In [1]:

import urllib.request 
import time 
import pandas as pd

In [2]:

url1 = 'https://covid.ourworldindata.org/data/ecdc/total_cases.csv' #Uniform Resource Locator (URL)
filename1 = 'data/total_cases.csv'
print('Beginning file download ')
urllib.request.urlretrieve(url1, filename1)
time.sleep(.300) #delay for time 0.3 second

Beginning file download

In [3]:

url2 = 'https://covid.ourworldindata.org/data/ecdc/total_deaths.csv'
filename2 = 'data/total_deaths.csv'
print('Beginning file download ')
urllib.request.urlretrieve(url2, filename2)
time.sleep(.300)

Beginning file download

In [4]:

df1 = pd.read_csv(filename1)
df1

Out[4]:

	date	World	Afghanistan	Albania	Algeria	Andorra	Angola	Anguilla	Antigua and Barbuda	Argentina	...	United States Virgin Islands	Uruguay	Uzbekistan	Vatican	Venezuela	Vietnam	Western Sahara	Yemen	Zambia	Zimbabwe
0	2019-12-31	27	0.0	NaN	0.0	NaN	NaN	NaN	NaN	NaN	...	NaN	NaN	NaN	NaN	NaN	0.0	NaN	NaN	NaN	NaN
1	2020-01-01	27	0.0	NaN	0.0	NaN	NaN	NaN	NaN	NaN	...	NaN	NaN	NaN	NaN	NaN	0.0	NaN	NaN	NaN	NaN
2	2020-01-02	27	0.0	NaN	0.0	NaN	NaN	NaN	NaN	NaN	...	NaN	NaN	NaN	NaN	NaN	0.0	NaN	NaN	NaN	NaN
3	2020-01-03	44	0.0	NaN	0.0	NaN	NaN	NaN	NaN	NaN	...	NaN	NaN	NaN	NaN	NaN	0.0	NaN	NaN	NaN	NaN
4	2020-01-04	44	0.0	NaN	0.0	NaN	NaN	NaN	NaN	NaN	...	NaN	NaN	NaN	NaN	NaN	0.0	NaN	NaN	NaN	NaN
...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...
271	2020-09-27	32920813	39227.0	13153.0	50914.0	1836.0	4590.0	3.0	101.0	702471.0	...	1317.0	1998.0	54953.0	12.0	71940.0	1069.0	766.0	2033.0	14612.0	7803.0
272	2020-09-28	33202820	39227.0	13259.0	51067.0	1836.0	4672.0	3.0	101.0	711312.0	...	1317.0	2008.0	55593.0	12.0	72691.0	1074.0	766.0	2034.0	14641.0	7812.0
273	2020-09-29	33436665	39239.0	13391.0	51213.0	1966.0	4797.0	3.0	101.0	723119.0	...	1318.0	2010.0	56068.0	12.0	73528.0	1077.0	766.0	2035.0	14660.0	7816.0
274	2020-09-30	33725618	39254.0	13518.0	51368.0	1966.0	4905.0	3.0	101.0	736596.0	...	1318.0	2033.0	56519.0	12.0	74363.0	1094.0	766.0	2035.0	14715.0	7837.0
275	2020-10-01	34029923	39268.0	13649.0	51530.0	2050.0	5013.0	3.0	101.0	750988.0	...	1318.0	2046.0	56997.0	12.0	75122.0	1094.0	766.0	2035.0	14759.0	7838.0

276 rows × 212 columns

In [5]:

df2 = pd.read_csv(filename2)
df2

Out[5]:

	date	World	Afghanistan	Albania	Algeria	Andorra	Angola	Anguilla	Antigua and Barbuda	Argentina	...	United States Virgin Islands	Uruguay	Uzbekistan	Vatican	Venezuela	Vietnam	Western Sahara	Yemen	Zambia	Zimbabwe
0	2019-12-31	0	0.0	NaN	0.0	NaN	NaN	NaN	NaN	NaN	...	NaN	NaN	NaN	NaN	NaN	0.0	NaN	NaN	NaN	NaN
1	2020-01-01	0	0.0	NaN	0.0	NaN	NaN	NaN	NaN	NaN	...	NaN	NaN	NaN	NaN	NaN	0.0	NaN	NaN	NaN	NaN
2	2020-01-02	0	0.0	NaN	0.0	NaN	NaN	NaN	NaN	NaN	...	NaN	NaN	NaN	NaN	NaN	0.0	NaN	NaN	NaN	NaN
3	2020-01-03	0	0.0	NaN	0.0	NaN	NaN	NaN	NaN	NaN	...	NaN	NaN	NaN	NaN	NaN	0.0	NaN	NaN	NaN	NaN
4	2020-01-04	0	0.0	NaN	0.0	NaN	NaN	NaN	NaN	NaN	...	NaN	NaN	NaN	NaN	NaN	0.0	NaN	NaN	NaN	NaN
...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...
271	2020-09-27	995163	1453.0	375.0	1711.0	53.0	167.0	0.0	3.0	15543.0	...	19.0	47.0	454.0	0.0	600.0	35.0	1.0	588.0	332.0	227.0
272	2020-09-28	998983	1453.0	377.0	1714.0	53.0	171.0	0.0	3.0	15749.0	...	19.0	47.0	460.0	0.0	606.0	35.0	1.0	588.0	332.0	227.0
273	2020-09-29	1002903	1456.0	380.0	1719.0	53.0	176.0	0.0	3.0	16113.0	...	20.0	47.0	463.0	0.0	614.0	35.0	1.0	588.0	332.0	228.0
274	2020-09-30	1009109	1458.0	384.0	1726.0	53.0	179.0	0.0	3.0	16519.0	...	20.0	48.0	468.0	0.0	621.0	35.0	1.0	588.0	332.0	228.0
275	2020-10-01	1015043	1458.0	387.0	1734.0	53.0	182.0	0.0	3.0	16937.0	...	20.0	48.0	471.0	0.0	628.0	35.0	1.0	588.0	332.0	228.0

276 rows × 212 columns

In [ ]: