数据分析与可视化

导入数据

import pandas as pd
from pyecharts.charts import *
from pyecharts import options as opts

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

# 查看数据
df.info()

从数据反馈结果来看:Date列存在空缺值,并且不是日期类型。
Patient_name列存在信息混合一起情况,需要拆分年龄和性别。

1.数据预处理

1.1年龄和性别提取

from pyecharts.globals import ThemeType #导入主题库

1.2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()

2.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" in x or "月" in x) else x).astype(int)
#df.info()

#2.年龄分箱
labels=["0~18","19~40","41~60","61~80","80+"]#区间标签
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
#data

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

#画柱状图
bar=(
    Bar(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="患者年龄分布情况"))
    .reversal_axis()
)
bar.render_notebook()

#3. 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'),#x轴数据为类别类型
                    yaxis_opts=opts.AxisOpts(type_='value'),)#y轴数据为数值类型
    
)
line.render_notebook()

患者标签分布

#pip install jieba

import jieba
from collections import Counter 

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

#对表格数据进行分词
all_word=[]
for text in df['Title']:
    all_word.extend(chinese_word_cut(text))

#统计词频
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()

4.患者就诊的科室分布

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()