Pandas+Pyecharts |

Dalam isu ini, kami menganalisis data jualan ubat hospital tertentu dalam tempoh setengah tahun untuk melihat hospital mana yang mempunyai lebih ramai pembeli dadah, hari mana lebih ramai pembeli dadah, dsb. Kami berharap ia akan membantu rakan-rakan kami.

Perpustakaan yang terlibat:

• Pandas — Pemprosesan data — Pemprosesan data

• Pyecharts

  — Visualisasi Data

koleksi

• — Statistik data

Bahagian visualisasi:

.

• Kalendar— Kalendar
• stylecloud — awan perkataan
• Mari kita ke intinya~~P andas pemprosesan data

  
  

  2.1 Baca semula data
  

  Keputusan:

  
  

  2.2 Saiz data

  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

  df = pd.read_excel("医院药品销售数据.xlsx")

  jumlah

  6578

  Data pembelian farmaseutikal.

  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 Histogram sepuluh teratas jualan dadah

  

  Jualan pada asasnya berkadar dengan jualan . menjadi lebih popular Puncak dadah

  . . .

  3.6 Carta kalendar

  Carta kalendar boleh melihat jualan harian dan mingguan secara lebih intuitif dalam masa sebulan:

  

  . nama awan.

  .

  https://www.heywhale.com/mw/project/61b83bd9c63c620017c629bc

Atas ialah kandungan terperinci Pandas+Pyecharts |. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!