add info about current infection state and (5,50,500)/1million inhabitants lines, notes on the html page

all_countries.py

@@ -37,9 +37,9 @@ def plot(data, countries, pop):
         infection_level_indicator = "grey"
         try:
         #if False:
-            warn_thresh = 500e-6 * pop[loc]['pop']
+            warn_thresh = 500e-6 * pop[loc]['pop']/7
-            info_thresh = 50e-6 * pop[loc]['pop']
+            info_thresh = 50e-6 * pop[loc]['pop']/7
-            low_thresh = 5e-6 * pop[loc]['pop']
+            low_thresh = 5e-6 * pop[loc]['pop']/7
             actual_level = np.mean(new_cases[-7:])
             infection_level_indicator = "green"
             if actual_level > low_thresh:
@@ -50,9 +50,9 @@ def plot(data, countries, pop):
                 infection_level_indicator = "r"
             bounds = ax1.axis()
             #if warn_thresh < bounds[3]:
-            ax1.plot([bounds[0], bounds[1]], [warn_thresh]*2, color="red", linestyle=":", label=f"500 new cases per 1M inhabitants: {int(warn_thresh):,}".replace(",", "."))
+            ax1.plot([bounds[0], bounds[1]], [warn_thresh]*2, color="red", linestyle=":", label=f"500 new cases / week / 1M inh.: {int(warn_thresh):,}".replace(",", "."))
-            ax1.plot([bounds[0], bounds[1]], [info_thresh]*2, color="peru", linestyle=":", label=f"50 new cases per 1M inhabitants: {int(info_thresh):,}".replace(",", "."))
+            ax1.plot([bounds[0], bounds[1]], [info_thresh]*2, color="peru", linestyle=":", label=f"50 new cases / week / 1M inh.: {int(info_thresh):,}".replace(",", "."))
-            ax1.plot([bounds[0], bounds[1]], [low_thresh]*2, color="gold", linestyle=":", label=f"5 new cases per 1M inhabitants: {int(low_thresh):,}".replace(",", "."))
+            ax1.plot([bounds[0], bounds[1]], [low_thresh]*2, color="gold", linestyle=":", label=f"5 new cases / week / 1M inh.: {int(low_thresh):,}".replace(",", "."))
 
             ax1.axis(bounds)
         except:

index.html

@@ -10,16 +10,23 @@
 <h3>Visualisierung zu CoViD19</h3>
 </div>
 
-<b> ==&gt; <a href=https://covh.github.io/cov19de/>Sehr gute automatisiert aktualisierte Plot für Deutschland</a> &lt;==</b><br><br>
 
 <h4>Idee</h4>
-Überall kursieren tolle Graphiken, aber nirgends sieht man die logarithmischen Plots, aus denen man die Entwicklung besser abschätzen könnte.
+Automatisierte Übersichtsplots für die ganze Welt, analog zu <a href=https://covh.github.io/cov19de/>dieser Seite</a>.
-Daher hab ich hier ein paar täglich automatisch neu generierte Plots hingestellt.
+<br><br>
+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 <b>nicht möglich</b>!
+<br><br>
+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, <b>willkührliche</b> Grenzen
+bei 5, 50 und 500 festgesetzt, um ein bisschen die Schwere des Geschehens einschätzen zu können.
+Das wird aber ganz massiv durch die Testrate, Meldekette, politische Einflussnahme, betroffene Bevölkerungsschichten, betroffene Regionen, etc. beeinflusst und die praktische Bedeutung dieser Grenzwerte kann für
+die einzelnen Länder <b>sehr unterschiedlich</b> sein!
+<br><br>
+Die Daten stammen von <a href=https://ourworldindata.org/coronavirus-source-data>hier</a> und werden dort aus den WHO- und ECDC-Reports generiert.
+<br><br>
+Aktuelle Daten aus Deutschland mit vielen Hintergründen finden sich im <a href="https://www.rki.de/DE/Content/InfAZ/N/Neuartiges_Coronavirus/Situationsberichte/Gesamt.html">Lagebericht des RKI</a>.
 
-Nicht schön, aber informativ.
+<details>
-
-Die Daten stammen von <a href=https://ourworldindata.org/coronavirus-source-data>hier</a> und wird dort aus den WHO- und ECDC-Reports generiert.
-<details open>
 <summary><h2>Basics</h2></summary>
     <details open>
     <summary>Absolute Fälle</summary>