跳到主要內容

發表文章

快速上手 Tableau 繪製—長條圖 (bar chart)

這次我們先使用模擬數據,此為醫院服務滿意度之資料,以下為資料欄位與屬性,有時匯入 Tableau 會誤判欄位屬性,需手動校正。 共十家醫院,總計 500 人之滿意度資料。  Step1 :進入 Tableau 資料畫面,前往 工作表一 , Step2 :將 center 拖曳至「欄」,門診拖曳至「行」 Step3 :設定合宜量值,將行的欄位門診滿意度改成平均值設定 ( 內建為總分 ) 。 Step 4:資料細部修整,包含顏色設定、排序大小、標題字體及大小調整等。「排序」可讓大大或最小資訊容易被看到。 也可進行「欄位轉換」,來顯示模式。 由以上圖表可出,基隆的門診滿意度布達80分,其實皆在80分以上,超過85分得有6家醫院,分別是臺中、彰化、桃園、苗栗和雙和醫院等。

python與SAS資料處理入門--資料排序

排序目的是將原本沒有依次序排列的資料,依照特定的順序進行排列。 一般在做資料清理時會將散亂的資料進行排序,如果大家有使用 excel 的經驗,應該都有使用過排序的功能,例如研究上探討患者做完治療後生活品質的變化,在患者做完治療的當下以及每次回診時固定請患者自填生活品質測量問卷,然而每個患者收案或是回診的時間都不一樣,所以資料建檔時可能會長這樣 : 編號為每個患者的識別代號,填寫日期為問卷填寫的時間,由上圖可以看到,同一個患者不同填寫時間的資料是分散的,因此 excel 處理上會用排序將同一個患者的資料依照時間先後整理在一起 ( 如下圖 ) ,但是在小型資料上 excel 還可以處理,但是當資料筆數太多時 excel 顯然就不是那麼適用了。   接下來,延續上次的主軸,分別以 SAS 及 Python 進行操作示範,關於軟體的基本概念可參閱上一篇 內容 。上一篇有提到命名規則,因此讀取資料前務必確認符合規則,以這例子來說必須先做名稱轉換,為了同時適用 SAS 與 Python 的操作,重新簡單命名如下 : 以 SAS 進行資料排序 proc sort data = test; by id Q_date; run ; /* 依照 ID 跟填寫日期做排序 */ 一般 SAS 排序的 default 設定為 ascending( 升冪 ) 排序,但如果要更改排序方式為降冪,則需要要改變排序的變數前面下 descending 指令 。 proc sort data = test; by id descending Q_date; run ; /* 改變變數 Q_date 的排序方式為降冪 */ 讀者可以透過範例圖的呈現看出排序差異。 以 Python 進行資料排序 test.sort_values(["ID","Q_date"],ascending=False, inplace=True) # inplace=True表是取代目前的資料 這邊要注意的一點是,如果沒有下 inplace=True ,那麼排序後的結果不會...

讀「真確」瞭解世界貧窮,發現事情比你想的美好

作者漢斯.羅斯林有多重身分,臨床醫師、數據學家、全球公衛學家,也是知名的公共教育家,早期至第一級及第二級國家待過,致力於解決公共衛生問題,透過數據來了解世界。不靠數據無法了解世界,但光靠數據也無法了解世界。本書透過十項常見的偏誤來引導思考背後的真實原因及問題。 數據改變了你的心智 --- 世界健康圖 本書第一頁彩色世界健康圖 ,顛覆了以前腦中對世界的認知,每個泡泡代表一個國家,泡泡大小代表人口數, X 軸是收入 ( 人均 GDP 依 2011 年做調整,美元計價 ) , Y 軸是預期壽命 (life expectancy) ,若有興趣建議直接點選官方連結,可看到隨時間變化的動態發展,更可做細部的點選國家或替換 XY 軸等,常見的公衛議題如小孩死亡率、 CO2 排放、每名婦女的子女數(總生育率)等,以下是官網上呈現的 2015 年資料,以及 2018 年的分布情況。 貧窮人口比想像中的低 書中有一題題目「世界上多數人生活在哪裡 ? 」 A 低所得 、 B 中所得、 C 高所得 正解: B 中所得 A 低所得 9% 、 B 中所得 76% 、 C 高所得 16% 由圖可以看出絕大多數國家落在第二級及第三級,並非都在低所得國家裡,低所得國家比想像中來要進步,有些已晉級至中所得國家。 若大部分的人都生活在中所得的國家裡,想必貧窮應該離我們很遠,來看看以下這題: 「在過去 20 年 ,全球赤貧人口占總人口的比例是 …. ? 」 A 幾乎翻倍 、 B 大致不變、 C 幾乎減半 正解: C 幾乎減半 按照 2011 年購買力平價換算,每日收入不到 1.9 美元便屬於赤貧。世界銀行的數據顯示 1981 年赤貧人口為 42.1 %降至 2015 年的赤貧人口為 10 %,像這樣的數據其實只要查一下便可得知 真實情況 ,網路上的資訊量多且雜,若無這層思考訓練,易受媒體報紙影響,認為貧窮率高或赤貧人口激增等。書中提到的 失真型直覺偏誤 ,就屬這類,我們可以從 對比或除法 概念按比例了解事物,才能決定這個數字是否有意義。 以下為世界銀行資料: 貧困人口比例,按每天 1.90 美元衡量的( 2011 PPP ) 美元街( Dollar Street )看貧...

python與SAS資料處理入門--資料匯入匯出

為什麼要學程式語言,不能用 excel 做大型資料的處理 不建議使用 excel 做大型資料處理的原因有 2 點, (1)excel 行列的限制, 2003 年以前的版本,最大資料列筆數為 65,536 行、欄位數最多為 256 列, 2007 之後的版本雖然行列都有擴展,最大資料列筆數可達到 1,048,576, 行、欄位數最多為 16,384 列,但對於現在隨便動輒幾億筆的資料來說,這真的不算什麼,因此實務上可能會遇到一份資料得分成好幾個 sheet 儲存的情況。 (2) 資料量太大,可能會遇到 excel 執行上耗時的問題。 對於即將跨入大數據的人而言, SPSS 雖然也是個不錯的選項,具有操作簡單之優勢,短期內可快速掌握,但也因介面以選單式操作為主,使用彈性相對受限,此外對於大數據處理效率也較差,如果 未來工作上需經常面對大數據 ( 例如 : 醫學資料庫、商業資料庫 ) ,建議可以直接選擇學習 SAS 、 R 或是 Python 。 以下就挑選 SAS( 付費軟體 ) 以及近年很熱門的 Python( 開源軟體 ) ,從基本的資料匯入、匯出開始介紹起。不論 SAS 或是 Python 皆可以匯入許多不同類型的檔案格式,本文就挑選幾個可能比較常接觸到的類型做說明。 以 SAS 進行操作 介面 執行 SAS 會經常使用到的視窗有幾個部分,以下簡述其用途 : (1) 編輯器:指令輸入,未來相關語法的編輯都在該視窗完成。 (2) 日誌:顯示指令執行結果,如果有程式上的執行錯誤,皆顯示於該視窗。 (3) 結果:分析結果的索引,方便使用者管理結果的部分。 (4) 檔案總管:資料集的管理,可於此處點選瀏覽資料內容。 資料匯入 (proc import) ²      Excel 檔案匯入 proc import datafile = "c:\test.xlsx" /* 資料匯入的路徑 */ out =test  /* 資料匯入後的名稱 */ dbms =xlsx replace; /* 輸入檔案的類型 */ sheet = " Sheet" ; /* 選擇讀取的工作表 */ getnames =YES; /* 第一...