mirror of
https://github.com/ClickHouse/ClickHouse.git
synced 2024-12-14 18:32:29 +00:00
266 lines
12 KiB
Markdown
266 lines
12 KiB
Markdown
|
---
|
||
|
|
slug: /ja/getting-started/example-datasets/covid19
|
||
|
|
sidebar_label: COVID-19 オープンデータ
|
||
|
|
---
|
||
|
|
|
||
|
|
# COVID-19 オープンデータ
|
||
|
|
|
||
|
|
COVID-19 オープンデータは、最大のCovid-19疫学データベースを構築し、広範な共変量の強力なセットを提供することを試みています。人口統計、経済、疫学、地理、健康、入院、移動、政府の対応、天候などに関するオープンで公開されたデータが含まれています。
|
||
|
|
|
||
|
|
詳細はGitHubの[こちら](https://github.com/GoogleCloudPlatform/covid-19-open-data)にあります。
|
||
|
|
|
||
|
|
このデータをClickHouseに挿入するのは簡単です...
|
||
|
|
|
||
|
|
:::note
|
||
|
|
以下のコマンドは [ClickHouse Cloud](https://clickhouse.cloud) の**本番環境**で実行されました。ローカルインストールでも簡単に実行できます。
|
||
|
|
:::
|
||
|
|
|
||
|
|
1. データの形を見てみましょう:
|
||
|
|
|
||
|
|
```sql
|
||
|
|
DESCRIBE url(
|
||
|
|
'https://storage.googleapis.com/covid19-open-data/v3/epidemiology.csv',
|
||
|
|
'CSVWithNames'
|
||
|
|
);
|
||
|
|
```
|
||
|
|
|
||
|
|
このCSVファイルには10のカラムがあります:
|
||
|
|
|
||
|
|
```response
|
||
|
|
┌─name─────────────────┬─type─────────────┐
|
||
|
|
│ date │ Nullable(Date) │
|
||
|
|
│ location_key │ Nullable(String) │
|
||
|
|
│ new_confirmed │ Nullable(Int64) │
|
||
|
|
│ new_deceased │ Nullable(Int64) │
|
||
|
|
│ new_recovered │ Nullable(Int64) │
|
||
|
|
│ new_tested │ Nullable(Int64) │
|
||
|
|
│ cumulative_confirmed │ Nullable(Int64) │
|
||
|
|
│ cumulative_deceased │ Nullable(Int64) │
|
||
|
|
│ cumulative_recovered │ Nullable(Int64) │
|
||
|
|
│ cumulative_tested │ Nullable(Int64) │
|
||
|
|
└──────────────────────┴──────────────────┘
|
||
|
|
|
||
|
|
10 rows in set. Elapsed: 0.745 sec.
|
||
|
|
```
|
||
|
|
|
||
|
|
2. 次にいくつかの行を見てみましょう:
|
||
|
|
|
||
|
|
```sql
|
||
|
|
SELECT *
|
||
|
|
FROM url('https://storage.googleapis.com/covid19-open-data/v3/epidemiology.csv')
|
||
|
|
LIMIT 100;
|
||
|
|
```
|
||
|
|
|
||
|
|
`url`関数はCSVファイルからデータを簡単に読み取ることができます:
|
||
|
|
|
||
|
|
```response
|
||
|
|
┌─c1─────────┬─c2───────────┬─c3────────────┬─c4───────────┬─c5────────────┬─c6─────────┬─c7───────────────────┬─c8──────────────────┬─c9───────────────────┬─c10───────────────┐
|
||
|
|
│ date │ location_key │ new_confirmed │ new_deceased │ new_recovered │ new_tested │ cumulative_confirmed │ cumulative_deceased │ cumulative_recovered │ cumulative_tested │
|
||
|
|
