💕💕作者：计算机源码社 💕💕个人简介：本人八年开发经验，擅长Java、Python、PHP、.NET、Node.js、Spark、hadoop、Android、微信小程序、爬虫、大数据、机器学习等，大家有这一块的问题可以一起交流！ 💕💕学习资料、程序开发、技术解答、文档报告
1、研究背景
随着医药行业的数字化进程加速，药品研发、生产、流通及临床使用环节产生了海量的多源异构数据。面对日益复杂的药品市场环境，传统的数据库查询与简单的报表展示已经无法满足药企、监管机构及科研人员对药品综合信息的深度洞察需求。医药数据呈现出体量巨大、增长迅速、类型繁杂的特点，其中蕴含着关于药品疗效、市场格局、价格规律以及企业竞争态势的宝贵信息。如何从这些海量、高维的数据中提取有价值的知识，成为了当前医药大数据领域亟待解决的核心问题。基于此背景，开发一套基于大数据的药品综合信息可视化分析系统显得尤为重要。该系统旨在利用大数据分布式计算能力与数据挖掘算法，打破数据孤岛，将晦涩难懂的数据转化为直观的、多维度的可视化图表，从而为药品市场分析、疾病治疗领域研究以及企业战略决策提供科学、高效的数据支撑。
2、研究技术
本系统采用前后端分离的架构设计，后端以Python为核心开发语言，结合大数据生态组件构建了高效的数据处理流水线。数据存储层采用MySQL关系型数据库，用于存储结构化的药品基础信息与业务数据。针对海量数据的离线分析与计算，系统引入了Hadoop分布式文件系统与Spark计算引擎，利用Spark SQL和Spark MLlib进行大规模数据的清洗、聚合与特征工程。在数据挖掘与机器学习层面，系统应用了K-Means聚类算法对剂型与药品进行分群分析，并利用FP-Growth关联规则算法挖掘企业、类别与治疗领域之间的深层关联，同时结合文本相似度算法处理药品描述文本。前端展示层采用Vue.js框架构建单页面应用，结合ECharts可视化库，将后端计算出的复杂数据结果以折线图、柱状图、热力图、矩形树图、散点图及关系网络图等多种形式进行动态渲染，实现了数据的高效交互与直观呈现，满足了用户对药品大数据进行多维探索与深度洞察的需求。
3、系统研究内容
本系统围绕药品综合信息数据的全生命周期展开，构建了从数据采集、存储、清洗、挖掘到可视化展示的一体化分析平台。系统内容涵盖药品市场总览、类别与价格深挖、企业格局与算法洞察以及药品目录数据等多个核心模块。通过对药品类型、剂型、治疗类别、价格区间、企业规模等关键维度的交叉分析，系统全面揭示了药品市场的运行规律。以下为系统核心分析模块的详细说明：
药品类型分布：采用环形图展示现代药与草药的数量占比，直观呈现当前药品市场的宏观结构。
剂型排名 Top20：利用矩形树图展示不同剂型（如片剂、胶囊、注射剂等）的药品数量排名，清晰突显主流剂型的市场主导地位。
治疗类别 Top15：通过横向柱状图展示各类治疗领域（如抗肿瘤、抗生素等）的药品数量，反映不同疾病领域的药物研发与市场供给热度。
价格区间分布：使用直方图展示不同价格区间（如10-50元、50-100元等）的药品数量分布，揭示市场药品的定价集中度。
治疗类别 × 剂型交叉矩阵：结合热力图与矩阵布局，展示不同治疗类别下各种剂型的药品数量分布，深度剖析特定疾病用药的剂型偏好。
剂型均价 Top15：通过条形图对比不同剂型的平均价格，发现高价剂型与常规剂型之间的价格差异。
治疗类别均价 Top15：利用矩形树图展示不同治疗类别的平均价格，识别高价值治疗领域的药品价格特征。
热门通用名 Top15：以横向柱状图列出药品数量最多的通用名，反映临床常用药品的市场集中度。
剂型聚类（品牌数 vs 类别数）：采用散点图展示各剂型在品牌数量与类别数量上的分布，识别剂型市场的竞争格局。
企业排名 Top20：通过柱状图展示药品数量排名前列的企业，直观反映各大药企的市场份额与产品线规模。
企业关联规则（FP-Growth 高 lift）：利用网络图展示企业、药品类别与治疗领域之间的强关联规则，挖掘企业多元化经营与产品组合的内在联系。
