Python数据分析与可视化：使用pyecharts绘制科室分布饼图

pip install pyecharts

import pyecharts
print(pyecharts.__version__)

```html

```html
import pandas as pd
from pyecharts.charts import Pie
from pyecharts import options as opts

df = pd.read_csv('YiYuZheng.csv')
df.head(1)

	Patient_name	Label	Date	Title	Communications	Doctor	Hospital	Faculty
0	患者：女 43岁	压抑	05.28	压抑 个人情况：去年1月份开始夫妻两地分居，孩子13岁男孩住校，平... 这种情况是否需要去...	115	杨胜文	襄阳市安定医院	心理科

#查看数据
df.info()

<class 'pandas.core.frame.DataFrame'>
RangeIndex: 8400 entries, 0 to 8399
Data columns (total 8 columns):
 #   Column          Non-Null Count  Dtype 
---  ------          --------------  ----- 
 0   Patient_name    8400 non-null   object
 1   Label           8400 non-null   object
 2   Date            8288 non-null   object
 3   Title           8400 non-null   object
 4   Communications  8400 non-null   int64 
 5   Doctor          8400 non-null   object
 6   Hospital        8400 non-null   object
 7   Faculty         8400 non-null   object
dtypes: int64(1), object(7)
memory usage: 525.1+ KB

数据预处理

拆分年龄

# 获取性别，作为新列
#患者：女43岁，首先按照空格拆分，结果为[患者：女][][43岁]，选取第一个，第二次按照中文冒号拆分，[患者][：][女]
df['Sex'] = df['Patient_name'].map(lambda x: x.split(" ")[0]).map(lambda x: x.split("： ")[-1])

# 获取年龄，作为新列
#患者：女43岁，首先按照空格拆分，结果为[患者：女][][43岁]，选取第三个，并且去掉“岁”
df['Age'] = df['Patient_name'].map(lambda x: x.split(" ")[2][:-1])

df.head()

	Patient_name	Label	Date	Title	Communications	Doctor	Hospital	Faculty	Sex	Age
0	患者：女 43岁	压抑	05.28	压抑 个人情况：去年1月份开始夫妻两地分居，孩子13岁男孩住校，平... 这种情况是否需要去...	115	杨胜文	襄阳市安定医院	心理科	患者：女	43
1	患者：女 32岁	生气。心梗。抑郁	05.28	生气。心梗。抑郁 郁郁寡欢。被他人语言刺激。卧床不起。没动力。心疼。受伤 是什么病。怎么办	12	郭汉法	泰安八十八医院	临床心理科	患者：女	32
2	患者：女 15岁	情绪低落，烦躁抑郁	05.28	情绪低落，烦躁抑郁 情绪低落，压抑烦躁，思考能力降低。长时间学习，睡眠时间少。睡... 还有...	2	郭苏皖	南京脑科医院	医学心理科	患者：女	15
3	患者：女 16岁	抑郁	05.28	抑郁 前面已简述，2024年夏季中考，本来学习非常好，非常自律，自... 已经服用9个月的艾...	2	刘丽	联勤保障部队第九〇四医院（常州院区）	精神3科（物质依赖科）	患者：女	16
4	患者：女 67岁	焦虑症 严重躯干反应、抑郁症	05.28	焦虑症 严重躯干反应 抑郁症 草酸加量以后，还是有比较严重的躯干反应，主要表现为背痛 脖...	2	刘晓华	上海市精神卫生中心	精神科	患者：女	67

处理空缺值

df.isnull().sum()

Patient_name        0
Label               0
Date              112
Title               0
Communications      0
Doctor              0
Hospital            0
Faculty             0
Sex                 0
Age                 0
dtype: int64

#因为空缺值数据较少，并且不合适使用填充法，故删除
df.dropna(inplace=True)#在原来的数据上删除

df.info()

data=df['Faculty'].value_counts()[:10]  # 选取前十科室

pie=(
    Pie()
    .add('', [list(z) for z in zip(data.index.tolist(),data.tolist())], # 饼图数据格式[[key1, value1],[key2, value2],...]
         label_opts=opts.LabelOpts(formatter="{b}: {d}%") # 标签格式
)
pie.render_notebook()

  Cell In[13], line 3
    pie=(
        ^
SyntaxError: '(' was never closed

修改Date列

#df['Date']
#转换成字符串类型
df['Date'] = df['Date'].astype(str)

#定义函数，实现date列格式统一：年-月-日
def trans_date(tag):
    if tag.startswith("20"): #查看是否以20开头，即查看是否存在年
        tag = tag.replace(".", "-")
    else:
        tag = "2025-" + tag.replace(".", "-") #否则加上年份2025
    return tag

df['Date'] = df['Date'].map(lambda x: trans_date(x)) #调用函数转换格式

#转换成日期类型
df['Date'] = pd.to_datetime(df['Date'])

#df.info()