│ 2020-04-03 │ AD │ 24 │ 1 │ ᴺᵁᴸᴸ │ ᴺᵁᴸᴸ │ 466 │ 17 │ ᴺᵁᴸᴸ │ ᴺᵁᴸᴸ │
|
||
|
|
│ 2020-04-04 │ AD │ 57 │ 0 │ ᴺᵁᴸᴸ │ ᴺᵁᴸᴸ │ 523 │ 17 │ ᴺᵁᴸᴸ │ ᴺᵁᴸᴸ │
|
||
|
|
│ 2020-04-05 │ AD │ 17 │ 4 │ ᴺᵁᴸᴸ │ ᴺᵁᴸᴸ │ 540 │ 21 │ ᴺᵁᴸᴸ │ ᴺᵁᴸᴸ │
|
||
|
|
│ 2020-04-06 │ AD │ 11 │ 1 │ ᴺᵁᴸᴸ │ ᴺᵁᴸᴸ │ 551 │ 22 │ ᴺᵁᴸᴸ │ ᴺᵁᴸᴸ │
|
||
|
|
│ 2020-04-07 │ AD │ 15 │ 2 │ ᴺᵁᴸᴸ │ ᴺᵁᴸᴸ │ 566 │ 24 │ ᴺᵁᴸᴸ │ ᴺᵁᴸᴸ │
|
||
|
|
│ 2020-04-08 │ AD │ 23 │ 2 │ ᴺᵁᴸᴸ │ ᴺᵁᴸᴸ │ 589 │ 26 │ ᴺᵁᴸᴸ │ ᴺᵁᴸᴸ │
|
||
|
|
└────────────┴──────────────┴───────────────┴──────────────┴───────────────┴────────────┴──────────────────────┴─────────────────────┴──────────────────────┴───────────────────┘
|
||
|
|
```
|
||
|
|
|
||
|
|
3. データの形がわかったので、テーブルを作成します:
|
||
|
|
|
||
|
|
```sql
|
||
|
|
CREATE TABLE covid19 (
|
||
|
|
date Date,
|
||
|
|
location_key LowCardinality(String),
|
||
|
|
new_confirmed Int32,
|
||
|
|
new_deceased Int32,
|
||
|
|
new_recovered Int32,
|
||
|
|
new_tested Int32,
|
||
|
|
cumulative_confirmed Int32,
|
||
|
|
cumulative_deceased Int32,
|
||
|
|
cumulative_recovered Int32,
|
||
|
|
cumulative_tested Int32
|
||
|
|
)
|
||
|
|
ENGINE = MergeTree
|
||
|
|
ORDER BY (location_key, date);
|
||
|
|
```
|
||
|
|
|
||
|
|
4. 以下のコマンドは、`covid19`テーブルに全データセットを挿入します:
|
||
|
|
|
||
|
|
```sql
|
||
|
|
INSERT INTO covid19
|
||
|
|
SELECT *
|
||
|
|
FROM
|
||
|
|
url(
|
||
|
|
'https://storage.googleapis.com/covid19-open-data/v3/epidemiology.csv',
|
||
|
|
CSVWithNames,
|
||
|
|
'date Date,
|
||
|
|
location_key LowCardinality(String),
|
||
|
|
new_confirmed Int32,
|
||
|
|
new_deceased Int32,
|
||
|
|
new_recovered Int32,
|
||
|
|
new_tested Int32,
|
||
|
|
cumulative_confirmed Int32,
|
||
|
|
cumulative_deceased Int32,
|
||
|
|
cumulative_recovered Int32,
|
||
|
|
cumulative_tested Int32'
|
||
|
|
);
|
||
|
|
```
|
||
|
|
|
||
|
|
5. 処理は非常に速く進行します - 挿入された行数を確認してみましょう:
|
||
|
|
|
||
|
|
```sql
|
||
|
|
SELECT formatReadableQuantity(count())
|
||
|
|
FROM covid19;
|
||
|
|
```
|
||
|
|
|
||
|
|
```response
|
||
|
|
┌─formatReadableQuantity(count())─┐
|
||
|
|
│ 12.53 million │
|
||
|
|
└─────────────────────────────────┘
|
||
|
|
```
|
||
|
|
|
||
|
|
6. Covid-19に関して記録された総症例数を見てみましょう:
|
||
|
|
|
||
|
|
```sql
|
||
|
|
SELECT formatReadableQuantity(sum(new_confirmed))
|
||
|
|
FROM covid19;
|
||
|
|
```
|
||
|
|
|
||
|
|
```response
|
||
|
|
