程序员可以为疫苗事件做什么-14个小时长春长生卖到了哪里去

先为可能不了解的朋友简单回顾下疫苗事件

·     7 月 15 日 药监局发现长春生产的狂犬疫苗出了问题。没收了 GMP 证书

·     7 月 20 日 长春生产的百白破联合疫苗被查出不符合规定，但已有大批被销出且使用。

这家药企的历史背景更是劣迹斑斑，详情请自行查阅 <疫苗之王>且这次事件反映出的不仅是这一家，还有长生生物、武汉生物、江苏延申、深圳康泰、民海生物等，更反映出了整个疫苗产业背后监管治理的问题和阴暗面。

事发后各界反响热烈，小编的朋友圈一直在被刷屏。昨天，v2ex上出现了一篇，“我花了14个小时找了一下长春长生们究竟卖到了哪里去” 的文章引起热议，作者wstart在用Data mining试图找出受问题疫苗影响比较大的地区供大家参考，下面就来看下他的原文过程和 github 欢迎大家关注讨论。https://github.com/fuckcqcs

*以下转自v2ex，小编保持中立立场

数据采集源

采集关键词

省名第二类疫苗采购

·       省名第二类疫苗公示

·       省名第二类疫苗产品及价格

·       省名第二类疫苗供应商

·       省名第二类疫苗中标目录

·       省名第二类疫苗参考价

·       省名第二类疫苗入围结果

采集结果整理如下

·       北京市，来源:北京市 2018-2019 年免疫规划用第二类疫苗采购项目

·       天津市，来源:天津市 2018-2020 年第二类疫苗集中采购项目拟中标 /拟中选结果

·       上海市，来源:2018 年度上海市第二类疫苗集团采购项目中标目录

·       重庆市，来源:重庆市第二类疫苗供应商入围采购-采购结果预公示

·       河北省，来源:河北省疾病预防控制中心 2018 年度第二类疫苗省级集中采购项目中标公告

·       山西省，来源:2018 年度山西省第二类疫苗集中采购入围企业产品及价格

·       辽宁省，来源:辽宁省第二类疫苗平台招标采购公告

·       吉林省，来源:2017 年度吉林省第二类疫苗集中采购企业产品议价结果名单

·       黑龙江省，来源:黑龙江省 2018 年第二类疫苗挂网采购中标企业产品及价格审核结果

·       江苏省，来源:江苏省第二类疫苗集中采购中标产品(这个还花了我 19.9 在百度文库买的，艹)

·       浙江省，来源:浙江省 2018 年第二类疫苗中标目录

·       安徽省，来源:安徽省 2018 年第二类疫苗集中采购目录

·       福建省，来源:福建省 2018 年第二类疫苗集中采购目录_湄洲岛

·       江西省，来源:1228 江西省 2018 年度第二类疫苗入围品种目录

·       山东省，「找不到」

·       河南省，来源:2017 年河南省二类疫苗供应商入围资格采购项目中标结果公告

·       湖北省，来源:2017 年湖北省第二类疫苗集中采购成交产品

·       湖南省，来源:湖南省第二类疫苗集中采购文件

·       广东省，来源:2018 年度广东省第二类疫苗成交品种目录

·       海南省，来源:海南省第二类疫苗品种目录（第一批）

·       四川省，来源:2017 年度第二类疫苗挂网阳光采购结果

·       贵州省，来源:贵州省第二类疫苗集中采购报价解密结果

·       云南省，来源:云南省疾病预防控制中心二类疫苗公开招标入围项目入围公告

·       陕西省，来源:陕西省 2018 年二类疫苗集中采购项目入围供应商磋商结果

·       甘肃省，来源:甘肃省第二类疫苗供应资格采购项目中标公示

·       青海省，来源:所有的第二类的价格信息全部转到:223.220.250.135:8038 无法查看

·       台湾省，暂无

·       内蒙古自治区，2018 年内蒙古自治区第二类疫苗集中采购入围企业产品及价格

·       广西壮族自治区，2017 年度广西壮族自治区第二类疫苗直接挂网采购拟入围产品目录（电子版）

·       西藏自治区，实在找不到

·       宁夏回族自治区，2016 年宁夏回族自治区第二类疫苗公开招标预中标结果

·       新疆维吾尔自治区，《自治区 2017 年第二类疫苗入围品种及价格目录》20170828.xls

·       香港特别行政区，暂无

·       澳门特别行政区，暂无

综上，除去港澳台，山东，青海以及西藏以外，只拿到了 30 个省级行政区的二类疫苗数据公示情况单单是去检索，下载的过程，就足足花了 7 个多小时。作为政府需要公示的数据，没想到获取的过程这么困难和艰辛。

·       某些政府网站先登录才可以下载

·       有些政府网站被菠菜了

·       搜索框有，但是没得按

·       有些只有图片

·       有些只在公告出现过

·       找不到信息的有

·       山东省，只看到新闻说建了可追溯的展示平台，不知道怎么追。。

·       青海省，所有的第二类的价格信息全部转到:223.220.250.135:8038 无法查看

·       西藏，神秘的力量导致无法搜索

如图,最终获取到 27 个省份的数据

数据整理

由于不是专业的医药人士，所以统一把数据整理成以下的 csv 格式，

各项含义如下：

·     通用名 ：药名 ->name

·     来源：国产 /进口 -> src

·     生产企业 ->create_company

·     申报企业：如果为空再填充为生产企业 ->report_company

·     省 ->prov

·     中标年份 ->year

又因为整理非 XLS 的文件消耗大量的时间

暂时也得先延后，先把成型的数据集提取

数据分析

直接采用 pandas+echart 进行处理，首先把所有的 csv 整合，共有 1529 条数据，对所有的生成企业进行统计分析。

也就是说，绝大多的数的药，都被大厂垄断。我们输出前 10 个看看

生产厂家 | 数量 —|— 北京科兴生物制品有限公司|98 长春长生生物科技有限责任公司| 91 华兰生物疫苗有限公司|72 玉溪沃森生物技术有限公司|57 上海生物制品研究所有限责任公司|56 大连雅立峰生物制药有限公司|51 长春生物制品研究所有限责任公司|50 华北制药金坦生物技术股份有限公司|46辽宁成大生物股份有限公司|44 北京智飞绿竹生物制药有限公司|43

长春长生位列第二。

我们再来看看各个省份中，长春长生等占据的百分比