Pandas+Pyecharts | Visualisation des données sur les ventes de médicaments à l'hôpital

Dans ce numéro, nous analysons les données de vente de médicaments d'un certain hôpital sur une période de six mois pour voir quels hôpitaux ont plus d'acheteurs de médicaments, quels jours ont plus d'acheteurs de médicaments, etc. être utile à nos amis.

Bibliothèques impliquées :

• Pandas — Traitement des données

• Pyecharts — Visualisation de données

• collections — Statistiques des données

Partie visualisation :

• Line — Graphique linéaire
• Bar — Graphique à barres
• Calendrier— Calendrier
• stylecloud — nuage de mots

Allons droit au but~~

Traitement des données P andas

2.1 Lire les données

import jieba
import stylecloud
import pandas as pd
from PIL import Image
from collections import Counter
from pyecharts.charts import Geo
from pyecharts.charts import Bar
from pyecharts.charts import Line
from pyecharts.charts import Pie
from pyecharts.charts import Calendar
from pyecharts.charts import WordCloud
from pyecharts import options as opts
from pyecharts.commons.utils import JsCode
from pyecharts.globals import ThemeType,SymbolType,ChartType

Résultat :

2.2 Taille des données

df = pd.read_excel("医院药品销售数据.xlsx")

df.shape

total

6578

Données d'achat pharmaceutique

.

2.3 查看索引、数据类型和内存信息 

df.info()

部分列存在数据缺失。

2.4 统计空值数据 

df.isnull().sum()

2.5 输出空行 

df[df.isnull().T.any()]

因为购药时间在后面的分析中会用到，所以我们将购药时间为空的行删除，社保卡号用"000"填充，社保卡号、商品编码为一串数字，应为str类型，销售数量应为int类型：

df1 = df.copy()
df1 = df1.dropna(subset=['购药时间'])
df1[df1.isnull().T.any()]
df1['社保卡号'].fillna('0000', inplace=True)
df1['社保卡号'] = df1['社保卡号'].astype(str)
df1['商品编码'] = df1['商品编码'].astype(str)
df1['销售数量'] = df1['销售数量'].astype(int)

2.6 销售数量,应收金额,实收金额三列的统计情况 

df1[['销售数量','应收金额','实收金额']].describe()

数据中存在负值，显然不合理，我们将其转换为正值：

df2 = df1.copy()
df2['销售数量'] = df2['销售数量'].abs()
df2['应收金额'] = df2['应收金额'].abs()
df2['实收金额'] = df2['实收金额'].abs()

2.7 列拆分（购药时间列拆分为两列）

df3 = df2.copy()
df3[['购药日期', '星期']] = df3['购药时间'].str.split(' ', 2, expand = True)
df3 = df3[['购药日期', '星期','社保卡号','商品编码', '商品名称', '销售数量', '应收金额', '实收金额' ]]

3. Pyecharts数据可视化

3.1 一周各天药品销量柱状图 

代码：

color_js = """new echarts.graphic.LinearGradient(0, 1, 0, 0,
    [{offset: 0, color: '#FFFFFF'}, {offset: 1, color: '#ed1941'}], false)"""

g1 = df3.groupby('星期').sum()
x_data = list(g1.index)
y_data = g1['销售数量'].values.tolist()
b1 = (
        Bar()
        .add_xaxis(x_data)
        .add_yaxis('',y_data ,itemstyle_opts=opts.ItemStyleOpts(color=JsCode(color_js)))
        .set_global_opts(title_opts=opts.TitleOpts(title='一周各天药品销量',pos_top='2%',pos_left = 'center'),
            legend_opts=opts.LegendOpts(is_show=False),
            xaxis_opts=opts.AxisOpts(axislabel_opts=opts.LabelOpts(rotate=-15)),
            yaxis_opts=opts.AxisOpts(name="销量",name_location='middle',name_gap=50,name_textstyle_opts=opts.TextStyleOpts(font_size=16)))

    )
b1.render_notebook()

每天销量整理相差不大，周五、周六偏于购药高峰。

3.2 药品销量前十柱状图 

代码：

color_js = """new echarts.graphic.LinearGradient(0, 1, 0, 0,
    [{offset: 0, color: '#FFFFFF'}, {offset: 1, color: '#08519c'}], false)"""

g2 = df3.groupby('商品名称').sum().sort_values(by='销售数量', ascending=False)
x_data = list(g2.index)[:10]
y_data = g2['销售数量'].values.tolist()[:10]
b2 = (
        Bar()
        .add_xaxis(x_data)
        .add_yaxis('',y_data ,itemstyle_opts=opts.ItemStyleOpts(color=JsCode(color_js)))
        .set_global_opts(title_opts=opts.TitleOpts(title='药品销量前十',pos_top='2%',pos_left = 'center'),
            legend_opts=opts.LegendOpts(is_show=False),
            xaxis_opts=opts.AxisOpts(axislabel_opts=opts.LabelOpts(rotate=-15)),
            yaxis_opts=opts.AxisOpts(name="销量",name_location='middle',name_gap=50,name_textstyle_opts=opts.TextStyleOpts(font_size=16)))

    )
b2.render_notebook()

可以看出：苯磺 酸氨氯地平片(安内真)、开博通、酒石酸美托洛尔片(倍他乐克)等治疗高血压、心绞痛药物购买量比较多。。

3.3 Graphique à barres des dix principales ventes de médicaments

Les ventes sont fondamentalement proportionnelles aux ventes. 3.4 Commandes quotidiennes pendant une semaine pour être plus populaire Drug Peak

.

3.5 Nombre de commandes par jour dans un mois naturel

On constate que les 5, 15 et 25 sont les périodes de pointe pour les ventes de médicaments, notamment le 15 de chaque mois . 3.6 Calendrier

Le calendrier permet de voir de manière plus intuitive les ventes quotidiennes et hebdomadaires au cours d'un mois :

3.6 Nuage de mots du nom du médicament

En raison de l'espace, certains codes ne sont pas entièrement affichés. Si nécessaire, vous pouvez l'obtenir ci-dessous. Il peut également être exécuté en ligne (y compris tous les codes + fichiers de données)  : . https://www.heywhale.com/mw/project/61b83bd9c63c620017c629bc

Ce qui précède est le contenu détaillé de. pour plus d'informations, suivez d'autres articles connexes sur le site Web de PHP en chinois!