埼玉県のコロナ統計データに想うこと

埼玉県のオープンデータは虫食い状態だった

本記事の後に、埼玉県のコロナ感染者の統計分析を複数投稿予定。

1.ツイッターの反応

8/3に埼玉県の「市町村別の人口一万人当たりのコロナ感染者数」を書いた。ツイッターはあまり好かないが、翌日にツイートして案内した。で、夜にアクセスログを見て驚いた。普通、アップした記事の初日は50～100アクセス程度なので、連日100件超は珍しかった。ツイッター経由が殆ど、つまり上尾市以外からなので、なんとなく狭い街を出た感じだった。

　当該ツイートのインプレッション(表示回数)は6030件に増えていた。ただし重要なのはリンクのクリック数の方で450件だった。つまり7%位が反応した(本当に読んだかは知らね(^-^?))。まあ、スマホだから一割以下は納得する。

注目された理由は、埼玉県自治体の人口当たりの感染者数がどこにも(？)無いためなのだろう。

たんに　感染者数÷人口なんだけどね。

2.Excel以前の問題

　感染者データはこちらの埼玉県オープンデータにある。日々、人数を追加したCSVファイルだから、Excelに読み込んで加工できる。その日は2500件くらいだったが、一万でも十万でも関係ない。加工と言っても、シンプルな表だから並べ替えやアウトライン集計で事足りる。クロス集計にはピボットテーブルを使えばよい。

　だけど、それ以前に手間取った・・・

データは下の様に「番号、判明日、年代、性別、居住地」のみで、実質4つ。できれば、発見契機(診察なのかクラスター追跡なのか)があればよかった。

NO.	判明日	年代	性別	居住地
1	2020/2/1	30代	男性	埼玉県外
2	2020/2/10	40代	男性	埼玉県
3	2020/2/14	-	-	埼玉県外
4	2020/2/21	未就学児	男性	埼玉県
5	2020/3/5	60代	男性	行田市
6	2020/3/5	50代	男性	上尾市

ところで、最新日のデータは「調査中」がほとんど、正しく記入されるには数日かかる。そこで8/4日のデータをダウンロードし、その中から8/1日までのデータを採用した。※

しかし、4月や5月にも判明日が「調査中」のままがあったり、所在地には県外、愛知県、埼玉県外、神奈川県、東京都、県内、川口市外、非公表、空欄というように入り乱れる。性別欄では「女児」、年代では「未成年者」というのもあった。「10歳未満」と「未就学児」が混在している。

ここでは県内のみとし、「川口市外」や空欄は「不明」とするなどの除外や置き換えをしないと、とても集計に耐えられない表だった。(>_<)

こんな奥深くにも、埼玉県行政の混乱ぶりが見て取れるのだ。

だからと言って、「保健所の皆さんは忙しくて大変」という気になるようでは進歩が無いと想う。なおPCR検査数の時系列データはどこにも見当たらない。

※　前記事は8/1日のデータで集計してしまったから、その後の8/1の更新を反映して取り直し、次記事で公開する。

人数が多い上位市で少し変更があり、町村は全て変更はない。そもそも、上位市のHPで告げる感染者数とオープンデータの値とは微妙に異なることがある。

つづく