Schnittstelle zu offiziellen Daten des
- Statistischen Bundesamtes
- Robert-Koch-Instituts als Julia DataDeps.jl für Analysen mit der modernen Programmiersprache Julia für statistische Berechnungen.
Die aktuellen Analysen
julia> using DeutschlandDatenstellt Funktionen zur Datenabfrage zur Verfügung.
Beispiele finden Sie in den unit tests.
DeutschlandDaten.jl entstand auf Basis von
- https://github.com/gkappler/Sterbestatistik
- Skripten für Analysen im Auftrag von Dr. Ute Bergner.
Das Paket ermöglicht
- Aktualisierungen offizieller Daten für
- Generierung von SQL Tabellen
julia> deathdat = DeutschlandDaten.deaths_data()
julia> [ (alter = a,
Männer = deaths(deathdat, jahr=2021, kw=44, alter=a, geschlecht="Männlich"),
Frauen = deaths(deathdat, jahr=2021, kw=44, alter=a, geschlecht="Weiblich"))
for a in DeutschlandDaten.Altersgruppen_KW ] |> DataFrame
13×3 DataFrame
Row │ alter Männer Frauen
│ UnitRang… Float64 Float64
─────┼─────────────────────────────
1 │ 0:30 78.0 48.0
2 │ 30:35 35.0 19.0
3 │ 35:40 38.0 9.0
4 │ 40:45 56.0 35.0
5 │ 45:50 110.0 62.0
6 │ 50:55 252.0 136.0
7 │ 55:60 452.0 247.0
8 │ 60:65 673.0 356.0
9 │ 65:70 885.0 491.0
10 │ 70:75 1051.0 604.0
11 │ 75:80 1226.0 936.0
12 │ 80:85 2130.0 1898.0
13 │ 85:200 1804.0 2142.0
julia> DeutschlandDaten.deaths_data()
(deaths2016_2021 = XLSXFile("sonderauswertung-sterbefaelle.xlsx") containing 17 Worksheets
sheetname size range
-------------------------------------------------
Titelseite 63x8 A1:H63
Inhaltsverzeichnis 28x3 A1:C28
Hinweise 1x1 A1:A1
D_2016_2021_Tage 15x369 A1:NE15
D_2016_2021_KW_AG_In… 105x56 A1:BD105
D_2016_2021_KW_AG_Mä… 110x56 A1:BD110
D_2016_2021_KW_AG_We… 110x56 A1:BD110
D_2016-2021_Monate_A… 111x17 A1:Q111
D_2016-2021_Monate_A… 111x17 A1:Q111
D_2016-2021_Monate_A… 111x17 A1:Q111
BL_2016_2021_Tage 105x370 A1:NF105
BL_2016_2021_KW_AG_I… 489x57 A1:BE489
BL_2016_2021_KW_AG_M… 489x57 A1:BE489
BL_2016_2021_KW_AG_W… 489x57 A1:BE489
BL_2016_2021_Monate_… 489x17 A1:Q489
BL_2016_2021_Monate_… 489x17 A1:Q489
BL_2016_2021_Monate_… 489x17 A1:Q489
, deaths2000_2015 = XLSXFile("sonderauswertung-sterbefaelle-endgueltige-daten.xlsx") containing 17 Worksheets
sheetname size range
-------------------------------------------------
Titelseite 63x8 A1:H63
Inhaltsverzeichnis 28x3 A1:C28
Hinweise 1x1 A1:A1
D_2000_2015_Tage 25x369 A1:NE25
D_2000_2015_KW_AG_In… 265x56 A1:BD265
D_2000_2015_KW_AG_Mä… 265x56 A1:BD265
D_2000_2015_KW_AG_We… 265x56 A1:BD265
