数据分析实战：利用python对心脏病数据集进行分析.docxVIP

数据分析实战：利用python对心脏病数据集进行分析 首先导入library和设置好超参数，便利后续分析。 import numpy as npimport pandas as pdimport matplotlib.pyplot as pltimport seaborn as sns 通过对数据集读取和描述可以得到这两个表格： 可以看到有303行14列数据，每列的标题是age、sex、cp、……、target。他们就像每次去医院的化验单，非专业人士很多都不生疏。所以利用官方的解释翻译后含义如下： age: 该伴侣的年龄 sex: 该伴侣的性别 (1 = 男性, 0 = 女性) cp: 经受过的胸痛类型（值1：典型心绞痛，值2：非典型性心绞痛，值3：非心绞痛，值4：无症状） trestbps: 该伴侣的静息血压（入院时的毫米汞柱） chol: 该伴侣的胆固醇测量值，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波特别，2=依据Estes的标准显示可能或确定的左心室肥大） thalach: 这伴侣达到的最大心率 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（“ ST”与ECG图上的位置有关。这块比较专业，可以点这个看一个解读） slope: 最高运动ST段的斜率（值1:上坡，值2:平坦，值3:下坡） ca: 萤光显色的次要血管数目（0-4） thal: 一种称为地中海贫血的血液疾病（3=正常；6=固定缺陷；7=可逆缺陷） target: 心脏病（0=否，1=是） 所以这些信息里都是患病或者健康者的一些身体目标，并没有和他能否抽烟、能否熬夜、能否遗传、能否作息规律那些东西，因而找不到指点现在我们生活的点，比如说明要戒烟戒酒那些东西。 顺手送上一篇知乎链接?此外上边只是我通过原版数据集给的解读翻译的，如有出错误，欢迎订正 拿到一套数据首先是要看看这个数据或许面貌~ 男女比例 先看看患病比率，男女比例这些常规的 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))) 上边代码得到的答案如下，乍看上去男的多于女的，但前提是这个数据只是这个300人的样本呈现，不代表全人类 没患病人数:138 ,没有得心脏病比率: 45.54%有患病人数:165 ,患有心脏病比率: 54.46%女性人数:96 ,女性比例: 31.68%男性人数:207 ,男性比例: 68.32% 除了用饼图看这个面貌，还可以同时看一下 fig, ax =plt.subplots(1,3) #2个子区域fig.set_size_inches(w=15,h=5) # 设置画布大小sns.countplot(x=sex, data=data,ax=ax[0])plt.xlabel(性别 (0 = female, 1= male))sns.countplot(x=target, data=data,ax=ax[1])plt.xlabel(能否患病 (0 = 未患病, 1= 患病))sns.swarmplot(x=sex,y=age,hue=target,data=data,ax=ax[2])plt.xlabel(性别 (0 = female, 1= male))plt.