matplotlib/seaborn 绘图实例：医疗数据可视化

相似文件 换一批

是 否 +2 论坛币

k人 参与回答

经管之家送您一份

应届毕业生专属福利!

求职就业群

赵安豆老师微信：zhaoandou666

经管之家联合CDA

送您一个全额奖学金名额~ !

立即领取

感谢您参与论坛问题回答

经管之家送您两个论坛币！

+2 论坛币

以下内容转自 数析学院，只节选了部分，有需要的同学可以直接查看原文

如何下载数据
1) 注册并登陆 "Project Tycho"
2) 前往 1 级数据 ，然后搜索和检索数据
3) 检索条件:geographic level := state; disease outcome := incidence
4) 添加所有 (使用 Ctrl+A (or Cmd+A on Macs) 全选)
5) 并向下滚动到点击此处下载结果为 excel
6) 在 excel 中打开，并导出为 CSV 文件
7) 将所有数据文件放在一个名为data的 notebook 文件夹下


1、导入相关库

1. %matplotlib inline
   
2. import matplotlib.pyplot as plt
   
3. import seaborn as sb
   
4. import pandas as pd
   
5. import numpy as np
   
6. 
   
7. sb.set_style('white')

复制代码

2、绘制 Polio 小儿麻痹症周发生率热图

1. polio_data = pd.read_csv('data/POLIO_Incidence_1928-1969_20160304121200.csv', skiprows=2, na_values='-')
   
2. 
   
3. polio_years = list(polio_data['YEAR'].unique())
   
4. polio_states = polio_data.drop(['YEAR', 'WEEK'], axis=1).columns.values
   
5. polio_states = [state.title() for state in polio_states]
   
6. 
   
7. polio_data.drop(['WEEK'], axis=1, inplace=True)
   
8. polio_data = polio_data.groupby('YEAR').sum()
   
9. polio_data = polio_data.transpose().values
   
10. 
    
11. plt.figure(figsize=(12, 12))
    
12. sb.heatmap(polio_data, cmap='Reds', robust=True,
    
13.            xticklabels=[year if year % 5 == 0 or year == max(polio_years) else '' for year in polio_years],
    
14.            yticklabels=polio_states)
    
15. plt.plot([polio_years.index(1955) + 0.425, polio_years.index(1955) + 0.425],
    
16.          [0, 51],
    
17.          color='black', lw=1.5)
    
18. 
    
19. cax = plt.gcf().axes[-1]
    
20. cax.set_yticklabels([10, 20, 30, 40, '50+'])
    
21. cax.tick_params(labelsize=12)
    
22. 
    
23. plt.xticks(fontsize=12)
    
24. plt.yticks(fontsize=12)
    
25. 
    
26. plt.text(0, 51.5, 'Polio cases in the United States', fontsize=14)
    
27. plt.text(polio_years.index(1955) + 0.15, 51.5, 'Vaccine introduced', fontsize=12, weight='bold')
    
28. plt.text(-8, -3, 'Data source: Project Tycho (tycho.pitt.edu) '
    
29.          '| Author: Randy Olson (randalolson.com / @randal_olson)',
    
30.          fontsize=10)
    
31. 
    
32. plt.savefig('polio-cases-heatmap-sequential-colormap.png', bbox_inches='tight')
    
33. ;

复制代码

2、对 Measles 麻疹数据进行同样的可视化处理

1. measles_data = pd.read_csv('data/MEASLES_Incidence_1928-2003_20160304120254.csv', skiprows=2, na_values='-')
   
2. 
   
3. measles_years = list(measles_data['YEAR'].unique())
   
4. measles_states = measles_data.drop(['YEAR', 'WEEK'], axis=1).columns.values
   
5. measles_states = [state.title() for state in measles_states]
   
6. 
   
7. measles_data.drop(['WEEK'], axis=1, inplace=True)
   
8. measles_data = measles_data.groupby('YEAR').sum()
   
9. measles_data = measles_data.transpose().values
   
10. 
    
11. plt.figure(figsize=(12, 12))
    
12. sb.heatmap(measles_data, cmap='Reds', robust=True,
    
13.            xticklabels=[year if year % 10 == 0 else '' for year in measles_years],
    
14.            yticklabels=measles_states)
    
15. plt.plot([polio_years.index(1963) + 0.425, polio_years.index(1963) + 0.425],
    
16.          [0, 51],
    
17.          color='black', lw=1.5)
    
18. 
    
19. cax = plt.gcf().axes[-1]
    
20. cax.set_yticklabels([0, 200, 400, 600, 800, '1,000+'])
    
21. cax.tick_params(labelsize=12)
    
22. 
    
23. plt.xticks(fontsize=12)
    
24. plt.yticks(fontsize=12)
    
25. 
    
26. plt.text(0, 51.5, 'Measles cases in the United States', fontsize=14)
    
27. plt.text(polio_years.index(1963) + 0.05, 51.5, 'Vaccine introduced', fontsize=12, weight='bold')
    
28. plt.text(-14.5, -3, 'Data source: Project Tycho (tycho.pitt.edu) '
    
29.          '| Author: Randy Olson (randalolson.com / @randal_olson)',
    
30.          fontsize=10)
    
31. 
    
32. plt.savefig('measles-cases-heatmap-sequential-colormap.png', bbox_inches='tight')
    
33. ;

复制代码

以上内容转自 数析学院，如需完整内容可以直接查看原文

扫码加我 拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

支持分享

xiexie louzhu

casey_c 发表于 2017-12-26 11:17
以下内容转自 数析学院，只节选了部分，有需要的同学可以直接查看原文

如何下载数据

在哪里看原文呀

一图胜千言！可视化是门技术活！

非常好