Je suis de métier spécialiste SIG et je suis responsable de l’entretien d’une grande partie des données spatiales. Les données que je traite quotidiennement peuvent être liées à la santé, la conservation et l’immobilier pour n’en nommer que quelques-uns. J’ai ont récemment traité avec les statistiques pour les admittances de l’asthme de l’hôpital et a vu un bon moment pour faire mon premier Instructable. Je vais faire un résumé général de mon processus d’entrer hôpital asthme admittances nombre et taux dans un format graphique.
Les données que j’ai commencé avec étaient une classe d’entités polygone pour tous les secteurs de recensement nous dans mon comté. Ces polygones contient un tableau qui contenait le nombre de voies, population totale et le décompte des admittances asthme par secteur de recensement pour 2010, 2011 et 2012. J’ai exporté la table comme un fichier csv, donc je pouvais importer dans Excel ou même Plotly. Dans le cas présent, j’ai décidé d’utiliser Excel.
Après que j’ai importé les données dans Excel, j’ai eu les trois colonnes de données comme indiquées précédemment. Il s’agit de tout bien et dandy, mais si je devais graphique ces données il ressemblerait certaines parcelles avaient une instance plus élevée que les autres. Afin de corriger cela afin qu’il ne sera pas aussi trompeuse, j’ai eu à faire ce qu’on appelle normaliser les données. Pour normaliser les données dans Excel, j’ai utilisé la formule suivante.
= round ((somme (comte de l’asthme/Population totale) * 1000), 0)
J’ai décidé d’arrondir le nombre à l’entier le plus proche et pour le taux par habitant à être pour 1 000 habitants.
Si vous regardez le graphique créé avant normalisation intitulé « L’asthme Admittances par secteur de recensement » vous verrez que, pour l’année 2012, recensement des voies 30.01 a le nombre le plus élevé des admittances asthme avec plus de 140 admittances et 12 voies avait seulement environ 25 admittances. Maintenant, si vous regardez le graphique intitulé « L’asthme Admittances par 1000 personnes » vous pouvez clairement voir que 12 voies de recensement est que la zone de vrai problème avec environ 24 accidents pour chaque 1000 personnes et un Tract 30.01 est seulement environ 16 admittances pour 1 000 habitants.
C’est seulement une méthode très généralisée de comment je suis venu avec les données à utiliser dans Plotly. Je crois que j’ai a capable de créer un très bon graphique capable de faire passer son message sans nuire à l’objectif principal que les données sont supposées de transmettre. Si j’étais présente à quelqu'un je créerais aussi plusieurs cartes le le spectateur pourrait avoir une meilleure idée de la situation des secteurs de recensement. Ces graphiques permettant de faciliter le processus d’identification des domaines nécessitant une sorte d’aide, d’assistance ou même conduire à une étude plus ciblée pour trouver la source du problème. J’ai également joint une carte simple pour les données de l’asthme de 2012 afin de visualiser la localisation et la gravité.