-
-
Notifications
You must be signed in to change notification settings - Fork 1
/
vaccination.py
331 lines (276 loc) · 20.2 KB
/
vaccination.py
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
178
179
180
181
182
183
184
185
186
187
188
189
190
191
192
193
194
195
196
197
198
199
200
201
202
203
204
205
206
207
208
209
210
211
212
213
214
215
216
217
218
219
220
221
222
223
224
225
226
227
228
229
230
231
232
233
234
235
236
237
238
239
240
241
242
243
244
245
246
247
248
249
250
251
252
253
254
255
256
257
258
259
260
261
262
263
264
265
266
267
268
269
270
271
272
273
274
275
276
277
278
279
280
281
282
283
284
285
286
287
288
289
290
291
292
293
294
295
296
297
298
299
300
301
302
303
304
305
306
307
308
309
310
311
312
313
314
315
316
317
318
319
320
321
322
323
324
325
326
327
328
329
330
331
# -*- coding: utf-8 -*-
from pprint import pprint
from frictionless import Package, Resource, Layout, Schema, extract, describe_schema, validate, transform, steps
from frictionless.plugins.excel import ExcelDialect
import petl
from datetime import datetime, timedelta
from dateutil import parser
import requests
r = requests.get(
'https://www.rki.de/DE/Content/InfAZ/N/Neuartiges_Coronavirus/Daten/Impfquotenmonitoring.xlsx?__blob=publicationFile')
publishdate = parser.parse(r.headers["Last-Modified"])
datadate = publishdate - timedelta(1)
impfquote = Resource(
'https://www.rki.de/DE/Content/InfAZ/N/Neuartiges_Coronavirus/Daten/Impfquotenmonitoring.xlsx?__blob=publicationFile', dialect=ExcelDialect(sheet=2), layout=Layout(header_rows=[1, 2, 3, 4], header_join='_', limit_rows=18), schema=Schema("data/de-vaccinations-raw-quote.schema.yaml"), )
impfquote.write('data/de-vaccinations-raw-quote.csv')
impfquote = transform(
impfquote,
steps=[
# Normalize
steps.table_normalize(),
# Simplify naming
# Add metadata
steps.field_add(name=f'geo', type='string',
function=lambda x: 'Germany' if x['Bundesland'] == 'Gesamt' else x['Bundesland']),
# 1. sums
steps.field_add(name=f'sum', type='integer',
function=lambda x: x['Insgesamt über alle Impfstellen_Gesamtzahl bisher verabreichter Impfungen']),
steps.field_add(name=f'sum_initial', type='integer',
function=lambda x: x['Insgesamt über alle Impfstellen_Gesamtzahl einmalig geimpft']),
steps.field_add(name=f'sum_booster', type='integer',
function=lambda x: x['Insgesamt über alle Impfstellen_Gesamtzahl vollständig geimpft']),
steps.field_add(name=f'quote_initial', type='number',
function=lambda x: x['Insgesamt über alle Impfstellen_Impfquote mit einer Impfung_Gesamt']),
steps.field_add(name=f'quote_initial_age_60+', type='number',
function=lambda x: x['Insgesamt über alle Impfstellen_Impfquote mit einer Impfung_60+ Jahre']),
steps.field_add(name=f'quote_initial_age_<60', type='number',
function=lambda x: x['Insgesamt über alle Impfstellen_Impfquote mit einer Impfung_<60 Jahre']),
steps.field_add(name=f'quote_booster', type='number',
function=lambda x: x['Insgesamt über alle Impfstellen_Impfquote vollständig geimpft_Gesamt']),
steps.field_add(name=f'quote_booster_age_60+', type='number',
function=lambda x: x['Insgesamt über alle Impfstellen_Impfquote vollständig geimpft_60+ Jahre']),
