※ 引述《bendee (李)》之铭言：
: 不知道大家有没有看到下面这则新闻，
: 阿中部长说台湾新冠死亡发生率是百万分之0.2，想请问这数字是怎么算出来的啊？
: 随着本土染疫人数升高，国内曾出现几天单日死亡率破千分之1，引来各界关注。针对台
: 湾死亡率是否高于其他国家，中央流行疫情指挥官陈时中31日秀出数字，强调台湾目前死
: 亡发生率是每百万分之0.2，低于日本和新加坡的0.6，也低于新西兰1.4、韩国2.4、香港
: 8.3，与其他国家相比没有比较高。
: ※ 八卦板务请到 GossipPicket 检举板实名询问
: ※ a.张贴问卦请注意，充实文章内容、是否有专板，本板并非万能问板。
: ※ b.一天只能张贴 "两则" 问卦，自删及被删也算两篇之内，
: ※ 超贴者将被水桶，请注意!
: ※ c.本看板严格禁止政治问卦，发文问卦前请先仔细阅读相关板规。
: ※ d.未满30繁体中文字水桶3个月，严重者以闹板论，请注意！
: ※ (↑看完提醒请删除ctrl + y)
就是啊，宅宅我闲来无事，来帮台湾防疫中心以及未来的台北市长甚至总统，伟大的
clock陈作点验算工作。
直接讲重点：依陈时中所言，台湾每百万人平均死亡率为 0.2 非常优秀，世界怎么跟得
上台湾。
https://imgur.com/9kxBc6V
本文証明了其实世界有71个国家可以跟上台湾。
https://imgur.com/8TnZYcM
八卦：依照同样算法，中国的每百万人死亡率是0.002743，比台湾强一百倍左右。
先作点准备工作
import seaborn as sns
import pandas as pd
from matplotlib import pyplot
我们使用OWID提供的资料。可至
https://ourworldindata.org/coronavirus#explore-the-global-situation 下载
df = pd.read_csv('owid-covid-data.csv')
首先，先将非国家地区资料去除。
loc_list = list(set(df[pd.notnull(df['continent'])]['location'].to_list()))
接下来，我们使用与台湾防疫中心一样的方式，计算
一，1/1-5/29期间，每日（每十万人口）全人口七日移动发生率加总后之平均值
二，1/1-5/29期间，每日（每百万人口）全人口七日移动死亡率加总后之平均值
new_cases_smoothed_per_million = []
new_deaths_smoothed_per_million = []
for l in loc_list:
df1 = df[(df['location']==l) & (pd.to_datetime(df['date'])>=pd.Timestamp(2022,1,1))& (pd.to_datetime(df['date'])<=pd.Timestamp(2022,5,29))]
new_cases_smoothed_per_million.append(df1['new_cases_smoothed_per_million'].mean()/10)
new_deaths_smoothed_per_million.append(df1['new_deaths_smoothed_per_million'].mean())
将上述两结果制成表格。
res_df = pd.DataFrame({'location': loc_list, 'new_cases_smoothed_per_million': new_cases_smoothed_per_million, 'new_deaths_smoothed_per_million': new_deaths_smoothed_per_million})
res_df = res_df[pd.notnull(res_df['new_cases_smoothed_per_million']) & pd.notnull(res_df['new_deaths_smoothed_per_million'])]
检验一下台湾部份的数据：
https://imgur.com/n5W3alM
每日（每十万人口）全人口七日移动发生率加总后之平均值为45.732837，四舍五入至整数
后为46，每日（每百万人口）全人口七日移动死亡率加总后之平均值为0.239664，四舍五
入至小数点后一位为46。与台湾防疫中心数据相符。
接下来，列出台湾防疫中心手版中所选定的国家：
https://imgur.com/BPdMC8g
接下来，列出台湾防疫中心手版中所选的国家，数据大致相符。除了New Zealand与
Singapore每日（每十万人口）全人口七日移动发生率加总后之平均值略有出入
（147<->153与124<->111），俱体原因未知。
https://imgur.com/BPdMC8g
依照陈时中部长逻辑，这两个数字愈小愈好。我们来看看台湾防疫是否真为世界第一？
世界是否真的跟不上台湾？
先从每日（每十万人口）全人口七日移动发生率加总后之平均值开始
fig, ax = pyplot.subplots(figsize=(10,40))
sns.barplot(ax=ax, x="new_cases_smoothed_per_million", y="location", data=res_df.sort_values(by='new_cases_smoothed_per_million'))
fig.savefig('new_cases_smoothed_per_million.png')
https://imgur.com/TSIaG4d
看来还真是不少。这世界有救了。那俱体有哪些国家呢？
tw_record = res_df[res_df['location']=='Taiwan']['new_cases_smoothed_per_million'].to_numpy()[0]
res_df[res_df['new_cases_smoothed_per_million']<tw_record][['location','new_cases_smoothed_per_million']].sort_values(by='new_cases_smoothed_per_million')
https://imgur.com/9oendpJ
全世界至少有133个国家在每日（每十万人口）全人口七日移动发生率加总后之平均值这一
项上是比台湾还优。那俱体有哪些国家呢？
res_df[res_df['new_cases_smoothed_per_million']<tw_record]['location'].to_list()
['South Sudan', 'Armenia', 'Fiji', 'Paraguay', 'Uzbekistan', 'Mexico', 'Guinea-Bissau', 'Laos', 'United Arab Emirates', 'El Salvador', 'Central African Republic', 'Gabon', 'Colombia', 'Malaysia', 'Cuba', 'Niger', 'Algeria', 'Kiribati', 'Kazakhstan', 'Malawi', 'Guatemala', 'Saint Vincent and the Grenadines', 'Bulgaria', 'Bosnia and Herzegovina', 'Togo', 'Madagascar', 'Poland', 'Wallis and Futuna', 'Eswatini', 'Kosovo', 'Mauritania', 'Jamaica', 'Nepal', 'Rwanda', 'Saint
