编程语言在中医药数据分析中的应用(2)

2.3 Matplotlib

Matplotlib是一个Python的2D绘图库，具备非常强大的绘图功能，可以绘制线图、等高线图、条形图、直方图、功率谱、误差图、散点图、3D图形甚至是图形动画等，绘制出的图形质量级别较高。Matplotlib最新的稳定版本为3.1.1，其具备跨平台特性，可用于Python脚本、IPython Shell、Jupyter以及Web应用程序。

在实际应用中，Matplotlib通过bar、plot、subplot、legend、scatter、table、imshow、hist等函数绘制各类图形，官网绘图示例如图1所示。

3 Python编程语言在中医药数据分析中的相关应用

数据挖掘技术在中医药领域已经得到了广泛应用。中医药数据分析与挖掘常用的方法有频数统计分析、关联规则分析、聚类分析等。在中医药数据分析与挖掘过程中，对于研究样本，常常涉及中药四气五味、性味归经、药物功效、药物分类以及中药用药频次的频数统计分析。为了传承名老中医诊疗治病经验，探索名老中医用药规律，研究人员通常以频次统计为基础，结合关联规则分析、聚类分析方法，以发现名老中医诊疗相关疾病的核心处方。

基于Python编程语言中的NumPy、Pandas扩展库可以完成基本的中医药数据频数统计分析，借助Github上托管的Apriori算法、K-means算法源代码完成关联规则与聚类分析，通过Matplotlib将数据统计分析结果以图表的方式呈现出来，借助Python可以快速的进行中医药数据分析。

随着人工智能技术的发展，Python扩展库中已经涌现了以谷歌为代表的TensorFlow和以Facebook为代表的PyTorch两种深度学习框架。TensorFlow现已被各类公司、企业与创业公司广泛用于自动化工作任务和开发新系统，其在分布式训练支持、可扩展的生产和部署选项支持方面备受好评。PyTorch简洁、易于使用、支持动态计算图且内存使用高效，因此越来越受欢迎。随着技术的不断进步，期待中医药插上人工智能翅膀，利用深度学习技术进一步挖掘名老中医诊疗经验，为中医药发展提供技术支撑。

4 结束语

综上所述，Python语言是一种简洁、效率高且易于维护的编程语言。结合NumPy、Pandas、Matplotlib可为科学计算、数据分析结果绘图提供技术支撑。基于Python编程语言开发包含频数统计分析、关联规则分析、聚类分析的中医药数据分析应用，有着类库丰富、操作简单、跨平台、维护简单等优势。随着TensorFlow与PyTorch的不断发展与完善，Python编程在中医药数据分心中的功能将更加强大。

[1]王清平.基于Python的气象自动站数据解码与显示[C].气象通信与信息技术委员会、国家气象信息中心.第31届中国气象学会年会S13气象通信与信息技术应用实践与新技术探索.气象通信与信息技术委员会、国家气象信息中心:中国气象学会,2014:342-347.

[2]欧阳海燕.互联网舆情监测系统的设计与实现[D].湖南大学,2014.

[3]赵国磊.基于ARCGIS、PYTHON的证据加权回归模型及其海底资源评价应用[D].吉林大学,2009.

[4]MckinneyW.利用PYTHON进行数据分析[M].机械工业出版社,2014.

[5]刘美秀.丁甘仁治疗外感热病学术思想及临证经验研究[D].南京中医药大学,2014.

