从大数据看最受欢迎的医院(广州篇)

2024-01-12 13:30

本文主要是介绍从大数据看最受欢迎的医院(广州篇),希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

对某方面有统计需求的同学可以留言哟~O(∩_∩)O~!!!

数据下载时间:20170622
先啰嗦几句:
1.最近经常跑医院,医院各种制度,各种流程,交通、住宿都很不方便。所以想做个统计,看看哪个医院比较好。
2.这是获取某个挂号网站的数据,因为挂号网站并没有形成严格垄断,所以有些医院并不在上面。
3.另外,一些小的诊所,因为没有网络挂号的必要,这些网站也是没有收录的。
4.被收录的医院一般都是比较大,人流比较多的医院。
5.如果有统计建议或者想知道哪个城市的医院情况的可以留一下言
相关内容:
大数据统计租房市场现状(广州篇)
如果链接打不开的话可以关注公众号:肥宝的实验室
下面直入主题吧:

●医院等级数量


结论:

1.有部分医院找不到具体级别,都归为“其他”了。
2.三级医院是最高级的,占了三分一,二级医院也差不多。
3.一级医院只有不到六分一。
4.出现高级医院比低级医院多的原因估计是很多医院没有被收录,另外很多小诊所可能也没有达到评级标准。
5.这些医院都分布在哪里呢?下面看看医院的地理分布。


●医院的地理分布


结论:

1.这些医院都是集中在天河、海珠、越秀比较发达的区域,超过80%。
2.这个区域也是租房供应量最密集最贵的地方。可以猜想城市规划都是集中发展的。
3.白云区也有相当多的医院,分布在白云山两旁。这可能是因为早年的规划,那一带当时算是郊区,兴建了一批制药厂,后来就建立一些医院,当然,这只是个人猜测。
4.离中心区域越远的地方,大医院的分布就越少了,从化、增城、花都、南沙寥寥无几。
5.所以考虑买房的同学们,真的应该想一下,偏远地区是否值得去,因为太远了,仅仅从租房信息和医院信息来看,基础设施还没完善。推荐旁边的佛山,那边其实更加近。


●医院评分


结论:

1.这个图是按挂号量来排列的,量最多的是在最前面。
2.大德路总院不知道是比较特殊还是跟这个网站做了合作,挂号量远远超出其他医院。
3.黄色的线是医生的平均评价,相对来说比较平稳,也有个别是比较低分的。
4.绿色的是等待时间,越低分表示等待时间越长,效率越差。
5.蓝色是总体服务的评价,波动也很大。
6.通常越大的医院是越多人的,这个肯定会比医务人员多更多。所以造成大医院的等待时间更长,感觉更差,但是并不能就一定说明医疗服务就差的。
7.还有很多医院的,因为篇幅问题,只能放挂号量最多的20个了。
8.至于建议就不给了,有些评分特别低的大家自己看图,自己衡量。


●医生数量


结论:

1.医生分好多级别的,原始数据里面,有很多是主任医师。所以就分成两个数据来处理。
2.这个图是按医生数量来排列的。
3.红色柱是挂号量,从图中看医生多的医院,有部分挂号量很低,应该会比较少人。
4.互联网医院医生最多,其主要是通过网络进行诊断,估计很多其他医院的医生在里面兼职。
5.大德路总院的医生也是最多的,看来挂号量这么高也有妥妥的实力原因。
6.中山大学、广州中医药大学、南方医科大学对广州的医疗行业影响巨大。
7.医疗这种极度专业的行业,我们外行人并不能做出比较准确的判断,所以只能从大数据透露出来的信息中找出一点点希望有用的信息。大家可以保存下来以备使用,或者关注公众号《肥宝的实验室》


●网络诊断数量


结论:

1.网络时代怎么少得了网络医疗,挂号网站除了提供挂号,还提供了网络诊断。
2.广州互联网医院占了40%多的份额,妥妥的第一。
3.南方医科大学也有相当多的份额。其他医院的份额就少很多了。
4.这个网站的价格是60元进行一次邮件诊断,可以上传图片,200元10分钟视频诊断。
5.对于中国人现在的消费习惯来说,这个收费难以判断是否合理。毕竟还是很多人习惯以实物来判断价值,而不是服务。
6.从大德路总院来看,网络诊断10000多的量,跟挂号量400多万来比较是微不足道的。也可以看出这个领域还有巨大的发展空间。但是这个处理技术,更多的是人们生活习惯和观念的转变。


最后再说一次,对医疗行业真的不熟,但是数据不会说谎,仁者见仁智者见智,还是大家判断好了。
觉得有用就关注、分享一下哟!O(∩_∩)O哈!