D_2000-2015_Monate_A… 281x17 A1:Q281
D_2000-2015_Monate_A… 281x17 A1:Q281
D_2000-2015_Monate_A… 281x17 A1:Q281
BL_2000_2015_Tage 265x370 A1:NF265
BL_2000_2015_KW_AG_I… 1289x58 A1:BF1289
BL_2000_2015_KW_AG_M… 1289x57 A1:BE1289
BL_2000_2015_KW_AG_W… 1289x57 A1:BE1289
BL_2000_2015_Monate_… 1289x17 A1:Q1289
BL_2000_2015_Monate_… 1289x17 A1:Q1289
BL_2000_2015_Monate_… 1289x17 A1:Q1289
)- Autor: Statistisches Bundesamt
- Datensatz: Sterbefälle - Fallzahlen nach Tagen, Wochen, Monaten, Altersgruppen, Geschlecht und Bundesländern für Deutschland 2016 - 2021
- Website: https://www.destatis.de/DE/Themen/Gesellschaft-Umwelt/Bevoelkerung/Sterbefaelle-Lebenserwartung/Tabellen/sonderauswertung-sterbefaelle.html
Diese Sonderauswertung enthält Sterbefallzahlen nach Tagen, Wochen und Monaten seit dem 1. Januar 2016. Die Auswertung für die Jahre 2016 bis 2020 basiert dabei auf den endgültigen plausibilisierten Daten dieser Berichtsjahre. Daten ab dem 1. Januar 2021 sind vorläufig – hierbei handelt es sich zunächst um eine reine Fallzahlauszählung der eingegangenen Sterbefallmeldungen aus den Standesämtern – ohne die übliche statistische Aufbereitung. Die Daten wurden nicht plausibilisiert und es wurde keine Vollständigkeitskontrolle durchgeführt. Um dennoch möglichst genaue, schnelle und vergleichbare Daten bereitzustellen, wird ein Schätzverfahren zur Hochrechnung unvollständiger Sterbefallmeldungen für die jeweils aktuellsten Daten eingesetzt. Im Vergleich zu den endgültigen Daten liegt zudem nur ein begrenzter Merkmalsumfang vor (Rohdaten).
- Autor: Statistisches Bundesamt
- Dataset: Sterbefälle - Fallzahlen nach Tagen, Wochen, Monaten, Altersgruppen, Geschlecht und Bundesländern für Deutschland 2000 - 2015
- Website: https://www.destatis.de/DE/Themen/Gesellschaft-Umwelt/Bevoelkerung/Sterbefaelle-Lebenserwartung/Tabellen/sonderauswertung-sterbefaelle-endgueltige-daten.html;jsessionid=8C5CBDB9DF2D7285D72634AAF9834457.live711?nn=209016
Diese Sonderauswertung enthält Sterbefallzahlen nach Tagen, Kalenderwochen, Monaten, Altersgruppen, Geschlecht und Bundesländern der Jahre 2000 bis 2015. Für diese Sonderauswertung stand teilweise das Originalmaterial nicht mehr zur Verfügung. Deshalb gibt es in den Jahren 2000, 2002, 2003, 2005, 2006 und 2008 geringfügige Abweichungen gegenüber den an anderer Stelle veröffentlichten endgültigen Ergebnissen. Die Aussagekraft der hier präsentierten Daten wird dadurch nicht eingeschränkt.
