# Pythonలో డేటా ప్రాసెసింగ్ కోసం అసైన్‌మెంట్ ఈ అసైన్‌మెంట్‌లో, మేము మా ఛాలెంజ్‌లలో అభివృద్ధి చేయడం ప్రారంభించిన కోడ్‌పై మీరు వివరించమని అడుగుతాము. అసైన్‌మెంట్ రెండు భాగాలుగా ఉంటుంది: ## COVID-19 వ్యాప్తి మోడలింగ్ - [ ] 5-6 వేర్వేరు దేశాల *R_t* గ్రాఫ్‌లను ఒక గ్రాఫ్‌లో సరిపోల్చడానికి లేదా పక్కపక్కనే ఉన్న అనేక గ్రాఫ్‌లను ఉపయోగించి ప్లాట్ చేయండి - [ ] మరణాలు మరియు కోలుకున్న సంఖ్యలు సంక్రమిత కేసుల సంఖ్యతో ఎలా సంబంధం ఉన్నాయో చూడండి. - [ ] ఒక సాధారణ వ్యాధి ఎంతకాలం ఉంటుంది అనేది సంక్రమణ రేటు మరియు మరణాల రేటును దృశ్యంగా సంబంధం పెట్టుకొని, కొన్ని అసాధారణతలను చూసి కనుగొనండి. మీరు ఆ విషయం తెలుసుకోవడానికి వేర్వేరు దేశాలను చూడవలసి ఉండవచ్చు. - [ ] మరణాల రేటును లెక్కించండి మరియు అది కాలక్రమేణా ఎలా మారుతుందో చూడండి. *లెక్కింపులు చేయడానికి ముందు వ్యాధి కాలం రోజుల్లో తీసుకుని ఒక టైమ్ సిరీస్‌ను షిఫ్ట్ చేయవలసి ఉండవచ్చు* ## COVID-19 పేపర్లు విశ్లేషణ - [ ] వేర్వేరు మందుల సహ-సంఘటన మ్యాట్రిక్స్‌ను నిర్మించండి, మరియు ఏ మందులు తరచుగా కలిసి ఉంటాయో చూడండి (అంటే ఒక సారాంశంలో పేర్కొనబడినవి). మందులు మరియు నిర్ధారణల కోసం సహ-సంఘటన మ్యాట్రిక్స్ నిర్మించడానికి కోడ్‌ను మీరు సవరించవచ్చు. - [ ] ఈ మ్యాట్రిక్స్‌ను హీట్‌మ్యాప్ ఉపయోగించి దృశ్యీకరించండి. - [ ] ఒక విస్తృత లక్ష్యంగా, మందుల సహ-సంఘటనను [చోర్డ్ డయాగ్రామ్](https://en.wikipedia.org/wiki/Chord_diagram) ఉపయోగించి దృశ్యీకరించండి. [ఈ లైబ్రరీ](https://pypi.org/project/chord/) చోర్డ్ డయాగ్రామ్ గీయడంలో మీకు సహాయపడవచ్చు. - [ ] మరో విస్తృత లక్ష్యంగా, వేర్వేరు మందుల మోతాదులను (ఉదాహరణకు *take 400mg of chloroquine daily* లో **400mg**) రెగ్యులర్ ఎక్స్‌ప్రెషన్స్ ఉపయోగించి తీసుకోండి, మరియు వేర్వేరు మందుల కోసం వేర్వేరు మోతాదులను చూపించే డేటాఫ్రేమ్‌ను నిర్మించండి. **గమనిక**: మందు పేరుకు సమీపంలో ఉన్న సంఖ్యా విలువలను పరిగణించండి. ## రూబ్రిక్ ఉదాహరణగా | సరిపడా | మెరుగుదల అవసరం --- | --- | -- | అన్ని పనులు పూర్తయి, గ్రాఫికల్‌గా వివరించబడి, రెండు విస్తృత లక్ష్యాలలో కనీసం ఒకటి చేర్చబడింది | 5 కంటే ఎక్కువ పనులు పూర్తయి, విస్తృత లక్ష్యాలు ప్రయత్నించబడలేదు లేదా ఫలితాలు స్పష్టంగా లేవు | 5 కంటే తక్కువ (కానీ 3 కంటే ఎక్కువ) పనులు పూర్తయి, దృశ్యీకరణలు అంశాన్ని వివరించడంలో సహాయపడవు --- **అస్పష్టత**: ఈ పత్రాన్ని AI అనువాద సేవ [Co-op Translator](https://github.com/Azure/co-op-translator) ఉపయోగించి అనువదించబడింది. మేము ఖచ్చితత్వానికి ప్రయత్నించినప్పటికీ, ఆటోమేటెడ్ అనువాదాల్లో పొరపాట్లు లేదా తప్పిదాలు ఉండవచ్చు. అసలు పత్రం దాని స్వదేశీ భాషలోనే అధికారిక మూలంగా పరిగణించాలి. ముఖ్యమైన సమాచారానికి, ప్రొఫెషనల్ మానవ అనువాదం సిఫార్సు చేయబడుతుంది. ఈ అనువాదం వాడకంలో ఏర్పడిన ఏవైనా అపార్థాలు లేదా తప్పుదారితీసే అర్థాలు కోసం మేము బాధ్యత వహించము.