┌─formatReadableQuantity(sum(new_confirmed))─┐
|
||
|
|
│ 1.39 billion │
|
||
|
|
└────────────────────────────────────────────┘
|
||
|
|
```
|
||
|
|
|
||
|
|
7. データには0が多く含まれていることに気づくでしょう - 週末や日々の報告がされなかった日です。ウィンドウ関数を使用して新しい症例の毎日の平均をスムーズにすることができます:
|
||
|
|
|
||
|
|
```sql
|
||
|
|
SELECT
|
||
|
|
AVG(new_confirmed) OVER (PARTITION BY location_key ORDER BY date ROWS BETWEEN 2 PRECEDING AND 2 FOLLOWING) AS cases_smoothed,
|
||
|
|
new_confirmed,
|
||
|
|
location_key,
|
||
|
|
date
|
||
|
|
FROM covid19;
|
||
|
|
```
|
||
|
|
|
||
|
|
8. このクエリは、各場所の最新値を決定します。すべての国が毎日報告したわけではないため、`max(date)`を使用することはできません。そのため、`ROW_NUMBER`を使用して最後の行を取得します:
|
||
|
|
|
||
|
|
```sql
|
||
|
|
WITH latest_deaths_data AS
|
||
|
|
( SELECT location_key,
|
||
|
|
date,
|
||
|
|
new_deceased,
|
||
|
|
new_confirmed,
|
||
|
|
ROW_NUMBER() OVER (PARTITION BY location_key ORDER BY date DESC) as rn
|
||
|
|
FROM covid19)
|
||
|
|
SELECT location_key,
|
||
|
|
date,
|
||
|
|
new_deceased,
|
||
|
|
new_confirmed,
|
||
|
|
rn
|
||
|
|
FROM latest_deaths_data
|
||
|
|
WHERE rn=1;
|
||
|
|
```
|
||
|
|
|
||
|
|
9. `lagInFrame`を使用して、各日の新しい症例の遅延を決定できます。このクエリでは`US_DC`の場所でフィルタリングします:
|
||
|
|
|
||
|
|
```sql
|
||
|
|
SELECT
|
||
|
|
new_confirmed - lagInFrame(new_confirmed,1) OVER (PARTITION BY location_key ORDER BY date) AS confirmed_cases_delta,
|
||
|
|
new_confirmed,
|
||
|
|
location_key,
|
||
|
|
date
|
||
|
|
FROM covid19
|
||
|
|
WHERE location_key = 'US_DC';
|
||
|
|
```
|
||
|
|
|
||
|
|
出力は以下のようになります:
|
||
|
|
|
||
|
|
```response
|
||
|
|
┌─confirmed_cases_delta─┬─new_confirmed─┬─location_key─┬───────date─┐
|
||
|
|
│ 0 │ 0 │ US_DC │ 2020-03-08 │
|
||
|
|
│ 2 │ 2 │ US_DC │ 2020-03-09 │
|
||
|
|
│ -2 │ 0 │ US_DC │ 2020-03-10 │
|
||
|
|
│ 6 │ 6 │ US_DC │ 2020-03-11 │
|
||
|
|
│ -6 │ 0 │ US_DC │ 2020-03-12 │
|
||
|
|
│ 0 │ 0 │ US_DC │ 2020-03-13 │
|
||
|
|
│ 6 │ 6 │ US_DC │ 2020-03-14 │
|
||
|
|
│ -5 │ 1 │ US_DC │ 2020-03-15 │
|
||
|
|
│ 4 │ 5 │ US_DC │ 2020-03-16 │
|
||
|
|
│ 4 │ 9 │ US_DC │ 2020-03-17 │
|
||
|
|
│ -1 │ 8 │ US_DC │ 2020-03-18 │
|
||
|
|
│ 24 │ 32 │ US_DC │ 2020-03-19 │
|
||
|
|
│ -26 │ 6 │ US_DC │ 2020-03-20 │
|
||
|
|
│ 15 │ 21 │ US_DC │ 2020-03-21 │
|
||
|
|
│ -3 │ 18 │ US_DC │ 2020-03-22 │
|
||
|
|
│ 3 │ 21 │ US_DC │ 2020-03-23 │
|
||
|
|
```
|
||
|
|
|
||
|
|
10. このクエリは、各日の新しい症例の変化率を計算し、結果セットに単純な`増加`または`減少`の列を含めます:
|
||
|
|
