ホームページ > 記事 > バックエンド開発 > Pandas+Pyecharts | 病院の医薬品販売データの視覚化

Pandas+Pyecharts | 病院の医薬品販売データの視覚化

Python当打之年転載: 2023-08-10 14:43:561251ブラウズ

今回は、半年以内の病院の医薬品販売データを分析して、どの医薬品が販売されているかを確認します。病院で購入する薬この日は薬を買う人が増えるなど友達の参考になれば幸いです。

関与するライブラリ:

Pandas — データ処理
##Pyecharts — データの視覚化
#コレクション — データ統計

視覚化部分:

折れ線## — 折れ線グラフ
##Bar
— 棒グラフ
#— カレンダーチャート ##stylecloud

— ワードクラウド図##本題に入ります~~

#1. インポートモジュール

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

##2. Pandas データ処理

##2.1 データの取得を読む

df = pd.read_excel("医院药品销售数据.xlsx")

結果:

2.2データサイズ

df.shape

(6578, 7)
#合計

6578

件の医薬品購入データ #。

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()

Pandas+Pyecharts | 病院の医薬品販売データの視覚化

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=[&#39;购药时间&#39;])
df1[df1.isnull().T.any()]
df1[&#39;社保卡号&#39;].fillna(&#39;0000&#39;, inplace=True)
df1[&#39;社保卡号&#39;] = df1[&#39;社保卡号&#39;].astype(str)
df1[&#39;商品编码&#39;] = df1[&#39;商品编码&#39;].astype(str)
df1[&#39;销售数量&#39;] = df1[&#39;销售数量&#39;].astype(int)

2.6 销售数量,应收金额,实收金额三列的统计情况

df1[[&#39;销售数量&#39;,&#39;应收金额&#39;,&#39;实收金额&#39;]].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[&#39;销售数量&#39;] = df2[&#39;销售数量&#39;].abs()
df2[&#39;应收金额&#39;] = df2[&#39;应收金额&#39;].abs()
df2[&#39;实收金额&#39;] = df2[&#39;实收金额&#39;].abs()

2.7 列拆分（购药时间列拆分为两列）

df3 = df2.copy()
df3[[&#39;购药日期&#39;, &#39;星期&#39;]] = df3[&#39;购药时间&#39;].str.split(&#39; &#39;, 2, expand = True)
df3 = df3[[&#39;购药日期&#39;, &#39;星期&#39;,&#39;社保卡号&#39;,&#39;商品编码&#39;, &#39;商品名称&#39;, &#39;销售数量&#39;, &#39;应收金额&#39;, &#39;实收金额&#39; ]]

Pandas+Pyecharts | 病院の医薬品販売データの視覚化

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: &#39;#FFFFFF&#39;}, {offset: 1, color: &#39;#ed1941&#39;}], false)"""

g1 = df3.groupby(&#39;星期&#39;).sum()
x_data = list(g1.index)
y_data = g1[&#39;销售数量&#39;].values.tolist()
b1 = (
        Bar()
        .add_xaxis(x_data)
        .add_yaxis(&#39;&#39;,y_data ,itemstyle_opts=opts.ItemStyleOpts(color=JsCode(color_js)))
        .set_global_opts(title_opts=opts.TitleOpts(title=&#39;一周各天药品销量&#39;,pos_top=&#39;2%&#39;,pos_left = &#39;center&#39;),
            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=&#39;middle&#39;,name_gap=50,name_textstyle_opts=opts.TextStyleOpts(font_size=16)))

    )
b1.render_notebook()

Pandas+Pyecharts | 病院の医薬品販売データの視覚化

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: &#39;#FFFFFF&#39;}, {offset: 1, color: &#39;#08519c&#39;}], false)"""

g2 = df3.groupby(&#39;商品名称&#39;).sum().sort_values(by=&#39;销售数量&#39;, ascending=False)
x_data = list(g2.index)[:10]
y_data = g2[&#39;销售数量&#39;].values.tolist()[:10]
b2 = (
        Bar()
        .add_xaxis(x_data)
        .add_yaxis(&#39;&#39;,y_data ,itemstyle_opts=opts.ItemStyleOpts(color=JsCode(color_js)))
        .set_global_opts(title_opts=opts.TitleOpts(title=&#39;药品销量前十&#39;,pos_top=&#39;2%&#39;,pos_left = &#39;center&#39;),
            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=&#39;middle&#39;,name_gap=50,name_textstyle_opts=opts.TextStyleOpts(font_size=16)))

    )
b2.render_notebook()