谢佳东(1990-)，男，江苏省盐城市人。助理实验师。主要研究方向为中医药信息与大数据分析研究。

本文主要介绍了Python编程语言及其特点，分析对比了Python与常用的强类型编程语言Java、C#等编程语言的相同与不同之处，梳理了Python编程语言中常用的编程技术以及应用框架，初步探讨了如何利用Python编程语言进行中医药数据分析工作，总结性的分析了Python编程语言在中医药数据分析中的应用前景，详细阐述了Python编程语言在中医药数据分析中优势与不足，旨在为Python编写中医药数据分析软件提供一些实际应用设计思路。

近年来，Python编程语言已经成为最受欢迎的程序设计语言之一。自2004年起Python的使用率呈线性增长，不断受到编程者的欢迎和喜爱。2010年，Python荣膺TIOBE 2010年度语言桂冠；2017年，IEEE Spectrum发布的2017年度编程语言排行榜中，Python位居第1位。2018年至今，Python在TIOBE编程语言排行榜始终保持较好的发展态势，稳居前五。Python是一种面向对象、解释型计算机程序设计语言，语法简洁而清晰。Python编程语言基于ABC教学语言，且避免了ABC不够开放的劣势，加强了Python和其他语言如C、C++和Java的结合性，具有丰富和强大的类库，能够把其他编程语言设计的各种模块（尤其是C、C++）轻松地联结在一起，因此Python常常被称为胶水语言。自从20世纪90年代初Python语言诞生至今，它逐渐被广泛应用于系统任务管理、Web应用程序编程与数据挖掘分析。1 Python编程语言概述Python是一种面向对象、解释型的脚本语言，同时也是一种功能强大而完善的通用型语言，在可移植性、可扩展性、简单易学等方面具有一定优势。Python作为一门解释型高级语言，因此它具有解释型语言的运行机制，天生具备跨平台特性，客户端平台只需提供Python解释器即可运行Python应用程序。Python可扩展性体现为丰富而强大的类库，这些类库提供的功能覆盖了网络编程、文件I/O、数据库访问、数据挖掘、机器学习以及深度学习等应用场景。Python相比Java等其他编程语言，Python编写的代码简单易读，可操作性强。Python作为解释型编程语言，与C、C++、Java等编译型高级语言相比，除了上述优点之外，在运行速度、源代码保护等方面具有一定弱势。目前，Python主要分为两个版本，即Python 2何Python 3，和Python 2版本相比，Python3版本在语句输出、编码、运算和异常等方面做出了一些调整与改进，导致Python 3不一定向下兼容Python 2扩展库，当然这一问题随着时间推进，扩展库版本不断迭代，已经大幅改善，基本都支持Python 3。本文着重介绍的NumPy、Pandas以及Matplotlib可算计算与会图库已完全支持Python 3。2 Python编程语言中常用的数据分析扩展程序Python编程语言具有系统而丰富的功能扩展库，其中最为经典的科学计算与数据分析扩展库主要包括NumPy、Pandas和Matplotlib，它们分别为Python提供了快速数组处理、数值运算以及绘图等功能。图1：Matplotlib官网绘图示例2.1 NumPyNumPy命名的灵感来源于Numerical和Python两个单词，顾名思义NumPy是使用Python进行科学计算的基础软件包，可以替代MATLAB执行数值积分、微分、内插、外推等数学任务。NumPy主要包含N维数组对象、精密广播功能函数、强大的线性代数与随机数功能，提供了大量的库函数和操作，可以帮助软件开发人员、数据科学家轻松地进行数值计算。在实际应用中，NumPy最重要的一个特点是其N维数组对象ndarray进行复杂的科学计算，它是用于存放同类型元素的多维数组，每个元素在内存中都有相同存储大小的区域，以0为开始下标标记集合中元素的位置索引。ndarray对象可以通过索引或切片来访问和修改内容，与Python中列表（list）的切片操作类似。ndarray数组对象可以通过slice函数，并设置start、stop及step参数，从原数组中切割出一个新的数组对 PandasPandas是开放源代码且采用BSD许可的Python扩展库，为Python编程语言提供高性能、易于使用的数据结构和数据分析工具。