这篇关于从大数据看最受欢迎的医院(广州篇)的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/598022

相关文章

使用Python开发一个Ditto剪贴板数据导出工具

《使用Python开发一个Ditto剪贴板数据导出工具》在日常工作中,我们经常需要处理大量的剪贴板数据,下面将介绍如何使用Python的wxPython库开发一个图形化工具,实现从Ditto数据库中读... 目录前言运行结果项目需求分析技术选型核心功能实现1. Ditto数据库结构分析2. 数据库自动定位3

pandas数据的合并concat()和merge()方式

《pandas数据的合并concat()和merge()方式》Pandas中concat沿轴合并数据框(行或列),merge基于键连接(内/外/左/右),concat用于纵向或横向拼接,merge用于... 目录concat() 轴向连接合并(1) join='outer',axis=0(2)join='o

批量导入txt数据到的redis过程

《批量导入txt数据到的redis过程》用户通过将Redis命令逐行写入txt文件,利用管道模式运行客户端,成功执行批量删除以Product*匹配的Key操作,提高了数据清理效率... 目录批量导入txt数据到Redisjs把redis命令按一条 一行写到txt中管道命令运行redis客户端成功了批量删除k

SpringBoot多环境配置数据读取方式

《SpringBoot多环境配置数据读取方式》SpringBoot通过环境隔离机制,支持properties/yaml/yml多格式配置,结合@Value、Environment和@Configura... 目录一、多环境配置的核心思路二、3种配置文件格式详解2.1 properties格式(传统格式)1.

解决pandas无法读取csv文件数据的问题

《解决pandas无法读取csv文件数据的问题》本文讲述作者用Pandas读取CSV文件时因参数设置不当导致数据错位,通过调整delimiter和on_bad_lines参数最终解决问题,并强调正确参... 目录一、前言二、问题复现1. 问题2. 通过 on_bad_lines=‘warn’ 跳过异常数据3

C#监听txt文档获取新数据方式

《C#监听txt文档获取新数据方式》文章介绍通过监听txt文件获取最新数据,并实现开机自启动、禁用窗口关闭按钮、阻止Ctrl+C中断及防止程序退出等功能,代码整合于主函数中,供参考学习... 目录前言一、监听txt文档增加数据二、其他功能1. 设置开机自启动2. 禁止控制台窗口关闭按钮3. 阻止Ctrl +

java如何实现高并发场景下三级缓存的数据一致性

《java如何实现高并发场景下三级缓存的数据一致性》这篇文章主要为大家详细介绍了java如何实现高并发场景下三级缓存的数据一致性,文中的示例代码讲解详细,感兴趣的小伙伴可以跟随小编一起学习一下... 下面代码是一个使用Java和Redisson实现的三级缓存服务,主要功能包括:1.缓存结构:本地缓存:使

在MySQL中实现冷热数据分离的方法及使用场景底层原理解析

《在MySQL中实现冷热数据分离的方法及使用场景底层原理解析》MySQL冷热数据分离通过分表/分区策略、数据归档和索引优化,将频繁访问的热数据与冷数据分开存储,提升查询效率并降低存储成本,适用于高并发... 目录实现冷热数据分离1. 分表策略2. 使用分区表3. 数据归档与迁移在mysql中实现冷热数据分

C#解析JSON数据全攻略指南

《C#解析JSON数据全攻略指南》这篇文章主要为大家详细介绍了使用C#解析JSON数据全攻略指南,文中的示例代码讲解详细,感兴趣的小伙伴可以跟随小编一起学习一下... 目录一、为什么jsON是C#开发必修课?二、四步搞定网络JSON数据1. 获取数据 - HttpClient最佳实践2. 动态解析 - 快速

MyBatis-Plus通用中等、大量数据分批查询和处理方法

《MyBatis-Plus通用中等、大量数据分批查询和处理方法》文章介绍MyBatis-Plus分页查询处理,通过函数式接口与Lambda表达式实现通用逻辑,方法抽象但功能强大,建议扩展分批处理及流式... 目录函数式接口获取分页数据接口数据处理接口通用逻辑工具类使用方法简单查询自定义查询方法总结函数式接口