为疫情初期法国官方发布的区域性病例统计，它成为研究病毒传播空间模式的重要资源。研究者常利用该数据绘制疫情热力图，追踪各区域感染数量变化轨迹，或结合人口密度、医疗资源等变量分析病毒扩散的潜在驱动因素，为流行病学建模提供基础支撑。

解决学术问题

该数据集解决了疫情初期法国区域内确诊病例统计不统一、数据获取碎片化的学术困境。它通过整合官方每日通报，构建了标准化时间序列，使研究者能够系统分析疫情爆发早期的区域异质性。这一成果推动了空间流行病学中关于病毒传播速率与区域特征关联性的实证研究，也为干预措施（如封城）效果评估提供了量化依据，深刻影响了公共卫生政策制定的循证逻辑。

衍生相关工作

基于该数据集，衍生出多项经典工作，例如开源代码库covid19-fr实现了数据爬取与编译流程，成为后续类似项目的模板。多篇学术论文将其作为基准，对比法国与其他欧洲国家的病例扩散速率差异。同时，该数据被集成至Hugging Face社区的数据集目录，推动了开放科学理念在流行病学领域的实践，催生了跨国家、跨学科的数据共享与复现研究范式。