steps.field_add(name=f'quote_booster_age_<60', type='number',
function=lambda x: x['Insgesamt über alle Impfstellen_Impfquote vollständig geimpft_<60 Jahre']),
# 2. centers
steps.field_add(name=f'sum_initial_age_60+_centers', type='number',
function=lambda x: x['Impfungen in Impfzentren, Mobilen Teams und Krankenhäusern_eine Impfung_60+ Jahre']),
steps.field_add(name=f'sum_initial_age_<60_centers', type='number',
function=lambda x: x['Impfungen in Impfzentren, Mobilen Teams und Krankenhäusern_eine Impfung_<60 Jahre']),
steps.field_add(name=f'sum_booster_age_60+_centers', type='number',
function=lambda x: x['Impfungen in Impfzentren, Mobilen Teams und Krankenhäusern_vollständig geimpft_60+Jahre']),
steps.field_add(name=f'sum_booster_age_<60_centers', type='number',
function=lambda x: x['Impfungen in Impfzentren, Mobilen Teams und Krankenhäusern_vollständig geimpft_<60 Jahre']),
# 3. doctors
steps.field_add(name=f'sum_initial_age_60+_doctors', type='number',
function=lambda x: x['Impfungen der niedergelassenen Ärzteschaft_eine Impfung_60+ Jahre']),
steps.field_add(name=f'sum_initial_age_<60_doctors', type='number',
function=lambda x: x['Impfungen der niedergelassenen Ärzteschaft_eine Impfung_<60 Jahre']),
steps.field_add(name=f'sum_booster_age_60+_doctors', type='number',
function=lambda x: x['Impfungen der niedergelassenen Ärzteschaft_vollständig geimpft_60+Jahre']),
steps.field_add(name=f'sum_booster_age_<60_doctors', type='number',
function=lambda x: x['Impfungen der niedergelassenen Ärzteschaft_vollständig geimpft_<60 Jahre']),
# Cleanup
steps.field_remove(names=[
"RS", "Bundesland", "Insgesamt über alle Impfstellen_Gesamtzahl bisher verabreichter Impfungen", "Insgesamt über alle Impfstellen_Gesamtzahl einmalig geimpft", "Insgesamt über alle Impfstellen_Gesamtzahl vollständig geimpft", "Insgesamt über alle Impfstellen_Impfquote mit einer Impfung_Gesamt", "Insgesamt über alle Impfstellen_Impfquote mit einer Impfung_60+ Jahre", "Insgesamt über alle Impfstellen_Impfquote mit einer Impfung_<60 Jahre", "Insgesamt über alle Impfstellen_Impfquote vollständig geimpft_Gesamt", "Insgesamt über alle Impfstellen_Impfquote vollständig geimpft_60+ Jahre", "Insgesamt über alle Impfstellen_Impfquote vollständig geimpft_<60 Jahre", "Impfungen in Impfzentren, Mobilen Teams und Krankenhäusern_eine Impfung_60+ Jahre", "Impfungen in Impfzentren, Mobilen Teams und Krankenhäusern_eine Impfung_<60 Jahre", "Impfungen in Impfzentren, Mobilen Teams und Krankenhäusern_vollständig geimpft_60+Jahre", "Impfungen in Impfzentren, Mobilen Teams und Krankenhäusern_vollständig geimpft_<60 Jahre", "Impfungen der niedergelassenen Ärzteschaft_eine Impfung_60+ Jahre", "Impfungen der niedergelassenen Ärzteschaft_eine Impfung_<60 Jahre", "Impfungen der niedergelassenen Ärzteschaft_vollständig geimpft_60+Jahre", "Impfungen der niedergelassenen Ärzteschaft_vollständig geimpft_<60 Jahre"]),
# Pivot
steps.table_melt(field_name="geo", to_field_names=["key", "value"]),
steps.field_add(name=f'iso-cc', type='string',
formula='"DE"'),
steps.field_add(name=f'geotype', type='string',
function=lambda x: 'nation' if x['geo'] == 'Germany' else 'state'),
steps.field_move(name="iso-cc", position=2),
