建站
咨詢
售后
建站咨詢
新聞中心
這一個(gè)多月以來，相信大部分人都跟小編我一樣：早上打開手機(jī)的第一件事是看有關(guān)疫情的最新新聞，看今日有沒有新增人數(shù)，新增了多少。眼看著數(shù)據(jù)從一開始的幾十發(fā)展到現(xiàn)在的快8W，漸漸地?cái)?shù)據(jù)在我們眼里就只是一串?dāng)?shù)字。
我們從數(shù)字中、新聞報(bào)道里都可以看出它的嚴(yán)重性，但是，如果我們通過數(shù)字仔細(xì)觀察每一個(gè)患者的經(jīng)歷，真實(shí)的慘烈程度總是可以超乎我們的認(rèn)知。其中，微博“肺炎患者求助”超話上的求助者經(jīng)歷，便是這場(chǎng)疫情慘烈程度的一個(gè)縮影。
到底哪些人會(huì)在“微博超話”這個(gè)原本的追星聚集地來進(jìn)行求助呢?他們是否都得到了幫助?從求助到獲得幫助，他們都經(jīng)歷了什么，等了多久?
一、Python爬取
這些數(shù)據(jù)怎么來?那肯定是只能通過python爬蟲來獲取(前提是不要獲取別的東西，否則....)，具體的過程我這里就不贅述了，有需要的可以看到文末自取。
我們獲取了微博“肺炎患者求助”超話上的1055條求助信息(時(shí)間節(jié)點(diǎn)：2020年2月20日23時(shí))，并且對(duì)這些求助的患者求助時(shí)的狀況、是否得到救助、得到救助的時(shí)間等信息進(jìn)行了進(jìn)一步的數(shù)據(jù)整理，去掉重復(fù)數(shù)據(jù)后得到638條數(shù)據(jù)，來解答以上的問題。
二、怎么分析
python可以進(jìn)行數(shù)據(jù)分析嗎?完全可以!
其實(shí)，Python這種偽代碼性質(zhì)的語言入門并不難，但是深入進(jìn)去就不是什么簡(jiǎn)單的事情了，而且Python語言不能加密，但是目前國(guó)內(nèi)市場(chǎng)純粹靠編寫軟件賣給客戶的越來越少，網(wǎng)站和移動(dòng)應(yīng)用不需要給客戶源代碼，所以這個(gè)問題就是問題了。
有什么東西能和python結(jié)合呢?于是我想到了BI工具!
BI工具的話，簡(jiǎn)單上手、靈活快捷，尤其敏捷BI，是不需要代碼建模的。舉個(gè)例子，F(xiàn)ineBI等敏捷自助式工具，傻瓜式的操作很適合現(xiàn)在的數(shù)據(jù)分析小白入手，就算是掌握了R這種編程語言，也很適合拿來做分析工具。
關(guān)于FineBI，可能很多小伙伴或多或少了解過這款BI工具，這是目前市面上應(yīng)用最為廣泛的自助式BI工具之一，類似于國(guó)外的Tableau等BI分析工具，但FineBI在協(xié)同配合，數(shù)據(jù)權(quán)限上，能更好的解決國(guó)內(nèi)企業(yè)的情況。
你可以把它視作為可視化工具，因?yàn)樗锩孀詭资N常用圖表，以及動(dòng)態(tài)效果
你也可以把它作為報(bào)表工具，因?yàn)樗芙尤敫鞣NOA、ERP、CRM等系統(tǒng)數(shù)據(jù)，各種數(shù)據(jù)庫簡(jiǎn)直毫無壓力，不寫代碼不寫SQL就能批量化做報(bào)表
你還可以把它看作數(shù)據(jù)分析工具，其內(nèi)置等常見的數(shù)據(jù)分析模型、以及各式圖表，可以借助FineBI做一些探索性的分析
有了這一款工具之后，IT部門只需要將數(shù)據(jù)按照業(yè)務(wù)模塊分類準(zhǔn)備好，業(yè)務(wù)部門即可在瀏覽器前端通過鼠標(biāo)點(diǎn)擊拖拽操作，就能得到自己想要的數(shù)據(jù)分析結(jié)果。
三、數(shù)據(jù)可視化結(jié)果
以下所有都是為FineBI分析，我從開始做到結(jié)束，只用了3分鐘的樣子，自帶ETL，就是這么快!
