文件名称：covid-notebooks:Jupyter笔记本分析COVID-19时间序列数据
文件大小：11.84MB
文件格式：ZIP
更新时间：2024-05-03 19:39:22
JupyterNotebook
分析COVID-19时间序列数据 该存储库提供了一组 ，用于增强和分析COVID-19时间序列数据。 在这种情况下，我们发现建立管道将有助于组织笔记本并简化运行整个工作流程以处理和分析新数据的过程。 为此，我们利用能力来构建以在运行时上整个方案的运行。 配置本地开发环境 警告：请勿在系统Python环境中运行这些笔记本。 使用以下步骤来创建一致的Python环境，以在此存储库中运行笔记本： 安装或 导航到该存储库的本地副本。 运行该脚本env.sh创造在目录中的Python环境./env ： $ bash env.sh 注意：此脚本需要一段时间才能运行。 激活新环境并启动JupyterLab： $ conda activate ./env $ jupyter lab --debug 配置本地Kubeflow管道运行时 当前支持在Kubeflow Pipeline运行时中运行这些
【文件预览】：
covid-notebooks-master
----.gitignore(2KB)
----requirements.txt(339B)
----etc()
--------docker()
----superset()
--------sql()
----LICENSE(11KB)
----env.sh(3KB)
----notebooks()
--------pivot_eu_data.ipynb(34KB)
--------timeseries_us_data.ipynb(2.56MB)
--------outputs()
--------etl_eu_data.ipynb(2KB)
--------analyze_fit_us_data.ipynb(1.36MB)
--------pivot_analysis_eu_data.ipynb(331KB)
--------etl_us_census.ipynb(295KB)
--------model_gaussfit_eu_data.ipynb(93KB)
--------util.py(8KB)
--------demographics_us_data.ipynb(2.01MB)
--------fit_us_data.ipynb(457KB)
--------inputs()
--------maps_us_data.ipynb(12KB)
--------exploratory_eu_data.ipynb(638KB)
--------tables_us_data.ipynb(125KB)
--------features_eu_data.ipynb(5KB)
--------etl_us_data.ipynb(206KB)
--------clean_us_data.ipynb(875KB)
----README.md(4KB)
----build-docker.sh(321B)
----pipelines()
--------eu_data.pipeline(14KB)
--------us_data.pipeline(22KB)
----docs()
--------source()