steps.field_move(name="geotype", position=3),
],
)
impfquote.schema.primary_key = ["geo", "iso-cc", "key"]
impfstoff = Resource(
'https://www.rki.de/DE/Content/InfAZ/N/Neuartiges_Coronavirus/Daten/Impfquotenmonitoring.xlsx?__blob=publicationFile', dialect=ExcelDialect(sheet=3, fill_merged_cells=True), layout=Layout(header_rows=[1, 2, 3, 4], header_join='_', limit_rows=18), schema=Schema("data/de-vaccinations-raw-totals.schema.yaml"))
impfstoff = impfstoff.write('data/de-vaccinations-raw-totals.csv')
impfstoff = transform(
impfstoff,
steps=[
# Normalize
steps.table_normalize(),
# Simplify naming
# Add metadata
steps.field_add(name=f'geo', type='string',
function=lambda x: 'Germany' if x['Bundesland'] == 'Gesamt' else x['Bundesland']),
# 1. Centers
steps.field_add(name=f'sum_initial_centers', type='number',
function=lambda x: x['Impfungen in Impfzentren, Mobilen Teams, Krankenhäusern_eine Impfung_Impfungen kumulativ_Gesamt']),
steps.field_add(name=f'sum_initial_biontech_centers', type='number',
function=lambda x: x['Impfungen in Impfzentren, Mobilen Teams, Krankenhäusern_eine Impfung_Impfungen kumulativ_BioNTech']),
steps.field_add(name=f'sum_initial_moderna_centers', type='number',
function=lambda x: x['Impfungen in Impfzentren, Mobilen Teams, Krankenhäusern_eine Impfung_Impfungen kumulativ_Moderna']),
steps.field_add(name=f'sum_initial_astrazeneca_centers', type='number',
function=lambda x: x['Impfungen in Impfzentren, Mobilen Teams, Krankenhäusern_eine Impfung_Impfungen kumulativ_AstraZeneca']),
steps.field_add(name=f'delta_vortag_initial_centers', type='number',
function=lambda x: x['Impfungen in Impfzentren, Mobilen Teams, Krankenhäusern_eine Impfung_Differenz zum Vortag']),
steps.field_add(name=f'sum_booster_centers', type='number',
function=lambda x: x['Impfungen in Impfzentren, Mobilen Teams, Krankenhäusern_vollständig geimpft_Impfungen kumulativ_Gesamt']),
steps.field_add(name=f'sum_booster_biontech_centers', type='number',
function=lambda x: x['Impfungen in Impfzentren, Mobilen Teams, Krankenhäusern_vollständig geimpft_Impfungen kumulativ_BioNTech']),
steps.field_add(name=f'sum_booster_moderna_centers', type='number',
function=lambda x: x['Impfungen in Impfzentren, Mobilen Teams, Krankenhäusern_vollständig geimpft_Impfungen kumulativ_Moderna']),
steps.field_add(name=f'sum_booster_astrazeneca_centers', type='number',
function=lambda x: x['Impfungen in Impfzentren, Mobilen Teams, Krankenhäusern_vollständig geimpft_Impfungen kumulativ_AstraZeneca']),
steps.field_add(name=f'delta_vortag_booster_centers', type='number',
function=lambda x: x['Impfungen in Impfzentren, Mobilen Teams, Krankenhäusern_vollständig geimpft_Differenz zum Vortag']),
# 1. Doctors
steps.field_add(name=f'sum_initial_doctors', type='number',
function=lambda x: x['Impfungen der niedergelassenen Ärzteschaft_eine Impfung_Impfungen kumulativ_Gesamt']),
steps.field_add(name=f'sum_initial_biontech_doctors', type='number',
function=lambda x: x['Impfungen der niedergelassenen Ärzteschaft_eine Impfung_Impfungen kumulativ_BioNTech']),
steps.field_add(name=f'sum_initial_moderna_doctors', type='number',
function=lambda x: x['Impfungen der niedergelassenen Ärzteschaft_eine Impfung_Impfungen kumulativ_Moderna']),