|
||
|
|
```sql
|
||
|
|
WITH confirmed_lag AS (
|
||
|
|
SELECT
|
||
|
|
*,
|
||
|
|
lagInFrame(new_confirmed) OVER(
|
||
|
|
PARTITION BY location_key
|
||
|
|
ORDER BY date
|
||
|
|
) AS confirmed_previous_day
|
||
|
|
FROM covid19
|
||
|
|
),
|
||
|
|
confirmed_percent_change AS (
|
||
|
|
SELECT
|
||
|
|
*,
|
||
|
|
COALESCE(ROUND((new_confirmed - confirmed_previous_day) / confirmed_previous_day * 100), 0) AS percent_change
|
||
|
|
FROM confirmed_lag
|
||
|
|
)
|
||
|
|
SELECT
|
||
|
|
date,
|
||
|
|
new_confirmed,
|
||
|
|
percent_change,
|
||
|
|
CASE
|
||
|
|
WHEN percent_change > 0 THEN 'increase'
|
||
|
|
WHEN percent_change = 0 THEN 'no change'
|
||
|
|
ELSE 'decrease'
|
||
|
|
END AS trend
|
||
|
|
FROM confirmed_percent_change
|
||
|
|
WHERE location_key = 'US_DC';
|
||
|
|
```
|
||
|
|
|
||
|
|
結果は次のようになります
|
||
|
|
|
||
|
|
```response
|
||
|
|
┌───────date─┬─new_confirmed─┬─percent_change─┬─trend─────┐
|
||
|
|
│ 2020-03-08 │ 0 │ nan │ decrease │
|
||
|
|
│ 2020-03-09 │ 2 │ inf │ increase │
|
||
|
|
│ 2020-03-10 │ 0 │ -100 │ decrease │
|
||
|
|
│ 2020-03-11 │ 6 │ inf │ increase │
|
||
|
|
│ 2020-03-12 │ 0 │ -100 │ decrease │
|
||
|
|
│ 2020-03-13 │ 0 │ nan │ decrease │
|
||
|
|
│ 2020-03-14 │ 6 │ inf │ increase │
|
||
|
|
│ 2020-03-15 │ 1 │ -83 │ decrease │
|
||
|
|
│ 2020-03-16 │ 5 │ 400 │ increase │
|
||
|
|
│ 2020-03-17 │ 9 │ 80 │ increase │
|
||
|
|
│ 2020-03-18 │ 8 │ -11 │ decrease │
|
||
|
|
│ 2020-03-19 │ 32 │ 300 │ increase │
|
||
|
|
│ 2020-03-20 │ 6 │ -81 │ decrease │
|
||
|
|
│ 2020-03-21 │ 21 │ 250 │ increase │
|
||
|
|
│ 2020-03-22 │ 18 │ -14 │ decrease │
|
||
|
|
│ 2020-03-23 │ 21 │ 17 │ increase │
|
||
|
|
│ 2020-03-24 │ 46 │ 119 │ increase │
|
||
|
|
│ 2020-03-25 │ 48 │ 4 │ increase │
|
||
|
|
│ 2020-03-26 │ 36 │ -25 │ decrease │
|
||
|
|
│ 2020-03-27 │ 37 │ 3 │ increase │
|
||
|
|
│ 2020-03-28 │ 38 │ 3 │ increase │
|
||
|
|
│ 2020-03-29 │ 59 │ 55 │ increase │
|
||
|
|
│ 2020-03-30 │ 94 │ 59 │ increase │
|
||
|
|
│ 2020-03-31 │ 91 │ -3 │ decrease │
|
||
|
|
│ 2020-04-01 │ 67 │ -26 │ decrease │
|
||
|
|
│ 2020-04-02 │ 104 │ 55 │ increase │
|
||
|
|
│ 2020-04-03 │ 145 │ 39 │ increase │
|
||
|
|
```
|
||
|
|
|
||
|
|
:::note
|
||
|
|
[GitHubリポジトリ](https://github.com/GoogleCloudPlatform/covid-19-open-data)に記載されているように、このデータセットは2022年9月15日をもって更新が終了しています。
|
||
|
|
:::
|