文章来源丨超级王登科（ID：greatdk）
作者丨DK本人
头图丨视觉中国
虽然现在看着不像，但我在幼儿园时期确实是个体弱多病的人，直到十岁，小学四年级之后，一切才有了改变
我变成了一个体胖多病的人。
初中之后情况好了一些，胖和多病都有了缓解，但即便到现在，每次生病我依然会怀疑自己会不会病死，并对我想到这个问题感到忧心忡忡。
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，例如春雨医生，丁香医生，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，例如我在丁香医生就问过好几个问题（已过滤敏感词）：
这些问答，往往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3天就过去了。
简单来说，我花了一个晚上写了一个稳定的爬虫，爬取了150万条公开医疗问答（非莆田系，正经的那种），又花了一个晚上用python 和 jieba 写了一个速度能看过去的分析工具，然后用第三个晚上变着法儿的调教这些数据。
在此，我极力克制自己想写技术文章的冲动（具体的技术细则我会另写一篇文章，获取方式见文末）。总之，这次分析遇到的有趣或无趣的技术坑和最后得出的结论一样，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，去医院，和医生谈了两句后就拿了一盒布洛芬回家，这种情况是很难被大机构统计到的，而这正是我感兴趣的，风起青萍之末，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。
首先我统计了男女比例，没想到女性比男性多出了7%
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，我总觉得这可能多少也反映在寿命上：
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 jieba 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，其实这本来不用 jieba 就能实现，但我测试了一下，发现效率差不多(2.7M/s)，就直接用了。
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Top 20（咦，为什么没有我最爱的布洛芬）：
如果你感兴趣的话，我可以把后面的也发出来（这下有布洛芬了）：
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，例如我就常备布洛芬，平时感冒头疼，一般一粒就可以退烧。
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。
搜了一下，好像也没找到这种药，不过感觉全放进去应该会很难喝。
既然中药统计了，那索性把穴位也统计一下吧：
这是150万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：
这几张图的变化过程非常有趣。20岁以下，身体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，例如前列腺炎，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，性的问题逐渐消失，这可能也是一种成长，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，中风等等
我还发现了一个有趣的现象，脱发这个问题，在20~30岁这个区间中的提及率最高，30以上反而降低了50%，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，家中常备葡萄糖可口可乐，红霉素，甲硝锉，布洛芬和大蒜。如果和人打架，就先打中枢穴，再脚踢膝关穴，不行的话再抡一下太阳穴，这样应该就够了。
生病是非常痛苦的，但健康时候总觉得生病是个很遥远的事情，其实生病一点都不远，稍有不注意，你就可能为上面的词云图增加一个新词。上面的图中都有出血两个字，出血并不是一种病，但很多病都会引起出血，我们常常在生活中说这次钱包大出血了什么的，但没准你可能真的就出血了。
据说古代药店门口要挂“只求世上人无病，不怕架上药生尘”的对联，这个对联很美好，但人无病哪里是能够求来的，好的生活习惯，重视健康问题，才能真正无病。
关于本文使用的代码，遇到的坑，数据等，我会另写一篇，在我的公众号内（扫描下面的二维码）回复“要健康”查看。