企业类别多样性 Top15：通过雷达图展示企业在不同药品类别上的覆盖广度，评估企业的综合研发与市场拓展能力。
文本相似词对散点图（相似度 vs 共现数）：展示词对在文本中的相似度与共现频率分布，用于挖掘药品描述文本中的潜在语义关联。
细分赛道分布 Top25：通过柱状图深入展示更细颗粒度的药品赛道分布，为精准市场定位提供数据依据。
4、系统页面设计
5、参考文献
[1]袁钰洋. 基于大数据分析与故障诊断模型下药品智能生产设备预测性维护策略[J].大众标准化,2026,(1):160-162. [2]单海东,李协翰,陈玉文. 数字技术在药品流通中的应用——以人工智能、大数据分析和物联网为例[J].中国市场,2025,(34):193-196.DOI:10.13939/j.cnki.zgsc.2025.34.048. [3]郭祺瑞,徐剑,张永萍. 贵州省药品生产企业计算机化系统及电子数据管理相关缺陷分析与对策研究[J].中国药业,2025,34(22):7-11. [4]庞敏. 基于大数据分析的药品不良反应监测新模式探索[J].数字通信世界,2025,(10):184-186. [5]张国飞,梁国泉,黄星儒,等. 药品零售企业非现场监管系统构建研究[J].办公自动化,2025,30(19):7-10. [6]孟宪磊,田运佳,魏红立. 利用智慧监管体系保障邢台市药品安全[J].品牌与标准化,2025,(5):246-248. [7]王菁,陈云. 基于大数据分析的食品药品质量溯源方法研究[J].中外食品工业,2025,(16):84-86. [8]张露丹,闫微,刘爽,等. 大数据赋能食品药品检验：应用路径与效能提升分析[J].中外食品工业,2025,(11):37-39. [9]殷淑文. 通过钉钉小程序分析肿瘤医院药品质量数据及对策讨论[J].中国处方药,2024,22(10):66-69. [10]石怀明,曾浩洋,梁国泉,等. 基于数据中台的药品安全舆情数据分析及实现[J].软件导刊,2024,23(2):92-98. [11]高楚淮. 基于改进模糊聚类算法的数据信息分析与预测模型设计[J].电子设计工程,2023,31(16):21-24+30.DOI:10.14022/j.issn1674-6236.2023.16.005. [12]王博飞,顾嘉,柳涛. 天津市药品供应保障大数据监测分析预系统架构设计与实施[J].中国战略新兴产业,2022,(33):127-129. [13]郭海霞. 大数据背景下推进药品检验档案数字化建设的对策分析[J].机构与行政,2022,(10):25-26.DOI:10.13636/j.cnki.jgyxz.2022.10.035. [14]赵先德,唐方方.区块链赋能供应链[M].中国人民大学出版社: 2022. [15]闫志国,宛楠,严迪,等. 基于Scrapy爬取电商药品数据及数据可视化分析处理[J].轻工科技,2021,37(3):98-100. [16]吴文慧,李亮,葛渟,等. 基于大数据的药品安全网络舆情监测系统设计[J].电脑知识与技术,2021,17(5):86-88.DOI:10.14004/j.cnki.ckt.2021.0535. [17]彭心怡. 食品药品投诉的数据挖掘及其监管效率的提升——以湖北省为例[J].市场周刊,2020,33(11):25-27. [18]丁可.基于关联分析的村卫生室信息管理系统的设计与实现[D].重庆三峡学院,2020.DOI:10.27883/d.cnki.gcqsx.2020.000138. [19]李键坤,黄凤英,操寅达,等. 基于RFID的处方药品大数据管理系统设计[J].物联网技术,2020,10(3):61-63.DOI:10.16667/j.issn.2095-1302.2020.03.017. [20]周清萍,周娜,梁毅. 关于数据管理和数据完整性的药品cGMP警告信分析[J].化工与医药工程,2020,41(1):62-68.
