# 基于plotly和pyecharts的症状诊疗项目的可视化

**Repository Path**: elephant_shumin/visualization

## Basic Information

- **Project Name**: 基于plotly和pyecharts的症状诊疗项目的可视化
- **Description**: 使用plotly 和pyecharts
- **Primary Language**: Unknown
- **License**: Not specified
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 0
- **Forks**: 0
- **Created**: 2023-11-29
- **Last Updated**: 2023-11-29

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# 基于plotly和pyecharts的症状诊疗项目的可视化部分

#### 介绍
使用plotly 和pyecharts




#### 安装教程

pip install package 安装相关包

#### 导入相关模块
import numpy as np
import pandas as pd
import plotly.graph_objs as go
import plotly.express as px
import plotly
import plotly.io as pio
from plotly.subplots import make_subplots
from pyecharts import options as opts
from pyecharts.charts import Graph
from pyecharts.globals import CurrentConfig, OnlineHostType
CurrentConfig.ONLINE_HOST = OnlineHostType.NOTEBOOK_HOST
import json
# 忽略提示
import warnings
warnings.filterwarnings('ignore')

#### 相关数据集导入
df = pd.read_csv('dataset1.csv')
df1 = pd.read_csv('dataset.csv')
df2 = pd.read_csv('symptom_precaution.csv')


#### 可视化
1.饼图
数据集中有41个疾病，的每个疾病的覆盖相等，为120个。
2.条形图
通过条形图查看各个症状中每种疾病所包含的数值大小的均值
3.热力图
计算协方差矩阵，用热力图表示各个症状之间的变化趋势，颜色越亮越相关性越强。
4.散点图
分别用两个散点图查看两个最强和最弱的点之间的关系。
可以看到，相关性越强，点越少，越弱点越多。
5.条形图
输入症状（eg.Symptom_1 Symptom_2 Symptom_3 Symptom_4 Symptom_5 ）可以得到相应症状下每种疾病的症状表现。
6.玫瑰图
展现预测结果
7.关系图
可以通过疾病查看相应的建议，也可以通过建议查看相关的疾病
8.冰柱图
查看在一种症状中每种疾1病所2有的症状表现

另外还包含了关系图2和箱线图，但是箱线图的表现并不理想，不适合表现标签类型的数据集！