虽然现在看着不像，但是我小时候确实很少生病，小孩子活泼好动，每天东奔西跑、蹦蹦跳跳，热衷于电视里的武侠剧，于是我爸见我骨骼惊奇，便还送我去练了一年武术。
直到上了高中后，学习压力巨增，在教室里一坐坐一天，又因为缺少锻炼。
我变成了一个体胖多病的人。
对此，我感到忧心忡忡。
上周的感冒折磨了我好几天，直到这周才好起来，于是我想，干他的，为什么我不能搞搞它。
众所周知，网上有大量的医疗网站，例如丁香医生，春雨医生，快速问医生，平安好医生等等，大量的群众每天怀疑自己这出了问题那出了问题，就跑到网上去问医生，这些医生也都很好， 基本都会耐心的解答。
这些问答，大多是由平台隐藏隐私信息后，放出来作为公开内容供所有患者查看和参考，那么，爬取这些数据，就可以从一个前所未有的角度建立一个中国人的疾病统计，或者『自以为自己得病』的大数据库，这里面宝贵的不仅仅是臆想自己生病或真正生病的患者的真实感受，还有无数医生的认真回答。
然后三天就过去了。
简单来说，我花了两个晚上写了一个稳定的爬虫，跑了三天后爬取了部分网络医疗平台的近130万条公开内容，又花了一个晚上写了一个速度能看过去的分析工具，然后趁着周末变着法儿的调教这些数据。
最后，几天的努力没有白费，这次分析遇到的无论是技术上的坑还是最后得出的结论，都让我非常满足。
首先来看看我们的数据
在写这篇文章前，我在知网上面搜了一下，中国的医疗数据既分散，又不均匀，医疗数据相关的论文，数据来源大都是某个医院或某座城市的卫生统计局，这些数据当然权威，但是数量级过小，且往往都是比较严重的情况，例如住院，手术等等。
一个感觉到头重脚轻的男青年，去诊所，和医生谈了两句后就拿了一盒感冒冲剂回家，这种情况是很难被大机构统计到的，而这正是我感兴趣的，疾病应防患于未然，倘若他在未来的一天因为更严重的疾病住院治疗，那么，早些时候的征兆就已是引起警惕的信号了。
因为公开数据中没有地理位置信息，所以如果能统计出各地区的高发疾病，应该是比较有意思的。
首先我统计了男女比例，没想到女性比男性多出了12%，女性人数共728412人，男性人数共574568人
不能说女性更容易生病，但至少可以说明，女性更容易觉得自己生病了。这其实说的通，许多男的生病了往往觉得硬撑几天就没事了，而女性则会更加重视，更加重视不仅反映在去网上求助医生，我总觉得这也反映在寿命上：
接下来再看一下年龄分布
大病不会在网上问医生，直接就去医院了，因此，在排除大病后，这个年龄分布体现出了年轻人『小病小痛』不断的特点，年轻人们总是要忙于上班，甚至连医院都不敢去，于是更多的在网上问问医生。
接下来，我用 python结合jieba分词工具写了一个词频分析器，它的不同之处在于，并不是直接分词然后统计词频，而是可以自定义字典，只统计指定字典内的词语的词频，使用这个词频分析器配合语料库，就能统计出许多有意思的东西。
例如，我把所有药品名称做成了一个字典，然后就得到了，医生最常推荐的药Top30：
看来大部分群众没有什么太大的问题，医生推荐最多的是吃点维生素就好了。有兴趣的话，不妨看看这些药的功效，结合自己的身体情况，在家中常备一些，在遵医嘱的情况下使用，例如我就常备三九感冒冲剂，平时感冒头疼，一般一包就可以解决问题。
我在网上也找了中药的语料库，虽然我不怎么相信中药，但我还是挺好奇哪些药材会比较受欢迎，这些最受欢迎的药又能组成什么药方。
上百度查了一下TOP3，发现有个羊肉生地黄汤，有条件的可以熬一下试试。
既然中药统计了，那索性把穴位也统计一下吧
这是130万医生回答中最常推荐的按摩穴位，有兴趣的可以揉揉，看能不能打通任督二脉。
当然，这些都不是我最关心的问题，作为一个二十多岁的人，我想知道，和我一个年龄的人，被什么病痛折磨的最多，几年后，我就会变成一个三十多岁的人，那时候又应该注意点什么，因此，我按照年龄，20岁以下，20-30岁，30-40岁，40-60岁以及60岁以上，每个年龄区间都有数十万患者对困扰自己的病痛提出疑问，通过关键词提取，我得以一探不同年龄最易得的病症，我把他们都做成了词云图：
20岁以下
20-30岁
30-40岁
40-60岁
60岁以上
这几张图的变化过程非常有趣，20岁以下，让我有点震惊的是提及频率最高的问题竟然是”怀孕”,除此之外的困扰只是一些感冒头疼咳嗽，间或面临青春期的生理烦恼, 20岁到30岁，猛然多出了一个流产，还有许多新增加的问题，例如白癜风，阴道炎等等，30过后，高血压和糖尿病出现了，40以后依然如此，糖尿病和高血压出现的频率变很高，性的问题逐渐消失，这可能也是一种成长吧，到了60以上，一些沉重的词开始出现，脑梗塞，动脉硬化，冠心病，痛风等等。
我还发现了一些有趣的现象，每个年龄段都频繁出现了”出血”这个词，虽然出血不是一种疾病，但是很多病会伴随有出血的症状。除此之外，脱发这个问题，在30-40岁这个区间中的提及率最高，40以上反而降低了，我猜想这可能是因为人一旦上了年纪，对很多事就并没有那么在意了。
总的来说，作为一个20多岁的人，我要注意的就是洁身自好，预防感冒，家中常备维生素，阿莫西林，红霉素软膏，甲硝锉和布洛芬。如果和人打架，就先打太阳穴，再抡迎香穴，不行的话再踹一下关元穴，这样应该就够了。
本次分析的项目代码全部都已经放到了github上，有兴趣的可以clone下来跑一下试试，项目地址：https://github.com/yeshang5/disease_scanner.git
