Python对职业人群体检数据进行分析与可视化（附源码 超详细）

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

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

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

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¶

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

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

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

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

统计不同性别的白细胞计数均值 并画出柱状图

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

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~~~