python数据分析案例,心脏病预测
python数据分析案例，⼼脏病预测
⼼脏病是⼀类⽐较常见的循环系统疾病。它作为全球第⼀⼤杀⼿，是我们不得不提前防御的疾病。我从kaggle上下载了⼀份⼼脏病数据集，利⽤python出⼀些规律，看下哪些特征对于确诊⼼脏病影响⽐较⼤，从⽽提醒我们注意平时的⽣活规律。
导⼊数据集
import pandas as pd
data = pd.read_csv('heart.csv')
如何做数据分析
data.head()
我们可以看到以下数据：
下⾯对字段进⾏介绍：
age: 该朋友的年龄
sex: 该朋友的性别 (1 = 男性, 0 = ⼥性)
cp: 经历过的胸痛类型（值1：典型⼼绞痛，值2：⾮典型性⼼绞痛，值3：⾮⼼绞痛，值0：⽆症状）
trestbps: 该朋友的静息⾎压（⼊院时的毫⽶汞柱）
chol: 该朋友的胆固醇测量值，单位 ：mg/dl
fbs: ⼈的空腹⾎糖（> 120 mg/dl，1=真；0=假）
restecg: 静息⼼电图测量（0=正常，1=患有ST-T波异常，2=根据Estes的标准显⽰可能或确定的左⼼室肥⼤）
thalach: 这朋友达到的最⼤⼼率
exang: 运动引起的⼼绞痛（1=有过；0=没有）
oldpeak: ST抑制，由运动引起的相对于休息引起的
slope: 最⾼运动ST段的斜率（值0：上坡，值1：平坦，值2：下坡）
ca: 萤光显⾊的主要⾎管数⽬（0-4）
thal: ⼀种称为地中海贫⾎的⾎液疾病（1=正常；2=固定缺陷；3=可逆缺陷）
target: ⼼脏病（0=否，1=是）
这份数据集⾥⾯记录的都是⽣理的特征及指标，我们可以根据这些特征，来反向关注⽣活习惯。⽐如胆固醇，蛋黄、猪肝都是引起胆固醇过⾼的⾷物。
下⾯就是数据预处理步骤了
⾸先对数据进⾏⼀个描述
data.info()
通过描述我们发现数据并没有缺失，因此我们不需要做缺失值处理。每个字段有303个数据。
对数据进⾏⼀个统计描述：
data.describe()
观察上⾯的数据，我们可以看到平均年龄在54岁左右，最⼩的29岁，最⼤的77岁；性别的均值为0.683168，通过这个均值可以发现男性的数据是多于⼥性的。
数据分析
我们对患病、未患病，男性、⼥性占⽐进⾏了⼀个分析：
countNoDisease = len(data[data.target == 0])
countHaveDisease = len(data[data.target == 1])
countfemale = len(data[data.sex == 0])
countmale = len(data[data.sex == 1])
print(f'没患病⼈数:{countNoDisease }',end=' ,')
print("没有得⼼脏病⽐率: {:.2f}%".format((countNoDisease / (len(data.target))*100)))
print(f'有患病⼈数:{countHaveDisease }',end=' ,')
print("患有⼼脏病⽐率: {:.2f}%".format((countHaveDisease / (len(data.target))*100)))
print(f'⼥性⼈数:{countfemale }',end=' ,')
print("⼥性⽐例: {:.2f}%".format((countfemale / (len(data.sex))*100)))
print(f'男性⼈数:{countmale }',end=' ,')
print("男性⽐例: {:.2f}%".format((countmale / (len(data.sex))*100)))
得出患⼼脏病的⼈数为138，未患⼼脏病⼈数为165，⼥性⼈数为96，男性⼈数为207，为了看得更加直观，我画了两个饼图，使⽤的是matplotlib+seaborn。
import matplotlib.pyplot as plt
import seaborn as sns
%matplotlib inline
#创建⼀个画布
fig = plt.figure(figsize=(6,6))
a = [138, 165]
b = [207, 96]
label1 = ['没患病⼈数','患病⼈数']
label2 = ['男性','⼥性']
#间隔
explode=(0,0.1)
#颜⾊
colors = ['#6c5ce7','#81ecec']
plt.pie(a,labels=label1, explode=explode ,colors=colors, autopct='%1.1f%%',shadow=False,startangle=150)
plt.show()
fig = plt.figure(figsize=(6,6))
plt.pie(b,labels=label2,explode=explode ,colors=colors, autopct='%1.1f%%',shadow=False,startangle=150) plt.show()
⼼脏病数据各字段的相关性
plt.figure(figsize = (12,10))
sns.(), annot =True)
plt.show()
从上⾯的图形中我们可以发现，slope与oldpeak呈⾼度负相关(0.58)。这意味着如果坡度值增加，旧峰值将减少，反之亦然。Target与cp(胸痛)呈正相关最⾼，为0.43，其次是thalach（⼼率），为0.42，然
后是slope（最⾼运动ST段的斜率），为0.35.
查看各个字段的数据分布情况
data.hist(figsize=(20,16))
plt.show()

版权声明：本站内容均来自互联网，仅供演示用，请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系QQ:729038198，我们将在24小时内删除。