COVID - 19はすでに韓国で1万人以上を感染させました。
韓国疾病予防管理センター（KCDC）は迅速かつ透明にCOVID - 19の情報を発表しました。
私たちはKCDCと地方政府の報告資料に基づいて構造化されたデータセットを作成します。
さらに、私たちは様々なデータマイニングや可視化技術を使ってデータを分析し、可視化します。

1. データ表リスト
1）事例データ
事例：韓国のCOVID - 19感染事例データ
2）患者情報
PatientInfo：韓国のCOVID - 19患者の疫学データ
PatientRoute：韓国のCOVID - 19患者の行動経路データ（現在利用不可）
3）時系列データ
時間：韓国のCOVID - 19の状況の時系列データ
TimeAge：韓国の年齢別のCOVID - 19の状況の時系列データ
TimeGender：韓国の性別別のCOVID - 19の状況の時系列データ
TimeProvince：韓国の道単位のCOVID - 19の状況の時系列データ
4）追加データ
地区：韓国の地域の位置と統計データ
天気：韓国の地域の天気データ
SearchTrend：NAVER（韓国最大のポータルサイトの1つ）で検索されたキーワードのトレンドデータ
ソウルの浮動人口：韓国のソウルの浮動人口データ（SK Telecom Big Data Hubから）
政策：韓国のCOVID - 19に対する政府政策データ
2. 私たちのデータセットの構造
色は似た属性を持つことを意味します。
列同士が線で結ばれている場合は、列の値が一部共有されていることを意味します。
破線は関連性が弱いことを示します。db_0701
3. 各データ表の詳細説明

事例 = p_info = pd.read_csv（path +'Case.csv'）
p_info = pd.read_csv（path +'PatientInfo.csv'）
#p_route = pd.read_csv（path +'PatientRoute.csv'）
時間 = pd.read_csv（path +'Time.csv'）
t_age = pd.read_csv（path +'TimeAge.csv'）
t_gender = pd.read_csv（path +'TimeGender.csv'）
t_provin = pd.read_csv（path +'TimeProvince.csv'）
地区 = pd.read_csv（path +'Region.csv'）
天気 = pd.read_csv（path +'Weather.csv'）
検索 = pd.read_csv（path +'SearchTrend.csv'）
浮動 = pd.read_csv（path +'SeoulFloating.csv'）
政策 = pd.read_csv（path +'Policy.csv'）

私たちはKCDCと地方政府の報告資料に基づいて構造化されたデータセットを作成します。
韓国では、「 - 도」、「 - 시」、「 - 군」、「 - 구」という用語を使います。
それらの意味は以下の通りです。
韓国の行政区画のレベル
上位（道級行政区画）
特別市：ソウル
広域市：釜山/大邱/大田/光州/仁川/蔚山
道：京畿道/江原道/忠清北道/忠清南道/全羅北道/全羅南道/慶尚北道/慶尚南道
下位（市級行政区画）
City（ - 시）韓国の都市リスト
Country（군）韓国の郡リスト
District（ - 구）韓国の地区リスト

1）事例
韓国のCOVID - 19感染事例データ
case_id：感染事例のID
case_id（7） = region_code（5）+ case_number（2）
region_codeは「Region.csv」で確認できます。
道：特別市/広域市/道（ - 도）
都市：都市（ - 시）/郡（ - 군）/地区（ - 구）
「他の都市から」という値は、集団感染が始まった場所が他の都市であることを示します。
集団：TRUE：集団感染/ FALSE：非集団
この列の値が「TRUE」の場合、「infection_cases」の値は集団の名前を表します。
「患者との接触」、「海外流入」、「等」という値は集団感染ではありません。
fection_case：感染事例（集団名またはその他の事例）
「海外流入」は、感染が他国から来たことを意味します。
「等」の値には、個別事例、調査後も関連分類が進行中の事例、調査中の事例が含まれます。
確認：確認された累計数
緯度：集団の緯度（WGS84）
経度：集団の経度（WGS）