steps.field_add(name=f'sum_initial_astrazeneca_doctors', type='number',
function=lambda x: x['Impfungen der niedergelassenen Ärzteschaft_eine Impfung_Impfungen kumulativ_AstraZeneca']),
steps.field_add(name=f'delta_vortag_initial_doctors', type='number',
function=lambda x: x['Impfungen der niedergelassenen Ärzteschaft_eine Impfung_Differenz zum Vortag']),
steps.field_add(name=f'sum_booster_doctors', type='number',
function=lambda x: x['Impfungen der niedergelassenen Ärzteschaft_vollständig geimpft_Impfungen kumulativ_Gesamt']),
steps.field_add(name=f'sum_booster_biontech_doctors', type='number',
function=lambda x: x['Impfungen der niedergelassenen Ärzteschaft_vollständig geimpft_Impfungen kumulativ_BioNTech']),
steps.field_add(name=f'sum_booster_moderna_doctors', type='number',
function=lambda x: x['Impfungen der niedergelassenen Ärzteschaft_vollständig geimpft_Impfungen kumulativ_Moderna']),
steps.field_add(name=f'sum_booster_astrazeneca_doctors', type='number',
function=lambda x: x['Impfungen der niedergelassenen Ärzteschaft_vollständig geimpft_Impfungen kumulativ_AstraZeneca']),
steps.field_add(name=f'delta_vortag_booster_doctors', type='number',
function=lambda x: x['Impfungen der niedergelassenen Ärzteschaft_vollständig geimpft_Differenz zum Vortag']),
steps.field_add(
name="delta_vortag_initial", function=lambda x: sum(filter(None, [x['delta_vortag_initial_centers'], x['delta_vortag_initial_doctors']]))),
steps.field_add(
name="delta_vortag_booster", function=lambda x: sum(filter(None, [x['delta_vortag_booster_centers'], x['delta_vortag_booster_doctors']]))),
steps.field_add(
name="delta_vortag", function=lambda x: sum(filter(None, [x['delta_vortag_initial'], x['delta_vortag_booster']]))),
steps.field_add(
name="delta_vortag_centers", function=lambda x: sum(filter(None, [x['delta_vortag_initial_centers'], x['delta_vortag_booster_centers']]))),
steps.field_add(
name="delta_vortag_doctors", function=lambda x: sum(filter(None, [x['delta_vortag_initial_doctors'], x['delta_vortag_booster_doctors']]))),
steps.field_add(
name="sum_initial_biontech", function=lambda x: sum(filter(None, [x['sum_initial_biontech_centers'], x['sum_initial_biontech_doctors']]))),
steps.field_add(
name="sum_booster_biontech", function=lambda x: sum(filter(None, [x['sum_booster_biontech_centers'], x['sum_booster_biontech_doctors']]))),
steps.field_add(
name="sum_biontech", function=lambda x: sum(filter(None, [x['sum_initial_biontech'], x['sum_booster_biontech']]))),
steps.field_add(
name="sum_initial_moderna", function=lambda x: sum(filter(None, [x['sum_initial_moderna_centers'], x['sum_initial_moderna_doctors']]))),
steps.field_add(
name="sum_booster_moderna", function=lambda x: sum(filter(None, [x['sum_booster_moderna_centers'], x['sum_booster_moderna_doctors']]))),
steps.field_add(
name="sum_moderna", function=lambda x: sum(filter(None, [x['sum_initial_moderna'], x['sum_booster_moderna']]))),
steps.field_add(
name="sum_initial_astrazeneca", function=lambda x: sum(filter(None, [x['sum_initial_astrazeneca_centers'], x['sum_initial_astrazeneca_doctors']]))),
steps.field_add(