Kitts and Nevis', 'Mozambique', 'Zambia', 'Botswana', 'Lebanon', 'Moldova', 'Japan', 'Romania', 'Burundi', 'Azerbaijan', 'Congo', 'Tajikistan', 'Guyana', 'Afghanistan', 'Saudi Arabia', 'Belize', 'North Korea', 'Palestine', 'Philippines', 'Uganda', 'Papua New Guinea', 'Sierra Leone', 'Tunisia', 'China', 'Cape Verde', 'Lesotho', 'Costa Rica', 'North Macedonia', 'Sudan', 'Bolivia', 'Samoa', 'Somalia', 'Suriname', 'Trinidad and Tobago', 'Liberia', 'Eritrea',
'Bangladesh', 'Haiti', 'Kenya', 'Sao Tome and Principe', 'Turkey', 'South Africa', 'India', 'Pakistan', 'Oman', 'Belarus', 'Vanuatu', 'Egypt', 'Saint Lucia', 'Democratic Republic of Congo', 'Thailand', 'Benin', 'Angola', 'Namibia', 'Senegal', 'Brazil', 'Peru', 'Antigua and Barbuda', 'Gambia', 'Sri Lanka', 'Nicaragua', 'Djibouti', 'Guinea', 'Nigeria', 'Libya', 'Solomon Islands', 'Kyrgyzstan', 'Iraq', 'Venezuela', 'Ethiopia', 'Canada', 'Chad', 'Ghana', 'Zimbabwe',
'Honduras', 'Tanzania', 'Cambodia', 'Ecuador', 'Indonesia', 'Jordan', 'Morocco', 'Mali', 'Syria', 'Ukraine', 'Qatar', 'Albania', 'Russia', 'Comoros', 'Timor', "Cote d'Ivoire", 'Iran', 'Burkina Faso', 'Dominican Republic', 'Equatorial Guinea', 'Yemen', 'Myanmar', 'Kuwait', 'Bahamas', 'Cameroon']
接下来看看陈时中部长引以为豪的“百万分之0.2”，有哪些国家表现比台湾更好呢？
fig, ax = pyplot.subplots(figsize=(10,40))
sns.barplot(ax=ax, x="new_deaths_smoothed_per_million", y="location", data=res_df.sort_values(by='new_deaths_smoothed_per_million'))
fig.savefig('new_deaths_smoothed_per_million.png')
https://imgur.com/8TnZYcM
tw_record = res_df[res_df['location']=='Taiwan']['new_deaths_smoothed_per_million'].to_numpy()[0]
res_df[res_df['new_deaths_smoothed_per_million']<tw_record][['location','new_deaths_smoothed_per_million']].sort_value(by='new_deaths_smoothed_per_million')
https://imgur.com/x9pwdDJ
全世界有71个国家可以跟得上台湾
res_df[res_df['new_deaths_smoothed_per_million']<tw_record][['location','new_deaths_smoothed_per_million']].sort_values(by='new_deaths_smoothed_per_million')['location'].to_list()
['Burundi', 'Wallis and Futuna', 'Tajikistan', 'Djibouti', 'Benin', 'Sierra Leone', 'South Sudan', 'China', 'Nigeria', 'Chad', 'Liberia', 'Niger', 'Democratic Republic of Congo', 'Somalia', 'Tanzania', 'Central African Republic', 'Cambodia', 'Cameroon', 'Burkina Faso', 'Nicaragua', 'Togo', 'Congo', 'Myanmar', "Cote d'Ivoire", 'Mali', 'Guinea', 'Angola', 'Uzbekistan', 'Ethiopia', 'Ghana', 'Kenya', 'Yemen', 'Equatorial Guinea', 'Senegal', 'Bangladesh', 'Pakistan',
'Timor', 'Uganda', 'Papua New Guinea', 'Mozambique', 'Gabon', 'Saudi Arabia', 'Eritrea', 'Comoros', 'Rwanda', 'Afghanistan', 'Gambia', 'Guinea-Bissau', 'Haiti', 'Nepal', 'North Korea', 'Dominican Republic', 'Madagascar', 'Algeria', 'Venezuela', 'Zambia', 'United Arab Emirates', 'Syria', 'Malawi', 'Lesotho', 'Cuba', 'Kuwait', 'Qatar', 'Bhutan', 'Mauritania', 'Iraq', 'Oman', 'Kyrgyzstan', 'Egypt', 'India', 'Morocco']
看来这些国家的防疫策略真值得我们学习呢。来节录几个重点国家
res_df[res_df['location']=='China']
https://imgur.com/LIRKLpr
res_df[res_df['location']=='India']
https://imgur.com/JGaUs0s
res_df[res_df['location']=='Madagascar']
https://imgur.com/brvgU0V
res_df[res_df['location']=='Ethiopia']
https://imgur.com/xwQjOYt
res_df[res_df['location']=='North Korea']
https://imgur.com/T5IXcrO
请问，这样我有资格加入五汉报时台了吗？