julia> vdat = vaccination_data_bundesländer([1,14,28,36,48])
18105×11 DataFrame
Row │ Datum_bis Bundesland Impfserie Anzahl_kumulativ Anzahl_kumulativ_1 Anzahl_kumulativ_14 Anzahl_kumulativ_28 Anzahl_kumulativ_36 ⋯
│ Date String Int64 Int64 Int64 Int64 Int64 Int64 ⋯
───────┼───────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────
1 │ 2020-12-27 Baden-Württemberg 1 5655 5655 5655 5655 5655 ⋯
2 │ 2020-12-27 Bayern 1 5769 5769 5769 5769 5769
3 │ 2020-12-27 Berlin 1 3936 3936 3936 3936 3936
4 │ 2020-12-27 Brandenburg 1 148 148 148 148 148
5 │ 2020-12-27 Bremen 1 758 758 758 758 758 ⋯
6 │ 2020-12-27 Hamburg 1 1077 1077 1077 1077 1077
⋮ │ ⋮ ⋮ ⋮ ⋮ ⋮ ⋮ ⋮ ⋮ ⋱
18100 │ 2021-12-16 Saarland 3 335192 14730 167180 264565 293814
18101 │ 2021-12-16 Bundesressorts 3 73555 6011 47924 69588 72076
18102 │ 2021-12-16 Thüringen 3 553675 25921 235746 390193 453505 ⋯
18103 │ 2021-12-16 Hamburg 3 444073 24801 205420 330820 370729
18104 │ 2021-12-16 Sachsen-Anhalt 3 573387 26569 264089 445981 498725
18105 │ 2021-12-16 Sachsen 3 943189 44995 453741 750085 825615- Autor: Robert-Koch-Institut
- Datensatz: Robert Koch-Institut (2021): COVID-19-Impfungen in Deutschland, Berlin: Zenodo. DOI:10.5281/zenodo.5126652.
- Website: https://github.com/robert-koch-institut/COVID-19-Impfungen_in_Deutschland
Die Impfdaten bilden einen tagesaktuellen Stand (8:30 Uhr) aller an das RKI gemeldeten Impfungen in Deutschland ab. [...] Die "Aktuell_Deutschland_Bundeslaender_COVID-19-Impfungen.csv" ist identisch mit dem neusten Datenstand des Archivs.
Die Impfdaten differenzieren nach verschiedenen Merkmalen einer Impfgruppe. Pro Eintrag bzw. Zeile ist eine eineindeutige Impfgruppe abgebildet. Eine Impfgruppe umfasst in der Regel keine Einzelfälle. Jedoch ist es möglich, dass in einer Impfgruppe nur ein Fall enthalten ist. Eine Impfgruppe wird grundlegend durch folgende Merkmale charakterisiert (in den Klammern finden sich die Variablen dieser Merkmale):
Ort der Impfung (BundeslandId_Impfort)
Impfung (Impfstoff, Impfserie)
Zusätzlich werden folgende Variablen angegeben:
Datum der Impfung (Impfdatum)
Anzahl der Impfungen in der Gruppe (Anzahl)
Eine Impfgruppe nimmt eine eineindeutige Ausprägung hinsichtlich der Anzahl der Impfungen in einem Bundesland, des Impfstoffes und der Impfserie an. Für jede Impfgruppe wird die tägliche Anzahl neuer Impfungen ausgewiesen, sofern diese größer null sind. Für jedes Datum ist angegeben, wie viele Personen, differenziert nach den oben aufgeführten Variablen, geimpft wurden.
julia> popdat = DeutschlandDaten.population();
julia> [ (alter = a,
Männer = population(popdat, jahr=2021, alter=a, geschlecht="Männlich"),
Frauen = population(popdat, jahr=2021, alter=a, geschlecht="Weiblich"))
for a in DeutschlandDaten.Altersgruppen_Monate ] |> DataFrame
14×3 DataFrame
Row │ alter Männer Frauen
│ UnitRang… Int64 Int64
─────┼─────────────────────────────
1 │ 0:15 5896365 5581435
2 │ 15:30 6938514 6401690
3 │ 30:35 2876938 2704150
4 │ 35:40 2688873 2602003
5 │ 40:45 2531208 2503680
6 │ 45:50 2526278 2509582
7 │ 50:55 3265131 3222093
8 │ 55:60 3414124 3403194
9 │ 60:65 2866561 2951576
10 │ 65:70 2333788 2565316
11 │ 70:75 1854514 2113556
12 │ 75:80 1551030 1916998
13 │ 80:85 1432318 1998184
14 │ 85:200 850877 1655055julia> [ (alter = a, N= population(popdat, jahr=2021, alter=a, monat=12, geschlecht="")) for a in DeutschlandDaten.Altersgruppen_Monate ] |> DataFrame
Zur Nutzung sind das manuelle Herunterladen von Daten nötig.
