数学建模省赛小结：数据预处理（按照关键字提取行/列并进行简单运算）

时间：2020-07-21 13:58:12 阅读：68 评论：0 收藏：0 [点我收藏+]

function []=datapro714()% 处理的数据截止7/14/20
% [csvdata,~,rawcsvdata] = xlsread(‘who_covid_19_sit_rep_time_series.csv‘);
[~,~,rawconfirmed] = xlsread(‘time_series_covid_19_confirmed.csv‘);
[~,~,rawDeaths] = xlsread(‘time_series_covid_19_Deaths.csv‘);
[~,~,rawRevored] = xlsread(‘time_series_covid_19_Recovered.csv‘);

[China_C,USA_C,Italy_C,France_C,Australia_C,Korea_C,India_C ]= getdata(rawconfirmed,1);
[China_D,USA_D,Italy_D,France_D,Australia_D,Korea_D,India_D ]= getdata(rawDeaths,1);
[China_Re,USA_Re,Italy_Re,France_Re,Australia_Re,Korea_Re,India_Re ]= getdata(rawRevored,2);

China_I714=China_C-(China_D+China_Re);
USA_I714=USA_C-(USA_D+USA_Re);
Italy_I714=Italy_C-(Italy_D+Italy_Re);
France_I714=France_C-(France_D+France_Re);
Australia_I714=Australia_C-(Australia_D+Australia_Re);
Korea_I714=Korea_C-(Korea_D+Korea_Re);
India_I714=India_C-(India_D+India_Re);

fig1=figure
plot(date,China_I714,‘k‘,date,China_D+China_Re,‘b‘);grid on
legend(‘感染者曲线‘,‘移出者曲线（死亡+治愈）‘);
title(‘中国疫情曲线图‘)
fig2=figure
plot(date,USA_I714,‘k‘,date,USA_D+USA_Re,‘b‘);grid on
legend(‘感染者曲线‘,‘移出者曲线（死亡+治愈）‘);
title(‘美国疫情曲线图‘)
fig3=figure
plot(date,Italy_I714,‘k‘,date,Italy_D+Italy_Re,‘b‘);grid on
legend(‘感染者曲线‘,‘移出者曲线（死亡+治愈）‘);
title(‘意大利疫情曲线图‘)
fig4=figure
plot(date,France_I714,‘k‘,date,France_D+France_Re,‘b‘);grid on
legend(‘感染者曲线‘,‘移出者曲线（死亡+治愈）‘);
title(‘法国疫情曲线图‘)
fig5=figure
plot(date,Australia_I714,‘k‘,date,Australia_D+Australia_Re,‘b‘);grid on
legend(‘感染者曲线‘,‘移出者曲线（死亡+治愈）‘);
title(‘澳大利亚疫情曲线图‘)
fig6=figure
plot(date,Korea_I714,‘k‘,date,Korea_D+Korea_Re,‘b‘);grid on
legend(‘感染者曲线‘,‘移出者曲线（死亡+治愈）‘);
title(‘韩国疫情曲线图‘)
fig7=figure
plot(date,India_I714,‘k‘,date,India_D+India_Re,‘b‘);grid on
legend(‘感染者曲线‘,‘移出者曲线（死亡+治愈）‘);
title(‘印度疫情曲线图‘)

date=(1:size(China_C,2));
plot(date,China_C,‘r‘,date,USA_C,‘m‘,date,Italy_C,‘b‘,date,France_C,‘k‘,date,Australia_C,‘c‘,date,Korea_C,‘k--‘,date,India_C,‘g‘);grid on
legend(‘中国‘,‘美国‘,‘意大利‘,‘法国‘,‘澳大利亚‘,‘韩国‘,‘印度‘)
title(‘各个国家累计确诊病例曲线图‘)

end

function [China_RR,USA_RR,Italy_RR,France_RR,Australia_RR,Korea_RR,India_RR ]= getdata(rawcsvdata,Flag)
        for i=1:length(rawcsvdata)
        %     if strcmp(rawcsvdata{i,2},‘China‘)==1             %33+Taiwan
        %         count_China=i;
        %         count_China=count_China+1;
            if strcmp(rawcsvdata{i,2},‘China‘)==1             %33+Taiwan
                count_China_start=i-32;
                count_China_end=i;
                China_33=rawcsvdata(count_China_start:count_China_end,:); %提取出33个省的数据；
            elseif strcmp(rawcsvdata{i,2},‘Taiwan*‘)==1                        %提取出台湾的数据
                taiwan=rawcsvdata(i,:);
        %     elseif strcmp(rawcsvdata{i,2},‘United States of America‘)==1
        %     %time_series_covid_19_confirmed.csv 文件中是 ‘United States of America‘
            elseif strcmp(rawcsvdata{i,2},‘US‘)==1            %time_series_covid_19_confirmed.csv 文件中是‘US‘
                USA_R=rawcsvdata(i,:);
            elseif strcmp(rawcsvdata{i,2},‘Italy‘)==1
                Italy_R=rawcsvdata(i,:);
        %       elseif strcmp(rawcsvdata{i,2},‘France‘)==1     % row 118
        %         France_R=rawcsvdata(i,:);
            elseif strcmp(rawcsvdata{i,2},‘Australia‘)==1   %澳洲=澳洲部分地区相加
                count_Aus_start=i-7;
                count_Aus_end=i;
                Australia_8=rawcsvdata(count_Aus_start:count_Aus_end,:); %提取出8个省的数据；
            elseif strcmp(rawcsvdata{i,2},‘Korea, South‘)==1 %找不到韩国的
                Korea_R=rawcsvdata(i,:);   %%
            elseif strcmp(rawcsvdata{i,2},‘India‘)==1
                India_R=rawcsvdata(i,:);
        %     elseif (strcmp(rawcsvdata{i,2},‘China‘)==1)&&(strcmp(rawcsvdata{i,1},‘Deaths‘)==1)
        %         China_Deaths=rawcsvdata(i,:);
            end
            if Flag==1
                France_R=rawcsvdata(118,:); 
            elseif Flag==2
                France_R=rawcsvdata(110,:); 
            end
                
        end 
           China_34R=[China_33;taiwan];
           China_34RR=cell2mat(China_34R(:,5:end));
           China_RR=sum(China_34RR,1);         %34个省求和（按列）
           USA_RR=cell2mat(USA_R(:,5:end));
           Italy_RR=cell2mat(Italy_R(:,5: end));
           France_RR=cell2mat(France_R(:,5:end));
           Australia_8R=cell2mat(Australia_8(:,5:end));
           Australia_RR=sum(Australia_8R,1);
           Korea_RR=cell2mat(Korea_R(:,5:end));
           India_RR=cell2mat(India_R(:,5:end));
end

所需数据文件：https://files.cnblogs.com/files/feynmania/data.rar

数学建模省赛小结：数据预处理（按照关键字提取行/列并进行简单运算）

标签：处理 -- nbsp legend 美国 fir for over 数学

原文地址：https://www.cnblogs.com/feynmania/p/13354369.html

踩

(0)

评论一句话评论（0）

分享档案

更多>

2021年07月29日 (22)
2021年07月28日 (40)
2021年07月27日 (32)
2021年07月26日 (79)
2021年07月23日 (29)
2021年07月22日 (30)
2021年07月21日 (42)
2021年07月20日 (16)
2021年07月19日 (90)
2021年07月16日 (35)

周排行