name="sum_booster_astrazeneca", function=lambda x: sum(filter(None, [x['sum_booster_astrazeneca_centers'], x['sum_booster_astrazeneca_doctors']]))),
steps.field_add(
name="sum_astrazeneca", function=lambda x: sum(filter(None, [x['sum_initial_astrazeneca'], x['sum_booster_astrazeneca']]))),
# Cleanup
steps.field_remove(names=[
"RS", "Bundesland", "Impfungen in Impfzentren, Mobilen Teams, Krankenhäusern_eine Impfung_Impfungen kumulativ_Gesamt", "Impfungen in Impfzentren, Mobilen Teams, Krankenhäusern_eine Impfung_Impfungen kumulativ_BioNTech", "Impfungen in Impfzentren, Mobilen Teams, Krankenhäusern_eine Impfung_Impfungen kumulativ_Moderna", "Impfungen in Impfzentren, Mobilen Teams, Krankenhäusern_eine Impfung_Impfungen kumulativ_AstraZeneca", "Impfungen in Impfzentren, Mobilen Teams, Krankenhäusern_eine Impfung_Differenz zum Vortag", "Impfungen in Impfzentren, Mobilen Teams, Krankenhäusern_vollständig geimpft_Impfungen kumulativ_Gesamt", "Impfungen in Impfzentren, Mobilen Teams, Krankenhäusern_vollständig geimpft_Impfungen kumulativ_BioNTech", "Impfungen in Impfzentren, Mobilen Teams, Krankenhäusern_vollständig geimpft_Impfungen kumulativ_Moderna", "Impfungen in Impfzentren, Mobilen Teams, Krankenhäusern_vollständig geimpft_Impfungen kumulativ_AstraZeneca", "Impfungen in Impfzentren, Mobilen Teams, Krankenhäusern_vollständig geimpft_Differenz zum Vortag",
"Impfungen der niedergelassenen Ärzteschaft_eine Impfung_Impfungen kumulativ_Gesamt", "Impfungen der niedergelassenen Ärzteschaft_eine Impfung_Impfungen kumulativ_BioNTech", "Impfungen der niedergelassenen Ärzteschaft_eine Impfung_Impfungen kumulativ_Moderna", "Impfungen der niedergelassenen Ärzteschaft_eine Impfung_Impfungen kumulativ_AstraZeneca", "Impfungen der niedergelassenen Ärzteschaft_eine Impfung_Differenz zum Vortag", "Impfungen der niedergelassenen Ärzteschaft_vollständig geimpft_Impfungen kumulativ_Gesamt", "Impfungen der niedergelassenen Ärzteschaft_vollständig geimpft_Impfungen kumulativ_BioNTech", "Impfungen der niedergelassenen Ärzteschaft_vollständig geimpft_Impfungen kumulativ_Moderna", "Impfungen der niedergelassenen Ärzteschaft_vollständig geimpft_Impfungen kumulativ_AstraZeneca", "Impfungen der niedergelassenen Ärzteschaft_vollständig geimpft_Differenz zum Vortag"]),
# Pivot
steps.table_melt(field_name="geo", to_field_names=["key", "value"]),
steps.field_add(name=f'iso-cc', type='string',
formula='"DE"'),
steps.field_add(name=f'geotype', type='string',
function=lambda x: 'nation' if x['geo'] == 'Germany' else 'state'),
steps.field_move(name="iso-cc", position=2),
steps.field_move(name="geotype", position=3),
],
)
impfstoff.schema.primary_key = ["geo", "iso-cc", "key"]
# impfstoff.write('data/de-vaccinations-raw-totals-normalized.csv')
petl.tocsv(petl.transform.basics.cat(
impfquote.to_petl(), impfstoff.to_petl()), 'data/de-vaccinations-current.csv')
population = Resource('data/de-population-current.csv')
population.infer()
quote = Resource('data/de-vaccinations-current.csv')
quote = transform(
quote,
steps=[
steps.row_filter(formula="key == 'quote_booster'"),
steps.field_add(name="quote", formula="value"),
steps.field_remove(names=["iso-cc", "geotype", "key", "value"]),
]
)