julia> DeutschlandDaten.population()
1892×5 DataFrame
Row │ Stichtag Altersgruppe Männlich Weiblich Insgesamt
│ Date UnitRange… Int64 Int64 Int64
──────┼─────────────────────────────────────────────────────────
1 │ 1999-12-31 0:1 396428 374795 771223
2 │ 2000-12-31 0:1 392998 373556 766554
3 │ 2001-12-31 0:1 378223 357532 735755
4 │ 2002-12-31 0:1 369289 349961 719250
5 │ 2003-12-31 0:1 362421 344028 706449
6 │ 2004-12-31 0:1 361549 343439 704988
⋮ │ ⋮ ⋮ ⋮ ⋮ ⋮
1887 │ 2015-12-31 85:199 668202 1536589 2204791
1888 │ 2016-12-31 85:199 697500 1549439 2246939
1889 │ 2017-12-31 85:199 718497 1546976 2265473
1890 │ 2018-12-31 85:199 737893 1539616 2277509
1891 │ 2019-12-31 85:199 793584 1593270 2386854
1892 │ 2020-12-31 85:199 850877 1655055 2505932
1880 rows omitted-
Autor: Statistisches Bundesamt
-
Daten: Bevölkerung: Deutschland, Stichtag, Altersjahre, Nationalität/Geschlecht/Familienstand
Code: 12411-0006
Zur Nutzung sind das manuelle Herunterladen von Daten nötig.
julia> DeutschlandDaten.population_bundesländer()
2275×51 DataFrame
Row │ Column1_Column1 Column2_Column2 Baden-Württemberg_männlich Baden-Württemberg_weiblich Baden-Württemberg_Insgesamt Bayern_männlich Bayern_weib ⋯
│ Date String31 Int64 Int64 Int64 Int64 Int64 ⋯
──────┼────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────
1 │ 1996-12-31 unter 1 Jahr 59065 55919 114984 66703 6 ⋯
2 │ 1996-12-31 1-Jährige 58204 55041 113245 65019 6
3 │ 1996-12-31 2-Jährige 58934 55480 114414 66547 6
4 │ 1996-12-31 3-Jährige 60910 57787 118697 69579 6
5 │ 1996-12-31 4-Jährige 61681 58051 119732 70007 6 ⋯
6 │ 1996-12-31 5-Jährige 62682 59534 122216 71848 6
⋮ │ ⋮ ⋮ ⋮ ⋮ ⋮ ⋮ ⋮ ⋱
2270 │ 2020-12-31 85-Jährige 24680 36591 61271 26649 4
2271 │ 2020-12-31 86-Jährige 19934 30810 50744 22098 3
2272 │ 2020-12-31 87-Jährige 14682 23630 38312 16074 2 ⋯
2273 │ 2020-12-31 88-Jährige 12228 21102 33330 13663 2
2274 │ 2020-12-31 89-Jährige 10487 19033 29520 11393 2
2275 │ 2020-12-31 90 Jahre und mehr 31943 76282 108225 35557 8-
Autor: Statistisches Bundesamt
-
Daten: Bevölkerung: Bundesländer, Stichtag, Geschlecht, Altersjahre
Code: 12411-0013
Offizielle Datenquellen sind verschieden (wie Tiere im Zoo):
- Herunterladbare Excel Tabellen
- CSV Dateien
- aus voluminösen GitHub Archiven
- manuell herunterladbare Datenausschnitte
Ideal wären Automatisierungen über das Daten-API des Statistischen Bundesamtes und anderer Behörden. (Konstruktive Unterstützung als fork?)
Die Performance kann an vielen Stellen verbessert werden. (Unit tests auf Datenausschnitte sollten vorher ausgebaut werden.)
inklusive der Zahl administrierter Tests.
bestimmen die Alters-Verteilung der
- Injektionen
- Tests
- ?