python pyecharts 数据分析及可视化（2）

一、任务要求

任务二：感冒高发期分析
【任务说明】
感冒是一种常见的急性上呼吸道病毒性感染性疾病，多由鼻病
毒、副流感病毒、呼吸道合胞病毒、埃可病毒、柯萨奇病毒、冠状病
毒、腺病毒等引起。临床表现为鼻塞、喷嚏、流涕、发热、咳嗽、头
痛等，多呈自限性。
现有某一医疗机构 10 年的患者诊断数据，请你根据诊断结果进
行感冒高发期分析。
【任务要求】
读取所需数据集后，对数据进行必要的清洗，绘制出感冒高发期
热力图，分析感冒高发期在每一年中的什么时候，并出具分析报告。
绘图要求如下：
1. 使用 PyEcharts 库绘制热力图；
2. 热力图横轴为年份，纵轴为月份；
3.使用 Django 框架在前端页面中渲染展示热力图；

二、代码部分

import pandas as pd
from pyecharts import options as opts
from pyecharts.charts import HeatMapdata = pd.read_csv('生病数据.csv')
print(f"len(data):{len(data)}")
data = data.dropna(subset=['year', 'month', 'diagnosis'])
cold = ['感冒', '流感', '发烧', '头疼']
data['diagnosis'] = data['diagnosis'].apply(lambda x: x.strip())  # 去除前后空值
print(f"")
cold_data = data[data['diagnosis'].isin(cold)]
cold_data = cold_data.sort_values(by='DiagnosisTime')
cold_data.reset_index(drop=True, inplace=True)
print(f"len(cold_data):{len(cold_data)}")
print(f"cold_data:{cold_data}")cold_counts = cold_data.groupby(['year', 'month']).size().unstack(fill_value=0)
print(f"\ncold_counts:\n{cold_counts}")def create_heatmap(cold_counts):months = cold_counts.columns.tolist()  # [1, 2, ..., 12]years = cold_counts.index.tolist()  # [2020, 2021, ..., 2024]# 使用列表推导式构建 data 数据data = [[months.index(month), years.index(year), cold_counts.loc[year, month]]for month in months for year in years]data = [[x, y, int(val)] for x, y, val in data]# 创建基础热力图heatmap_basic = (HeatMap().add_xaxis(list(months)).add_yaxis(series_name="",yaxis_data=list(years),value=data,label_opts=opts.LabelOpts(is_show=True, position="inside"),).set_global_opts(title_opts=opts.TitleOpts(title="感冒高发期分析热力图"),visualmap_opts=opts.VisualMapOpts(min_=int(cold_counts.min().min()),  # 最小值max_=int(cold_counts.max().max()),  # 最大值is_piecewise=False  # 不使用分段颜色映射),))heatmap_basic.render("heatmap_basic.html")create_heatmap(cold_counts)

三、运行结果