Python对职业人群体检数据进行分析与可视化（附源码超详细）

柔光的暖阳◎ 2023-09-30 18:53 3阅读 0赞

> **需要源码和数据集请点赞关注收藏后评论区留言私信~~~**

## 职业人群体检数据分析 ##

有的职业危害因素会对人体血液等系统产生影响。下面针对一次职业人群体检的部分数据进行分析

实现步骤如下

1：导入模块

2：获取数据

导入待处理数据testdata.xls并显示前五行

![8a0e3e3390764d0e9000c06e420105cd.png][]

3：分析数据

首先查看数据类型 表结构 并统计各个字段空缺值的个数

![7250dbe7d1df4d8d9da196e1fccaec82.png][]

![1349732c5413479c9f5ba112bd56f4e4.png][]

![6e81f70212874f43be7116e116c27256.png][]

接下来删除全为空的列以及身份证号为空的数据

删除全为空的列

![ca3d8ee0cfa84ad2862aca688c0674b7.png][]

> DataFrame.dropna(axis=0, how='any', thresh=None, subset=None, inplace=False)
> 
> 函数作用：删除含有空值的行或列[¶][Link 1]
> 
> axis:维度，axis=0表示index行,axis=1表示columns列，默认为0
> 
> how:"all"表示这一行或列中的元素全部缺失（为nan）才删除这一行或列，"any"表示这一行或列中只要有元素缺失，就删除这一行或列
> 
> thresh:一行或一列中至少出现了thresh个才删除。
> 
> subset：在某些列的子集中选择出现了缺失值的列删除，不在子集中的含有缺失值得列或行不会删除（有axis决定是行还是列）
> 
> inplace：刷选过缺失值得新数据是存为副本还是直接在原数据上进行修改

删除身份证号为空的数据

![020406a7964548f98b8f4eb16836fb9c.png][]

将“开始从事某工作年份”规范为4位数字年份，如“2018”，并将列名修改为“参加工作时间

![1f01d6b87d3c49d694c269b7b13d25f0.png][]

增加列“工龄”（体检年份-参加工作时间）和“年龄”（体检时间-出生年份）两列

查看待处理是否有缺失值 然后删除所有缺失值

然后可以看到参加工作时间之一列的缺失值已经删除，同时也看到体检年份还有38个缺失值 也进行删除

![7c8c1bf525da45e893b2552c42f78108.png][]

身份证号，参加工作时间以及体检年份的数据类型都是object，需要进行类型转换，统一转化为int64类型，另外，体检年份这一列有很多异常数据，很多年份后都有年字，对体检年份数据进行时间提取

增加工龄和年龄这两列

![73d8cb7f19b24de2a0332692c3a59c2d.png][]

统计不同性别的白细胞计数均值 并画出柱状图

![e01bcc71af6e4489ac9b59d40c407bfd.png][]

统计不同年龄段的白细胞计数，并画出柱状图，年龄段划分为：小于或等于30岁，31-40岁，41-50岁以及大于50岁4个

![ddd79f6a12d24b6390f47db0b70e1d41.png][]

经过上面这一系列工作，可以很清楚的看出数据的一些分布特征 有助于后续的解决方案

## 代码 ##

部分代码如下 需要全部代码请点赞关注收藏后评论区留言私信~~~

import pandas as pd
    import numpy as np
    import matplotlib.pyplot as plt
    plt.rcParams['font.sans-serif'] = ['SimHei'] #用来正常显示中文标签
    plt.rcParams['axes.unicode_minus']=False #用来正常显示负号
    %matplotlib inline
    df = pd.read_excel("testdata.xls")#这个会直接默认读取到这个Excel的第一个表单
    data =df.head()#默认读取前5行的数据
    data
    df.info()
    df.dtypes
    df.shape
    df.isnull().sum()
    
    df.dropnaaxis=1, how='all',inplace= True)#将全部项都是nan的列删除
    df.head()
    df.dropna(how='any',subset=['身份证号'],inplace= True)
    df.isnul().sum()
    df1 = df
    df.shape
    df.开始从事某工作年份 = df.开始从事某工作年份.str[0:4]
    df.rename(columns={"开始从事某工作年份": "参加工作时间"},inplace=True)
    df.head()
    
