<meta http-equiv="Content-Type" content="text/html; charset=UTF-8" />De vez en cuando me doy cuenta del campo de fecha en mis conjuntos de datos de demostración y me doy cuenta de que estoy trabajando con rangos de fechas que tienen más de 10 años. Por lo general, es mucho trabajo o, al menos, inconveniente obtener los datos actualizados o falsificarlos agregando un par de años a la columna de fecha. Creo que es factible programar la adquisición de datos nuevos y formatearlos para que estén listos para la demostración. Sospecho que varias personas ya están haciendo esto en pequeños proyectos marginales.
Adjunto un script que hace un trabajo bastante bueno al salir y obtener un conjunto de datos. El script agrega algunas columnas calculadas relevantes y luego agrega algunos scripts de gráficos y análisis a la tabla para que esté lista para usar.
El conjunto de datos son los datos de gripe de Google. El fenómeno observado es que la frecuencia de los términos de búsqueda sobre la gripe parece ser paralela a las tendencias de vigilancia de la gripe de los CDC. Aunque la magnitud de la respuesta parece variar un poco de un año a otro, el momento parece coincidir bastante bien.
Fondo:
http://gking.harvard.edu/files/gking/files/0314policyforumff.pdf
http://www.theatlantic.com/technology/archive/2014/03/in-defense-of-google-flu-trends/359688/
Tendencias de gripe de Google
¿Qué hay en el conjunto de datos?
Los datos se establecen como tendencia de búsqueda para varias ciudades, ubicaciones estatales y todos los estados (se eliminan las regiones del HHS). Los datos se recopilan semanalmente y hay columnas de fórmula de tiempo para el año, semana, mes, temporada de gripe (año+6 meses) y Semana de la temporada de gripe.También hay una columna de cambios semana tras semana y una columna de tendencia de búsqueda acumulada por año junto con algunas columnas de grupo.Todos los cálculos se realizan en una fórmula o mediante el script que extrae los datos. La latitud y la longitud de la ubicación están integradas en el script para que actualice los nuevos datos automáticamente, lo cual es conveniente para los gráficos de burbujas, que se ven muy bien con este conjunto de datos.
Los gráficos de la tabla muestran las tendencias de diferentes maneras y también incluyen un ajuste no lineal de los datos acumulados. Estos resultados del ajuste no lineal son útiles para encontrar los puntos de inflexión para cada una de las ubicaciones por año. Esta es una forma de clasificar qué tan pronto cada lugar obtuvo aproximadamente el 50 % de su infección máxima durante la temporada (o quién tuvo la peor situación más rápidamente cada año).
Hay un pequeño problema que debemos buscar. La columna de ubicación tiene estados y ciudades, estados. Por lo tanto, filtre por tipo de ubicación antes de intentar usar la ubicación en la función del mapa para el generador de gráficos; de lo contrario, GB no reconocerá la ubicación como estados.
Si ya tienes un script que hace algo como esto, publícalo en este hilo (por favor).
Mis mejores deseos,
byron
PD Agregué un segundo script, sale y obtiene los datos actuales del índice de precios de vivienda de Freddie Mac. La demostración de FMHPI es probablemente uno de los conjuntos de datos más utilizados y abusados que existen. Muestra casos del poder de la agrupación para encontrar estados con tendencias de HPI similares. En el pasado también ha sido relativamente complejo, requiriendo algunos pasos sustanciales de manipulación de la tabla para llegar a la cifra final. Algunas personas incluso han escrito algunos flujos de trabajo de EG agradables para realizar la manipulación de datos. En JMP 12, la nueva opción Stacked Data en la plataforma Cluster hace que toda la parte de la demostración en cluster sea ridículamente fácil. (Recomiendo agrupar todo el rango de tiempo, y luego el tiempo desde 2000, y luego los últimos 7 u 8 años.Utilice el filtro de fila para crear los subconjuntos, luego utilice GB, Fecha frente a HPI, Estado como superposición y clúster como ajuste. Agregue un conmutador de columnas rápido para alternar entre los diferentes grupos).
Estos datos generalmente están retrasados solo una cuarta parte, por lo que vale la pena actualizarlos si los vas a utilizar.En el script, el archivo de Excel del sitio de Freddie Mac se abre y se formatea en una tabla apilada que debería estar lista para funcionar.