current = Resource('data/de-vaccinations-current.csv')
current.infer()
current = transform(
current,
steps=[
steps.table_normalize(),
steps.row_sort(field_names=["geo"]),
steps.table_join(resource=population, field_name="geo"),
steps.table_join(resource=quote, field_name="geo")
]
)
current.write('data/de-vaccinations-current.csv')
today = datetime.now()
log = transform(
current,
steps=[
steps.field_add(
name="date", formula=f'"{datadate.date().isoformat()}"')
]
)
last_entry = transform(
Resource("data/de-vaccinations.csv"),
steps=[
steps.row_slice(tail=1),
]
).read_rows()
if len(last_entry) > 0 and "date" in last_entry[0].keys() and last_entry[0]["date"] < datadate.date():
print(f"New entries for {datadate.date()}")
petl.appendcsv(log.to_petl(), 'data/de-vaccinations.csv')
else:
print(f"No new entries")
# Create final Data Package
pkg = Package()
pkg.contributors = [{
"path": "https://github.com/n0rdlicht",
"role": "maintainer",
"title": "Thorben Westerhuys"
}]
pkg.homepage = "https://github.com/n0rdlicht/rki-vaccination-scraper"
pkg.keywords = ["COVID-19",
"RKI",
"Germany",
"Vaccination"]
pkg["license"] = "ODC-PDDL-1.0"
pkg.licenses = [{"name": "ODC-PDDL-1.0",
"path": "http://opendatacommons.org/licenses/pddl/", "title": "Open Data Commons Public Domain Dedication and License v1.0"}]
pkg.name = "covid19-vaccinations-germany"
pkg.resources = [
Resource("data/de-population-current.csv", hashing="sha256"),
Resource("data/de-vaccinations-raw-indikation.csv", hashing="sha256"),
Resource("data/de-vaccinations-raw-quote.csv", hashing="sha256"),
Resource("data/de-vaccinations-raw-totals.csv", hashing="sha256"),
Resource("data/de-vaccinations-current.csv", hashing="sha256"),
Resource("data/de-vaccinations.csv", hashing="sha256"),
]
for r in pkg.resources:
r.infer(stats=True)
r.expand()
pkg.get_resource("de-vaccinations").schema.get_field("value").type = "number"
pkg.get_resource(
"de-vaccinations-raw-indikation")["last_published"] = publishdate.date().isoformat()
pkg.get_resource(
"de-vaccinations-raw-indikation")["last_update"] = datadate.date().isoformat()
pkg.get_resource(
"de-vaccinations-raw-quote")["last_published"] = publishdate.date().isoformat()
pkg.get_resource(
"de-vaccinations-raw-quote")["last_update"] = datadate.date().isoformat()
pkg.get_resource(
"de-vaccinations-raw-totals")["last_published"] = publishdate.date().isoformat()
pkg.get_resource(
"de-vaccinations-raw-totals")["last_update"] = datadate.date().isoformat()
pkg.get_resource(
"de-vaccinations-current")["last_published"] = publishdate.date().isoformat()
pkg.get_resource(
"de-vaccinations-current")["last_update"] = datadate.date().isoformat()
pkg.get_resource(
"de-vaccinations")["last_published"] = publishdate.date().isoformat()
pkg.get_resource(
"de-vaccinations")["last_update"] = datadate.date().isoformat()
pkg.sources = [{
"path": "https://www.rki.de/DE/Content/InfAZ/N/Neuartiges_Coronavirus/Daten/Impfquoten-Tab.html",
"title": "RKI Digitales Impfquotenmonitoring"
}]
pkg.title = "COVID-19 Vaccination Rates in Germany"
pkg.to_json('datapackage.json')
# Validate
print("Validating package")
report = validate(pkg)
print(report.errors)
assert len(report.errors) == 0