You see the end of the text, you will not be disappointed
Since this month, I believe most people told me the same: open the phone first thing in the morning is to look at the latest news about the epidemic, see today there is no new number, the new number. Seeing data from dozens of developing a fast start to the current 8W, gradually the data in our eyes just a string of numbers.
We from the numbers, the news can be seen inside the seriousness of it, but if we carefully observe each patient experience through digital, the real extent of the brutality always be beyond our knowledge. Among them, the microblogging "help patients with pneumonia," the callers experience on the super-words, is a microcosm of this tragic extent of the epidemic.
In the end who will "microblogging super words" the original Starchaser gathering to help it? Whether they have been helped? Help to get help from, what they have experienced, such as how long?
A, Python crawling
How these data? It is certainly only be obtained by python reptile (the premise is not to get something else, otherwise ....), the specific process I will not go into here, there is a need to see the end of the text can be self-created.
We get the microblogging "Pneumonia help" 1055 help information on over words (Time nodes: in 2020 at 23:20 on February days), and the situation when the patient these for help for help, whether the aid to give aid time information such as a further consolidation of data, data 638 obtained remove duplicate data to answer these questions.
Second, how analysis
python can analyze the data it? absolutely okay!
In fact, the language of the entry of this pseudo-code nature of Python is not difficult, but to go in depth is not a simple matter, and it can not encrypt the Python language, but the domestic market is purely software sold to customers by writing fewer and fewer sites and mobile applications do not need the source code to customers, so this problem is a problem.
Can anything python and combine it? So I think the BI tool!
BI tools, it is simple to use, flexible and efficient, especially agile BI, is no code modeling. For example, FineBI agility and other self-help tools, fool-style operation is very suitable for the present data analysis start with white, even master this programming language R, is also very suitable used to do analysis tools.
关于FineBI，可能很多小伙伴或多或少了解过这款BI工具，这是目前市面上应用最为广泛的自助式BI工具之一，类似于国外的Tableau等BI分析工具，但FineBI在协同配合，数据权限上，能更好的解决国内企业的情况。
- 你可以把它视作为可视化工具，因为它里面自带几十种常用图表，以及动态效果
- 你也可以把它作为报表工具，因为它能接入各种OA、ERP、CRM等系统数据，各种数据库简直毫无压力，不写代码不写SQL就能批量化做报表
- 你还可以把它看作数据分析工具，其内置等常见的数据分析模型、以及各式图表，可以借助FineBI做一些探索性的分析
有了这一款工具之后，IT部门只需要将数据按照业务模块分类准备好，业务部门即可在浏览器前端通过鼠标点击拖拽操作，就能得到自己想要的数据分析结果。
三、数据可视化结果
以下所有都是为FineBI分析，我从开始做到结束，只用了3分钟的样子，自带ETL，就是这么快！
1、哪些天求助的人最多？
可以看到，2月4日到2月7日为这些患者集中在网上求助的时间，其中求助最多的是在2月5日。这个时间刚好跟爆发的数据相吻合。
新增确诊趋势
2、哪些人在微博求助？
在全国的救助力量都投入到一个地区之后，到底是哪些人会采用“微博”这个社交平台，并且在“微博超话”这个粉丝们用来追星的地方来进行救助呢？
我们对求助患者的年龄进行了统计，发现50岁以上的中老年人占了绝大多数的比例（81.9%）。
图片来自于网络
在微博上求助的人，更倾向于年龄大的患者。然而，年龄大的患者怎么会在微博超话上求助呢？我们对求助患者的信息进行统计，发现只有3.4%的求助信息是患者本人通过微博发出来的，有95.3%的求助信息都是别人代发的。
也就是说，这些老人因为信息不通畅、行动不方便等原因，只能由小辈帮忙发求助信息。
3、求助者多为重症患者，且带有基础疾病
他们在求助时的自身状况如何呢？我们从求助信息中提取出了这些求助者所描述的病症。
可以看到，“发烧”、“呼吸困难”、“咳嗽”、“乏力”、“胸闷”、“腹泻”、“呕吐”等都属于高频词汇，其中求助信息中出现“呼吸困难”症状的患者占了35.8%，有呼吸问题的患者占了48.2%。
这说明微博上的这些求助者多是危重症患者。另外，从这些患者的救助信息中可知，有21.1%的患者还带有“高血压”、“糖尿病”、“心脏病”、“冠心病”、“肾衰竭”等基础疾病。
4、他们等了多久？
从之前的察觉患病到最终获救，总共平均的时间是13天。
在这13天里，患者们以及患者的家人们到底经历了什么样寻求治疗的过程，遇到了多少的碰壁最后才得到救助呢？几乎每份求助信息中的患者“病情描述”都可以告诉我们答案。我们把患者的描述制作成了词云图，里面的每一个字，都写满了沉重和无奈。
5、是否每位求助者都得到了帮助？
在微博上求助的效果怎么样呢？从转发效果上看，即使有40%的微博求助者，其微博的粉丝数都小于50人，甚至有21.4%的求助者是为了求助刚注册了微博的微博新人，仍然有57.2%的微博获得了超过10次以上的转发，有30%的微博获得了超过50次的转发。
然而，最终这些求助者是否获取到了救助，才是救助的最终意义。根据我们的统计发现，只有26.5%的求助者最终在微博上反馈得到了救助。
所以，并不是每一位微博求助者都幸运地得到了帮助。由于病情的发展，一部分患者在没有等到救助之前，便凋零了。
四、总结
以上便是这些微博求助者在微博上求助的经历。这些数据背后的每一位救助者，都是承受者，他们是每一位平凡普通的人，他们有的等来了救助，有的没有。