数据可实化

from pyecharts.globals import ThemeType

查看患者性别分布情况

# 准备数据：按照性别统计个数
data = df['Sex'].value_counts()
# data
x = data.index.tolist()
y = data.tolist()

# 绘制饼图
pie=(
    Pie(init_opts=opts.InitOpts(theme=ThemeType.LIGHT))#设置主题
    .add("",
         [list(z) for z in zip(x,y)],#数据需要打包成[(key,value),(key,value),...]
         label_opts=opts.LabelOpts(formatter="{b}:{d}%")#以百分比形式显示标签
        )
    .set_global_opts(title_opts=opts.TitleOpts(title="患者性别分布情况"))
)
pie.render_notebook()

    <div id="520f64d517ba4baaa024a1231719a927" style="width:900px; height:500px;"></div>

患者年龄分布情况

# 数据准备
# 1. 转换年龄为数值类型
# df['Age'] = df['Age'].astype(int)
# 因为年龄数据不规范，存在：X岁Y月 形式的数据，再次进行数据处理
df['Age'] = df['Age'].map(lambda x: 1 if ("天" in x or "个" or "月" in x) else x).astype(int)
#df.info()

<class 'pandas.core.frame.DataFrame'>
Int64Index: 8288 entries, 0 to 8399
Data columns (total 10 columns):
 #   Column          Non-Null Count  Dtype         
---  ------          --------------  -----         
 0   Patient_name    8288 non-null   object        
 1   Label           8288 non-null   object        
 2   Date            8288 non-null   datetime64[ns]
 3   Title           8288 non-null   object        
 4   Communications  8288 non-null   int64         
 5   Doctor          8288 non-null   object        
 6   Hospital        8288 non-null   object        
 7   Faculty         8288 non-null   object        
 8   Sex             8288 non-null   object        
 9   Age             8288 non-null   int32         
dtypes: datetime64[ns](1), int32(1), int64(1), object(7)
memory usage: 679.9+ KB

#2. 年龄分箱
labels=["0~18","19~40","41~60","61~80","80+"] #区间标签，注意这里修正了原代码中的引号错误
df['age_label']=pd.cut(df['Age'],bins=[0,18,40,60,80,100],labels=labels) #分箱

#3. 统计各个年龄区间人数
data=df['age_label'].value_counts().sort_index() #按照索引值排序

x=data.index.tolist()
y=data.tolist()

#画柱状图
bar=(
    Bar(init_opts=opts.InitOpts(theme=ThemeType.DARK))
    .add_xaxis(x)
    .add_yaxis("人数",y)
    .set_global_opts(title_opts=opts.TitleOpts(title="患者年龄分布情况"))
    .reversal_axis()
)
bar.render_notebook()

    <div id="81543fb4d5334db68d7c00d30f0b2520" style="width:900px; height:500px;"></div>

查看患者就诊次数分布

#对就诊次数分箱
bins=[0, 5, 10, 20, 40, 100, 200, 300]
df['Communications_count']=pd.cut(df['Communications'],bins=bins)
#按照就诊分箱数据统计数据
data=df['Communications_count'].value_counts().sort_index() #按照索引排序
#data
x=data.index.astype(str).tolist()
y=data.tolist()

#画柱状图
line=(
    Line(init_opts=opts.InitOpts(theme=ThemeType.DARK)) #主题配置
    .add_xaxis(x)
    .add_yaxis("人数",y)
    .set_global_opts(title_opts=opts.TitleOpts(title="患者就诊分布情况"),
                     xaxis_opts=opts.AxisOpts(type_="category"),
                     yaxis_opts=opts.AxisOpts(type_="value"),)
    .reversal_axis()
)
line.render_notebook()

---------------------------------------------------------------------------

NameError                                 Traceback (most recent call last)

Cell In[24], line 12
      8 y=data.tolist()
     10 #画柱状图
     11 line=(
---> 12     Line(init_opts=opts.InitOpts(theme=ThemeType.DARK)) #主题配置
     13     .add_xaxis(x)
     14     .add_yaxis("人数",y)
     15     .set_global_opts(title_opts=opts.TitleOpts(title="患者就诊分布情况"),
     16                      xaxis_opts=opts.AxisOpts(type_="category"),
     17                      yaxis_opts=opts.AxisOpts(type_="value"),)
     18     .reversal_axis()
     19 )
     20 line.render_notebook()


NameError: name 'Line' is not defined

患者标签

pip install jieba

import jieba
from collections import Counter

def chinese_word_cut(text):
    seg_list = jieba.cut(text, cut_all=False)
    return [word for word in seg_list if len(word) > 1]

all_word = []
for text in df['Title']:
    all_word.extend(chinese_word_cut(text))

word_count = Counter(all_word)
top_words = word_count.most_common(100)  # 取前100个高频词

data = [(word, count) for word, count in top_words]

w = (
    WordCloud()
    .add("", data)
)
w.render_notebook()

data = df['Faculty'].value_counts()[:10]
pie = (
    Pie()
    .add('', [list(z) for z in zip(data.index, data.values)],
         label_opts=opts.LabelOpts(formatter="{b}: {c} ({d}%)"))
    .set_global_opts(title_opts=opts.TitleOpts(title="科室分布TOP10"))
)
pie.render_notebook()