    df.isnull().sum()
    df1 = df.dropna(subset=['参加工作时间'],how='any')
    df1.isnull().sum()
    df1.isnull().sum()
    df2 = df1.dropna(subset=['体检年份'],how='any')
    # ()
    df2.isnull().sum()
    #参加工作时间转换为int64类型
    #首将体检年份转换为str类型
    data['体检年份'] = data.体检年份.astype('str')
    #切片取前4位值之后再将体检年份转换为int64类型
    data.体检年份 = data.体检年份.str[0:4].astype("int64")
    #取身份证的第4位-第7位，并转换为int64类型
    data["出生年份"] = data.身份证号.str[4:8].astype('int64')
    d.head()
    data.参加工作时间 = data.参加工作时间.astype('int64')
    data['体检年份'] = data.体检年份.astype('str')
    data.体检年份 = data.体检年份.str[0:4].astype("int64")
    data["出生年份"] = data.身份证号.str[4:8].astype('int64')
    data.head()
    data = data.eval('工龄 = 体检年份-参加工作时间')
    data = data.eval("年龄= 体检年份- 出生年份")
    data.head()
    
    import matplotlib
    matplotlib.rcParams['font.size'] = 15
    matplotlib.rcParams['font.family'] = 'SimHei'
    
    # mean.plot(kind='bar') #series.plot(kind='bar')
    mean.plot.bar()
    plt.xticks(rotation=0)
    plt.ylabel("白细胞均值")
    data['年龄段'] = pd.cut(data.年龄, bins=[0,30,40,50, 100])
    count = data.groupby('年龄段')['白细胞计数'].mean()
    count
    
    count.plot(kind = "bar")
    plt.xticksotation=30)
    plt.ylabel("白细胞计数均值")

**创作不易 觉得有帮助请点赞关注收藏~~~**

[8a0e3e3390764d0e9000c06e420105cd.png]: https://img-blog.csdnimg.cn/8a0e3e3390764d0e9000c06e420105cd.png
[7250dbe7d1df4d8d9da196e1fccaec82.png]: https://img-blog.csdnimg.cn/7250dbe7d1df4d8d9da196e1fccaec82.png
[1349732c5413479c9f5ba112bd56f4e4.png]: https://img-blog.csdnimg.cn/1349732c5413479c9f5ba112bd56f4e4.png
[6e81f70212874f43be7116e116c27256.png]: https://img-blog.csdnimg.cn/6e81f70212874f43be7116e116c27256.png
[ca3d8ee0cfa84ad2862aca688c0674b7.png]: https://img-blog.csdnimg.cn/ca3d8ee0cfa84ad2862aca688c0674b7.png
[Link 1]: http://localhost:8888/notebooks/%E5%AE%9E%E8%AE%AD1%20%E8%81%8C%E4%B8%9A%E4%BA%BA%E7%BE%A4%E4%BD%93%E6%A3%80%E6%95%B0%E6%8D%AE%E5%88%86%E6%9E%90.ipynb#%E5%87%BD%E6%95%B0%E4%BD%9C%E7%94%A8%EF%BC%9A%E5%88%A0%E9%99%A4%E5%90%AB%E6%9C%89%E7%A9%BA%E5%80%BC%E7%9A%84%E8%A1%8C%E6%88%96%E5%88%97
[020406a7964548f98b8f4eb16836fb9c.png]: https://img-blog.csdnimg.cn/020406a7964548f98b8f4eb16836fb9c.png
[1f01d6b87d3c49d694c269b7b13d25f0.png]: https://img-blog.csdnimg.cn/1f01d6b87d3c49d694c269b7b13d25f0.png
[7c8c1bf525da45e893b2552c42f78108.png]: https://img-blog.csdnimg.cn/7c8c1bf525da45e893b2552c42f78108.png
[73d8cb7f19b24de2a0332692c3a59c2d.png]: https://img-blog.csdnimg.cn/73d8cb7f19b24de2a0332692c3a59c2d.png
[e01bcc71af6e4489ac9b59d40c407bfd.png]: https://img-blog.csdnimg.cn/e01bcc71af6e4489ac9b59d40c407bfd.png
[ddd79f6a12d24b6390f47db0b70e1d41.png]: https://img-blog.csdnimg.cn/ddd79f6a12d24b6390f47db0b70e1d41.png