Pandas基于Numpy提供的高性能矩阵运算，构建了强大的结构化数据分析工具集，有效的提高了数据清洗、数据挖掘和数据分析应用效率。在实际应用中，Pandas的核心组件主要包括DataFrame与Series两个部分。DateFrame是Pandas中的一个表格型的数据结构，包含有一组有序的列，每列可以是不同的值类型，包括数值、字符串、布尔型等。DataFrame即有行索引也有列索引，可以认为其是由Series组成的字典。Series是一种类似于一维数组的对象，是由一组数据以及一组与之相关的数据标签组成。将Pandas中DataFrame与NumPy中的ndarrya有效结合，可极大地提升科学计算效率 MatplotlibMatplotlib是一个Python的2D绘图库，具备非常强大的绘图功能，可以绘制线图、等高线图、条形图、直方图、功率谱、误差图、散点图、3D图形甚至是图形动画等，绘制出的图形质量级别较高。Matplotlib最新的稳定版本为3.1.1，其具备跨平台特性，可用于Python脚本、IPython Shell、Jupyter以及Web应用程序。在实际应用中，Matplotlib通过bar、plot、subplot、legend、scatter、table、imshow、hist等函数绘制各类图形，官网绘图示例如图1所示。3 Python编程语言在中医药数据分析中的相关应用数据挖掘技术在中医药领域已经得到了广泛应用。中医药数据分析与挖掘常用的方法有频数统计分析、关联规则分析、聚类分析等。在中医药数据分析与挖掘过程中，对于研究样本，常常涉及中药四气五味、性味归经、药物功效、药物分类以及中药用药频次的频数统计分析。为了传承名老中医诊疗治病经验，探索名老中医用药规律，研究人员通常以频次统计为基础，结合关联规则分析、聚类分析方法，以发现名老中医诊疗相关疾病的核心处方。基于Python编程语言中的NumPy、Pandas扩展库可以完成基本的中医药数据频数统计分析，借助Github上托管的Apriori算法、K-means算法源代码完成关联规则与聚类分析，通过Matplotlib将数据统计分析结果以图表的方式呈现出来，借助Python可以快速的进行中医药数据分析。随着人工智能技术的发展，Python扩展库中已经涌现了以谷歌为代表的TensorFlow和以Facebook为代表的PyTorch两种深度学习框架。TensorFlow现已被各类公司、企业与创业公司广泛用于自动化工作任务和开发新系统，其在分布式训练支持、可扩展的生产和部署选项支持方面备受好评。PyTorch简洁、易于使用、支持动态计算图且内存使用高效，因此越来越受欢迎。随着技术的不断进步，期待中医药插上人工智能翅膀，利用深度学习技术进一步挖掘名老中医诊疗经验，为中医药发展提供技术支撑。4 结束语综上所述，Python语言是一种简洁、效率高且易于维护的编程语言。结合NumPy、Pandas、Matplotlib可为科学计算、数据分析结果绘图提供技术支撑。基于Python编程语言开发包含频数统计分析、关联规则分析、聚类分析的中医药数据分析应用，有着类库丰富、操作简单、跨平台、维护简单等优势。随着TensorFlow与PyTorch的不断发展与完善，Python编程在中医药数据分心中的功能将更加强大。参考文献[1]王清平.基于Python的气象自动站数据解码与显示[C].气象通信与信息技术委员会、国家气象信息中心.第31届中国气象学会年会S13气象通信与信息技术应用实践与新技术探索.气象通信与信息技术委员会、国家气象信息中心:中国气象学会,2014:342-347.[2]欧阳海燕.互联网舆情监测系统的设计与实现[D].湖南大学,2014.[3]赵国磊.基于ARCGIS、PYTHON的证据加权回归模型及其海底资源评价应用[D].吉林大学,2009.[4]MckinneyW.利用PYTHON进行数据分析[M].机械工业出版社,2014.[5]刘美秀.丁甘仁治疗外感热病学术思想及临证经验研究[D].南京中医药大学,2014.

文章来源：《新疆中医药》 网址: http://www.xjzyyzz.cn/qikandaodu/2021/0514/1281.html