被感冒折磨三天后,我研究了一下生病这件事
虽然现在看着不像,但我在幼儿园时期确实是个体弱多病的人,直到十岁,小学四年级之后,一切才有了改变
我变成了一个体胖多病的人。
初中之后情况好了一些,胖和多病都有了缓解,但即便到现在,每次生病我依然会怀疑自己会不会病死,并对我想到这个问题感到忧心忡忡。
上周的感冒折磨了我好几天,直到这周才好起来,于是我想,干他的,为什么我不能搞搞它。
众所周知,网上有大量的医疗网站,例如春雨医生,丁香医生,快速问医生,平安好医生等等,大量的群众每天怀疑自己这出了问题那出了问题,就跑到网上去问医生,这些医生也都很好,基本都会耐心的解答,例如我在丁香医生就问过好几个问题(已过滤敏感词)
这些问答,往往由平台隐藏隐私信息后,放出来作为公开内容供所有患者查看和参考,那么,爬取这些数据,就可以从一个前所未有的角度建立一个中国人的疾病统计,或者『自以为自己得病』的大数据库,这里面宝贵的不仅仅是臆想自己生病或真正生病的患者的真实感受,还有无数医生的认真回答。
然后3天就过去了。
简单来说,我花了一个晚上写了一个稳定的爬虫,爬取了快速问医生和丁香园在内的3个医疗平台的150万条公开内容,又花了一个晚上用python 和 jieba 写了一个速度能看过去的分析工具,然后用第三个晚上变着法儿的调教这些数据。
在此,我极力克制自己想写技术文章的冲动,具体的技术细则我会另写一篇文章,获取方式见文末。总之,这次分析遇到的有趣或无趣的技术坑和最后得出的结论一样,都让我非常满足。
首先来看看我们的数据
在写这篇文章前,我在知网上面搜了一下,中国的医疗数据既分散,又不均匀,医疗数据相关的论文,数据来源大都是某个医院或某座城市的卫生统计局,这些数据当然权威,但是数量级过小,且往往都是比较严重的情况,例如住院,手术等等。一个感觉到头重脚轻的男青年,去医院,和医生谈了两句后就拿了一盒布洛芬回家,这种情况是很难被大机构统计到的,而这正是我感兴趣的,风起青萍之末,倘若他在未来的一天因为更严重的疾病住院治疗,那么,早些时候的征兆就已是引起警惕的信号了。
首先我统计了男女比例,没想到女性比男性多出了7%
不能说女性更容易生病,但至少可以说明,女性更容易觉得自己生病了。这其实说的通,许多男的生病了往往觉得硬撑几天就没事了,而女性则会更加重视,更加重视不仅反映在去网上求助医生,我总觉得这也反映在寿命上:
接下来再看一下年龄分布
大病不会在网上问医生,直接就去医院了,因此,在排除大病后,这个年龄分布体现出了年轻人『小病小痛』不断的特点,年轻人们总是要忙于上班,甚至连医院都不敢去,于是更多的在网上问问医生。
接下来,我用 jieba 写了一个词频分析器,它的不同之处在于,并不是直接分词然后统计词频,而是可以自定义字典,只统计指定字典内的词语的词频,其实这本来不用 jieba 就能实现,但我测试了一下,发现效率差不多(2.7M/s),就直接用了。
使用这个词频分析器配合语料库,就能统计出许多有意思的东西。
例如,我把所有药品名称做成了一个字典,然后就得到了,医生最常推荐的药Top20(咦,为什么没有我最爱的布洛芬):
如果你感兴趣的话,我可以把后面的也发出来(这下有布洛芬了)
有兴趣的话,不妨看看这些药的功效,结合自己的身体情况,在家中常备一些,在遵医嘱的情况下使用,例如我就常备布洛芬,平时感冒头疼,一般一粒就可以退烧。
我在网上也找了中药的语料库,虽然我不怎么相信中药,但我还是挺好奇哪些药材会比较受欢迎,这些最受欢迎的药又能组成什么药方。
搜了一下,好像也没找到这种药,不过感觉全放进去应该会很难喝
既然中药统计了,那索性把穴位也统计一下吧
这是150万医生回答中最常推荐的按摩穴位,有兴趣的可以揉揉,看能不能打通任督二脉。
当然,这些都不是我最关心的问题,作为一个二十多岁的人,我想知道,和我一个年龄的人,被什么病痛折磨的最多,几年后,我就会变成一个三十多岁的人,那时候又应该注意点什么,因此,我按照年龄,20岁以下,20-30岁,30-40岁,40-60岁以及60岁以上,每个年龄区间都有数十万患者对困扰自己的病痛提出疑问,通过关键词提取,我得以一探不同年龄最易得的病症,我把他们都做成了词云图:
这几张图的变化过程非常有趣,20岁以下,身体的困扰只是一些感冒头疼咳嗽,间或面临青春期的生理烦恼,20岁到30岁,猛然多出了一个流产,还有许多新增加的问题,例如前列腺炎,阴道炎等等,30过后,高血压和糖尿病出现了,40以后依然如此,性的问题逐渐消失,这可能也是一种成长,到了60以上,一些沉重的词开始出现,脑梗塞,动脉硬化,冠心病,中风等等
我还发现了一个有趣的现象,脱发这个问题,在20-30岁这个区间中的提及率最高,30以上反而降低了50%,我猜想这可能是因为人一旦上了年纪,对很多事就并没有那么在意了。
总的来说,作为一个20多岁的人,我要注意的就是洁身自好,预防感冒,家中常备葡萄糖可口可乐,红霉素,甲硝锉,布洛芬和大蒜。如果和人打架,就先打中枢穴,再脚踢膝关穴,不行的话再抡一下太阳穴,这样应该就够了。
关于本文的技术细节包括核心代码,遇到的坑,数据等,我会另写一篇,在我的公众号内回复『要健康』查看
初学python,很期待您发布这篇文章中提到的技术文章
已经写好了,在我的公众号里面回复 要健康 就可以了
好久没看到这种文章了,能转载到知乎专栏里么? 会附上转载信息的
专栏地址:https://zhuanlan.zhihu.com/Ehco-python
可以的,我知乎专栏也有发,可以带我知乎的ID
能麻烦你自己投一下稿么(直接在专栏首页点投稿,然后搜索文章就行了),
我直接复制过去总感觉不太尊重
文章不错支持一下吧
文章不错支持一下吧
文章不错支持一下,非常喜欢