1、哪些天求助的人最多?
可以看到，2月4日到2月7日為這些患者集中在網(wǎng)上求助的時(shí)間，其中求助最多的是在2月5日。這個(gè)時(shí)間剛好跟爆發(fā)的數(shù)據(jù)相吻合。
新增確診趨勢(shì)
2、哪些人在微博求助?
在全國(guó)的救助力量都投入到一個(gè)地區(qū)之后，到底是哪些人會(huì)采用“微博”這個(gè)社交平臺(tái)，并且在“微博超話”這個(gè)粉絲們用來追星的地方來進(jìn)行救助呢?
我們對(duì)求助患者的年齡進(jìn)行了統(tǒng)計(jì)，發(fā)現(xiàn)50歲以上的中老年人占了絕大多數(shù)的比例(81.9%)。
圖片來自于網(wǎng)絡(luò)
在微博上求助的人，更傾向于年齡大的患者。然而，年齡大的患者怎么會(huì)在微博超話上求助呢?我們對(duì)求助患者的信息進(jìn)行統(tǒng)計(jì)，發(fā)現(xiàn)只有3.4%的求助信息是患者本人通過微博發(fā)出來的，有95.3%的求助信息都是別人代發(fā)的。
也就是說，這些老人因?yàn)樾畔⒉煌〞?、行?dòng)不方便等原因，只能由小輩幫忙發(fā)求助信息。
3、求助者多為重癥患者，且?guī)в谢A(chǔ)疾病
他們?cè)谇笾鷷r(shí)的自身狀況如何呢?我們從求助信息中提取出了這些求助者所描述的病癥。
可以看到，“發(fā)燒”、“呼吸困難”、“咳嗽”、“乏力”、“胸悶”、“腹瀉”、“嘔吐”等都屬于高頻詞匯，其中求助信息中出現(xiàn)“呼吸困難”癥狀的患者占了35.8%，有呼吸問題的患者占了48.2%。
這說明微博上的這些求助者多是危重癥患者。另外，從這些患者的救助信息中可知，有21.1%的患者還帶有“高血壓”、“糖尿病”、“心臟病”、“冠心病”、“腎衰竭”等基礎(chǔ)疾病。
4、他們等了多久?
從之前的察覺患病到最終獲救，總共平均的時(shí)間是13天。
在這13天里，患者們以及患者的家人們到底經(jīng)歷了什么樣尋求治療的過程，遇到了多少的碰壁最后才得到救助呢?幾乎每份求助信息中的患者“病情描述”都可以告訴我們答案。我們把患者的描述制作成了詞云圖，里面的每一個(gè)字，都寫滿了沉重和無奈。
5、是否每位求助者都得到了幫助?
在微博上求助的效果怎么樣呢?從轉(zhuǎn)發(fā)效果上看，即使有40%的微博求助者，其微博的粉絲數(shù)都小于50人，甚至有21.4%的求助者是為了求助剛注冊(cè)了微博的微博新人，仍然有57.2%的微博獲得了超過10次以上的轉(zhuǎn)發(fā)，有30%的微博獲得了超過50次的轉(zhuǎn)發(fā)。
然而，最終這些求助者是否獲取到了救助，才是救助的最終意義。根據(jù)我們的統(tǒng)計(jì)發(fā)現(xiàn)，只有26.5%的求助者最終在微博上反饋得到了救助。
所以，并不是每一位微博求助者都幸運(yùn)地得到了幫助。由于病情的發(fā)展，一部分患者在沒有等到救助之前，便凋零了。
四、總結(jié)
以上便是這些微博求助者在微博上求助的經(jīng)歷。這些數(shù)據(jù)背后的每一位救助者，都是承受者，他們是每一位平凡普通的人，他們有的等來了救助，有的沒有。
文章題目：Python爬取+BI分析后，微博求助患者的眼淚，全被數(shù)據(jù)看見了
分享地址：http://m.fisionsoft.com.cn/article/dpcoeei.html
