【Python数据分析】某地区病人死亡数据分析

目录

1.任务要求

2.流程图

2.1 第一题流程图

2.2第二题流程图

2.3 第三题流程图

3. 详细代码

4.运行结果和数据分析

5.结果评价

---

        链接：数据集 
        提取码：6666

1.任务要求

1. 理解两个文件“deaths.xlsx”和“icd-main.xlsx”的数据结构，通过编程查看文件内容和信息。筛选出2007和2008年两年的个体死亡数据，并去掉无效数据，保存为文件“death0708.csv”。
2. 从文件“death0708.csv”读取数据，分组统计不同死亡原因导致的死亡人数，并与“icd-main.xlsx”连接，保存为文件“cause-deaths.csv”。
3. 从文件“death0708.csv”读取数据，分组统计不同时刻的死亡人数，计算每个时刻死亡人数占比，并把占比数据增加为一列，保存为文件“hour-deaths.csv”。根据百分比画出折线图，横坐标是一天的24小时，总坐标是百分比。
4. 对结果进行评价，得出结论。并说明这些结果对于社会、健康、安全、法律以及文化的影响。

2.流程图

2.1 第一题流程图

 图2.1 第一题流程图

2.2第二题流程图

图2.2 第二题流程图

2.3 第三题流程图

图2.3 第三题流程图

3. 详细代码

# 1.理解两个文件“deaths.xlsx”和“icd-main.xlsx”的数据结构，通过编程查看文件内容和信息。筛选出2007和2008年两年的个体死亡数据，并去掉无效数据，保存为文件“death0708.csv”。
# 2.从文件“death0708.csv”读取数据，分组统计不同死亡原因导致的死亡人数，并与“icd-main.xlsx”连接，保存为文件“cause-deaths.csv”。
# 3.从文件“death0708.csv”读取数据，分组统计不同时刻的死亡人数，计算每个时刻死亡人数占比，并把占比数据增加为一列，保存为文件“hour-deaths.csv”。根据百分比画出折线图，横坐标是一天的24小时，总坐标是百分比。
# 4.对结果进行评价，得出结论。并说明这些结果对于社会、健康、安全、法律以及文化的影响。
import pandas as pd
import numpy as np
import matplotlib.pyplot as plt

# 解决乱码
plt.rcParams['font.sans-serif'] = ['SimHei']
plt.rcParams['font.family'] = 'sans-serif'
plt.rcParams['axes.unicode_minus'] = False

# 读取deaths.xlsx和icd-main中的数据
deaths = pd.read_excel('E:\学习\代码\Python_homework\期末课程设计\experiment1\data\deaths.xlsx',index_col=0)
codes = pd.read_excel('E:\学习\代码\Python_homework\期末课程设计\experiment1\data\icd-main.xlsx')

print(deaths.columns)
print(codes.columns)
print(deaths.describe())  # 查看数据值列的汇总统计

# 筛选出2007和2008年的个体死亡数据，并去掉无效数据，保存为文件“death0708.csv”
# Pandas dataframe.ne()函数使用常量，序列或其他按元素排列的 DataFrame 检查 DataFrame 元素的不等式。如果比较中的两个值不相等，则返回true；否则，返回false
# 筛选数据，dropna（）函数删除无效数据
d0708 = deaths[(deaths.yod == 2008) | (deaths.yod == 2007) & (deaths['dod'].ne(0)) & (deaths['mod'].ne(0))].dropna()
print(d0708.head(10))
print(d0708.shape)
# 保存为文件“death0708.csv”
d0708.to_csv('E:\学习\代码\Python_homework\期末课程设计\experiment1\data\death0708.csv',encoding='utf-8')

# 从文件“death0708.csv”读取数据，分组统计不同死亡原因导致的死亡人数，并与“icd-main.xlsx”连接，保存为文件“cause-deaths.csv”
deaths0708 = pd.read_csv('E:\学习\代码\Python_homework\期末课程设计\experiment1\data\death0708.csv')
# 添加一列，值全部为1，便于分类后求和就可以计数。
# deaths0708['count'] = 1
# 分类汇总按照['cod']分类，取得['count']列
# c_group = deaths0708.groupby(['cod'])['count']
# # 对['count’]列使用求和函数,agg函数对分组后数据进行聚合
# c_group = c_group.agg([np.sum])
# print(c_group.head(5))
print('_________________________________________')
# 使用size函数更快求得分组函数的分类计数
c_group = deaths0708.groupby(['cod'])
# reset_index函数将原来的index设置为列rename函数更改列名
c = c_group.size().reset_index()
new_col = ['cod', 'death_counts']
c.columns = new_col
# 整理后的个体死亡数据集是c
# 将c的‘cod’列重命名位‘code’与codes中的列名‘code’一致
# 根据code列把c和code合并为一个DataFrame
c = c.rename(columns={'cod': 'code'})
# 显示要合并的两个对象的前三行
print(c.head(3))
print(codes.head(3))
# 合并两个DataFrame
c = c.merge(codes, on='code')
c.index.name = 'no'
print('________________现在的c__________________')
print(c.head())
# 保存为文件“cause-deaths.csv
c.to_csv('E:\学习\代码\Python_homework\期末课程设计\experiment1\data\cause-deaths.csv')


# 从文件“death0708.csv”读取数据，分组统计不同时刻的死亡人数，计算每个时刻死亡人数占比，并把占比数据增加为一列，保存为文件“hour-deaths.csv”。根据百分比画出折线图，横坐标是一天的24小时，总坐标是百分比
# 增加了一列，名字叫’prop_hour'
# 使用apply函数，参数axis=1，表示沿着1轴方向，也就是以行为单位迭代
# 对每一行，用row['death_counts']/code_value_counts[row['code']]获取比率
# apply函数返回一个Series，使用round函数保留四位小数

h_group = deaths0708.groupby(['hod'])
h = h_group.size().reset_index()
new_column = ['hod', 'death_counts']
h.columns = new_column
# 计算总的死亡人数
death_value_count = deaths0708.index.size
h['prop_hour'] = h.apply(lambda row: row['death_counts']/death_value_count, axis=1)
h['prop_hour'] = h['prop_hour'].round(4)
print(h.head(24))

x = h.index
y = h['prop_hour'].values*100
plt.title('每小时死亡数目占总死亡数目的百分比')
plt.xlabel("时间\h")
plt.ylabel('百分比\%')
plt.plot(x, y, '-')
plt.grid()
plt.show()

4.运行结果和数据分析

 

图4.1 cause-deaths.csv

图4.2 death0708.csv

 图4.3 每小时死亡率折线图

5.结果评价

  统计了每个时刻的死亡人数，然后计算了死亡总人数，用每个小时的死亡人数除死亡总人数的除了每个时刻的死亡人数。

  由每小时死亡数占总死亡数目的百分比可以看出，不同时刻的死亡率有明显的差异，大致如同一个”n”型，在早上五点，上午酒店，下午五点死亡率最高，此时要提醒身边人这些时间要注意安全。

  通过对每小时的死亡率的分析，可以发现每小时不同的死亡率，对于不同人经常的活动时间进行分组，然后结合死亡率来判断保险类型。而死亡率对于社会来说，可以引导各公司动态调节工作时间，避开死亡率高的时段。而死亡率的得出，再结合网络上不同年龄阶段的死亡率数据，也可以让国家动态调节一些政策。