6、核心代码
// 3. 治疗类别 Top15 (横向柱状图)
const treatChart = echarts.init(this.$refs.treatmentChart);
treatChart.setOption({
tooltip: { trigger: 'axis', axisPointer: { type: 'shadow' } },
grid: { left: '3%', right: '4%', bottom: '3%', containLabel: true },
xAxis: { type: 'value', boundaryGap: [0, 0.01] },
yAxis: { type: 'category', data: ['Drugs for Osteoarthritis', 'Proton Pump Inhibitor', 'Adjuvant anti-epileptic drugs', 'Second generation cephalosporins', 'Combined antihypertensive preparations'] },
series: [{
name: '药品数量',
type: 'bar',
data: [965, 825, 804, 687, 679],
itemStyle: { color: '#f39c12' }
}]
});
this.charts.push(treatChart);
// 4. 价格区间分布 (直方图)
const priceChart = echarts.init(this.$refs.priceChart);
priceChart.setOption({
tooltip: { trigger: 'axis' },
xAxis: { type: 'category', data: ['10以下', '10-50', '50-100', '100-500', '500以上'] },
yAxis: { type: 'value' },
series: [{
name: '药品数量',
type: 'bar',
data: [7537, 6942, 903, 470, 254],
itemStyle: { color: '#3498db' }
}]
});
this.charts.push(priceChart);
// 5. 企业排名 Top20 (横向柱状图)
const compChart = echarts.init(this.$refs.companyChart);
compChart.setOption({
tooltip: { trigger: 'axis', axisPointer: { type: 'shadow' } },
grid: { left: '3%', right: '4%', bottom: '3%', containLabel: true },
xAxis: { type: 'value' },
yAxis: { type: 'category', data: ['Globe Pharma...', 'Navana Phar...', 'Biopharma L...', 'Ziska Pharma...', 'General Phar...'] },
series: [{
name: '药品数量',
type: 'bar',
data: [1836, 1656, 953, 874, 742],
itemStyle: { color: '#2ecc71' }
}]
});
this.charts.push(compChart);
// 6. 企业关联规则 (关系网络图)
const relChart = echarts.init(this.$refs.relationChart);
relChart.setOption({
tooltip: {},
series: [{
type: 'graph',
layout: 'force',
roam: true,
label: { show: true, position: 'right', formatter: '{b}' },
force: { repulsion: 1000, edgeLength: 200 },
data: [
{ name: 'Combined+Adjuvant', symbolSize: 20, itemStyle: { color: '#e74c3c' } },
{ name: 'Other+Drugs', symbolSize: 20, itemStyle: { color: '#3498db' } },
{ name: 'Herbal+Third', symbolSize: 20, itemStyle: { color: '#2ecc71' } },
{ name: 'Cytotoxic+Combined', symbolSize: 20, itemStyle: { color: '#9b59b6' } }
],
links: [
{ source: 'Combined+Adjuvant', target: 'Other+Drugs' },
{ source: 'Herbal+Third', target: 'Cytotoxic+Combined' }
]
}]
});
this.charts.push(relChart);
},
resizeCharts() {
this.charts.forEach(chart => chart.resize());
}
}
};
</script>
💕💕作者：计算机源码社 💕💕个人简介：本人八年开发经验，擅长Java、Python、PHP、.NET、Node.js、Spark、hadoop、Android、微信小程序、爬虫、大数据、机器学习等，大家有这一块的问题可以一起交流！ 💕💕学习资料、程序开发、技术解答、文档报告
