利用PowerBI分析疫情数据

• 2020 年 2 月 21 日
• 笔记

“大疫”当前，大家每天醒来第一件事就是打开手机，看看本地又新增几个确诊，老家又新增多少疑似，亲朋好友那边又有哪些传言……与其在家闲出P，为何不借助平台数据，用PowerBI来小试一把牛刀呢。

01 数据来源

数据源自“丁香园”，已有人整理好，只需在Github上下载（如果无法访问该网址，请科学上网）下载地址：

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

‍

02 数据导入

导入之前，先用excel把文件打开，看看都有哪些字段，涵盖了哪些省市

粗看之下还算清晰，最后一列“更新时间”有点问题。没关系，直接在EXCEL里把单元格式改成日期型即可

打开PBI，导入数据。下载文件是CSV，导入时注意别选EXCEL数据源

03 数据清洗

数据导入后，字段名改不改中文看各人习惯。就以我自己所在地江苏常州为例（毕竟自己城市每天的数据要相对熟一点），先把城市筛选出来。

04 重点来了!!！有两个难点：

1）从更新时间上看，丁香园会每天刷新多次数据。如何取得每天最后一条数据？

2）每条数据记录的不是新增人数，而是汇总人数。如何得到每天增量数据，而不是总量？

根据“更新时间”新建“更新日期”列，把年月日单独列出来。

新建表： “精简时间表”=

SUMMARIZE('DXYArea',

DXYArea[省],DXYArea[市],DXYArea[更新日期],

"总死亡",MAX(DXYArea[市死亡]),

"总治愈",MAX(DXYArea[市治愈]),

"总疑似",MAX(DXYArea[市疑似]),

"总确诊",MAX(DXYArea[市确诊]),

"更新时间",MAX(DXYArea[更新时间])

)

SUMMARIZE函数可以对表进行分组（“SUMMARIZECOLUMNS”函数也有同样功效）。对于上表中“省”“市”这样重复值较多的列可以直接合并，而对于数据列值，则通过MAX函数取最大值。若前后两次数据无变化，则根据MAX(“更新时间”)来取最后一次更新时间。

好，第一个问题解决，我们已得到了每天最后一条数据。

05 问题2

第二个问题，如何通过每天发布的汇总数，得到每日增量？

如果想在原表本身通过新建列来实现，公式的复杂程度一定小不了。那是不是可以跳出表框架，直接用度量值来实现呢？

总确诊 = SUM('精简时间表'[总确诊])

总确诊_昨日 = CALCULATE( [总确诊], DATEADD('精简时间表'[更新日期],-1,DAY))

今日确诊 = [总确诊]-[总确诊_昨日]

昨天确诊 = CALCULATE( [今日确诊], DATEADD('精简时间表'[更新日期],-1,DAY))

基础度量值有了，其他诸如疑似、治愈、现存确诊，周累计、月累计、环比同比等这些度量值，就自由发挥吧！

省内兄弟城市对比，外省同级城市对比也可以搞起来，尤其是江苏弟兄们，继续发扬散装内斗精神，保持风格

本文作者：东军