Astma Admittances av folkräkningen tarmkanalen för 2010, 2011 & 2012
Jag är till yrket GIS Specialist och jag ansvarar för underhållet av en hel del av rumsliga data. De data jag hantera dagligen kan vara relaterat till hälsa, bevarande och fastigheter för att nämna några. Jag har nyligen behandlat statistik för sjukhuset astma admittances och såg ett lämpligt tillfälle att göra min första Instructable. Jag kommer att göra en allmän sammanfattning av min process att få sjukhus astma admittances räknas och priser i ett format till graph.
De data som jag började med var en polygon funktionen klass för alla US Census skrifter inom min län. Dessa polygoner innehöll en tabell som innehöll tarmkanalen numret, totalbefolkningen och greven av astma admittances per folkräkning tarmkanalen för 2010, 2011 och 2012. Jag exporterade tabellen som en CSV-fil så jag kunde importera den till Excel eller ens Plotly. I detta fall beslutade jag att använda Excel.
När jag importerat data till Excel hade jag de tre kolumnerna med data som tidigare har sagt. Detta är alla fina och dandy men om jag var att denna diagramdata det skulle se ut som vissa skrifter hade en högre instans än andra. För att rätta till detta så att det inte blir så missvisande hade jag att göra vad som kallas normalisera data. Jag använde följande formel för att normalisera data i Excel.
= round ((summa (astma Count/totalbefolkningen) * 1000), 0)
Jag bestämde mig att runda räkningen till närmaste heltal och för som per capita att vara per 1000 personer.
Om man tittar på hade grafen skapats före normalisering med titeln "Astma Admittances av folkräkningen tarmkanalen" ser du att folkräkningen tarmkanalen 30.01 för år 2012 har det högsta antalet i astma admittances med över 140 admittances och tarmkanalen 12 endast ca 25 admittances. Nu, om man tittar på grafen med titeln "Astma Admittances Per 1000 människor" kan du tydligt se att folkräkningen tarmkanalen 12 är sann problemområdet med cirka 24 händelser för varje 1000 personer och tarmkanalen 30.01 är endast omkring 16 admittances per 1000 personer.
Detta är endast en mycket generell metod för hur jag kom upp med data för att använda i Plotly. Jag tror jag kan skapa ett bra diagram som kan få den punkt över utan att förringa den huvudfokus som data ska förmedla. Om jag var att presentera detta för någon jag också skulle skapa flera mappningar att betraktaren skulle få en bättre uppfattning av platsen för folkräkningen skrifter. Dessa diagram skulle användas till stöd i processen för att identifiera områden som behöver någon form av stöd, hjälp eller även leda till en mer fokuserad undersökning för att hitta källan till problemet. Jag bifogade även en enkel karta för 2012 astma Data att visualisera platserna och svårighetsgraden.