diff --git a/all_countries.py b/all_countries.py index b2d7b38..b1e34c6 100644 --- a/all_countries.py +++ b/all_countries.py @@ -8,6 +8,15 @@ import time as time_module import pickle basename="all_" +# manual y adjustments for new cases +corr = {"Chile": 10000, + "China": 4000, + "Ecuador": 2500, + "Kazakhstan": 5000, + "Kyrgyztan": 2200, + "Peru": 10000, +} + def plot(data, countries, pop): figsize = (10,5) @@ -30,6 +39,9 @@ def plot(data, countries, pop): # fix lower bound of plot for ax in (ax1, ax2): axis = ax.axis() + if ax is ax1: # adjust left (new cases) axes upper boundary for given countries + if loc in corr: + axis = [axis[0], axis[1], axis[2], corr[loc]] ax.axis([axis[0], axis[1], -1, axis[3]]) # if we know population: plot 500 new cases / 1million inhabitants as a rough measure for comparison diff --git a/index.html b/index.html index 606ac8c..179e680 100644 --- a/index.html +++ b/index.html @@ -16,6 +16,8 @@ Automatisierte Übersichtsplots für die ganze Welt, analog zu
Achtung: Die hier dargestellten Daten sind zwischen den Ländern kaum vergleichbar, da überall unterschiedliche Kriterien für Testung, Zählung und Meldung von Daten existieren. Ohne genaue Kenntnis der Situationen in den einzelnen Ländern ist ein aussagekräftiger Vergleich nicht möglich! +
+Die Dunkelziffer hängt stark von der Testkapazität, -Häufigkeit und -Politik ab, manche Staaten geben nur frisierte Zahlen aus (siehe
hier oder hier), und ist somit weder zeitlich noch räumlich als Konstante anzusehen!

Anmerkung zum "infection state": Ich habe, angelehnt an die deutschen Vorgaben der Einschätzung einer Region als "Risikogebiet" bei 500 Neuinfektionen/1Mio EW in 7 Tagen, willkührliche Grenzen bei 5, 50 und 500 festgesetzt, um ein bisschen die Schwere des Geschehens einschätzen zu können.