利用PowerBI分析疫情數據

• 2020 年 2 月 21 日
• 筆記

「大疫」當前，大家每天醒來第一件事就是打開手機，看看本地又新增幾個確診，老家又新增多少疑似，親朋好友那邊又有哪些傳言……與其在家閑出P，為何不藉助平台數據，用PowerBI來小試一把牛刀呢。

01 數據來源

數據源自「丁香園」，已有人整理好，只需在Github上下載（如果無法訪問該網址，請科學上網）下載地址：

https://github.com/BlankerL/DXY-COVID-19-Data/blob/master/csv/DXYArea.csv

‍

02 數據導入

導入之前，先用excel把文件打開，看看都有哪些字段，涵蓋了哪些省市

粗看之下還算清晰，最後一列「更新時間」有點問題。沒關係，直接在EXCEL里把單元格式改成日期型即可

打開PBI，導入數據。下載文件是CSV，導入時注意別選EXCEL數據源

03 數據清洗

數據導入後，字段名改不改中文看各人習慣。就以我自己所在地江蘇常州為例（畢竟自己城市每天的數據要相對熟一點），先把城市篩選出來。

04 重點來了!!！有兩個難點：

1）從更新時間上看，丁香園會每天刷新多次數據。如何取得每天最後一條數據？

2）每條數據記錄的不是新增人數，而是匯總人數。如何得到每天增量數據，而不是總量？

根據「更新時間」新建「更新日期」列，把年月日單獨列出來。

新建表： 「精簡時間表」=

SUMMARIZE('DXYArea',

DXYArea[省],DXYArea[市],DXYArea[更新日期],

"總死亡",MAX(DXYArea[市死亡]),

"總治癒",MAX(DXYArea[市治癒]),

"總疑似",MAX(DXYArea[市疑似]),

"總確診",MAX(DXYArea[市確診]),

"更新時間",MAX(DXYArea[更新時間])

)

SUMMARIZE函數可以對錶進行分組（「SUMMARIZECOLUMNS」函數也有同樣功效）。對於上表中「省」「市」這樣重複值較多的列可以直接合併，而對於數據列值，則通過MAX函數取最大值。若前後兩次數據無變化，則根據MAX(「更新時間」)來取最後一次更新時間。

好，第一個問題解決，我們已得到了每天最後一條數據。

05 問題2

第二個問題，如何通過每天發佈的匯總數，得到每日增量？

如果想在原表本身通過新建列來實現，公式的複雜程度一定小不了。那是不是可以跳出表框架，直接用度量值來實現呢？

總確診 = SUM('精簡時間表'[總確診])

總確診_昨日 = CALCULATE( [總確診], DATEADD('精簡時間表'[更新日期],-1,DAY))

今日確診 = [總確診]-[總確診_昨日]

昨天確診 = CALCULATE( [今日確診], DATEADD('精簡時間表'[更新日期],-1,DAY))

基礎度量值有了，其他諸如疑似、治癒、現存確診，周累計、月累計、環比同比等這些度量值，就自由發揮吧！

省內兄弟城市對比，外省同級城市對比也可以搞起來，尤其是江蘇弟兄們，繼續發揚散裝內鬥精神，保持風格

本文作者：東軍