2024電工杯B題保姆級分析完整思路+代碼+數據教學

B題題目：大學生平衡膳食食譜的優化設計及評價?

接下來我們將按照題目總體分析-背景分析-各小問分析的形式來

總體分析：

題目要求對兩份一日膳食食譜進行營養分析和調整，然后設計優化的平衡膳食食譜，并進行評價。具體步驟如下：

問題?1：膳食食譜的營養分析評價及調整

1.1 膳食營養評價

首先我們需要對附件1和附件2中的男、女大學生的膳食進行全面的營養評價。根據附件4的標準，評價內容包括能量、主要營養素含量（蛋白質、脂肪、碳水化合物等）、非產能營養素（鈣、鐵、鋅、維生素等）及氨基酸評分等。

1.2 調整改進

基于附件3提供的食堂主要食物信息，對男、女大學生的膳食進行適當調整，使其更符合營養需求，然后再進行營養評價。

問題?2：基于附件3的日平衡膳食食譜的優化設計

2.1 目標一：蛋白質氨基酸評分最大化

建立優化模型，設計男、女大學生的日食譜，并進行膳食營養評價。

2.2 目標二：用餐費用最經濟

建立優化模型，設計男、女大學生的日食譜，并進行膳食營養評價。

2.3 目標三：兼顧蛋白質氨基酸評分及經濟性

建立綜合優化模型，設計男、女大學生的日食譜，并進行膳食營養評價。

2.4 比較分析

對上述三種優化方案進行比較分析，找出最優方案。

問題?3：基于附件3的周平衡膳食食譜的優化設計

在問題2的基礎上，分別以蛋白質氨基酸評分最大、用餐費用最經濟、兼顧蛋白質氨基酸評分及經濟性為目標，設計男、女大學生的周食譜，并進行評價及比較分析。

問題?4：健康飲食、平衡膳食的倡議書

基于以上分析和設計，針對大學生飲食結構及習慣，寫一份健康飲食、平衡膳食的倡議書。

背景分析：

大學時代是學知識、長身體的重要階段，這一時期的年輕人需要充足的能量和營養素來支持身體發育、腦力勞動和體育鍛煉。然而，目前大學生飲食結構不合理、不良飲食習慣突出，如不吃早餐、經常食用外賣快餐等，導致營養不良或過度肥胖。解決這些問題對于大學生的生長發育和健康至關重要。

可以看到研究的對象是一名男大學生和一名女大學生，他們分別記錄了一日三餐的食物攝入情況。并且還有某高校學生食堂提供的一日三餐主要食物信息。

數據文件包括3個數據集，在拆解后，我們的目標主要有以下幾個：

1. 營養分析和評價：

• 對男、女大學生的膳食進行全面的營養分析和評價。

• 基于高校食堂的食物信息，對膳食進行調整改進，并重新進行評價。

• 優化設計：

• 建立優化模型，設計男、女大學生的日食譜，目標分別為蛋白質氨基酸評分最大、用餐費用最經濟、兼顧評分和經濟性。

• 在日食譜基礎上，設計周食譜，并進行評價和比較分析。

• 健康倡議書：

• 針對大學生的飲食結構及習慣，撰寫一份健康飲食、平衡膳食的倡議書。

現在就先對數據集進行預處理分析，我們以附件1為例，做數據預處理和探索性數據分析（EDA）

數據讀取和展示：

import pandas as pd

# 讀取數據

male_diet = pd.read_excel('/mnt/data/附件1：1名男大學生的一日食譜.xlsx')

# 展示前10行數據

male_diet_head = male_diet.head(10)

male_diet_head

數據預處理

預處理步驟包括：

1. 檢查數據的完整性，處理缺失值。

2. 轉換數據類型，確保所有數據類型正確。

3. 計算每種食物的總量及其對應的營養素含量。

代碼：

# 檢查數據的基本信息

male_diet.info()

# 檢查數據的描述性統計

male_diet.describe()

# 檢查是否有缺失值

missing_values = male_diet.isnull().sum()

missing_values

數據處理和計算

根據每種食物的量和其營養成分表，計算總的營養素含量。

假設數據表中包括以下列：食物名稱、數量（g）、蛋白質含量（g/100g）、脂肪含量（g/100g）、碳水化合物含量（g/100g）等。

# 假設有以下列

# 食物名稱、數量（g）、蛋白質含量（g/100g）、脂肪含量（g/100g）、碳水化合物含量（g/100g）

# 添加總蛋白質、總脂肪、總碳水化合物列

male_diet['總蛋白質 (g)'] = male_diet['數量 (g)'] * male_diet['蛋白質含量 (g/100g)'] / 100

male_diet['總脂肪 (g)'] = male_diet['數量 (g)'] * male_diet['脂肪含量 (g/100g)'] / 100

male_diet['總碳水化合物 (g)'] = male_diet['數量 (g)'] * male_diet['碳水化合物含量 (g/100g)'] / 100

# 計算總的營養素含量

total_protein = male_diet['總蛋白質 (g)'].sum()

total_fat = male_diet['總脂肪 (g)'].sum()

total_carbs = male_diet['總碳水化合物 (g)'].sum()

# 展示總營養素含量

total_nutrients = {

'總蛋白質 (g)': total_protein,

'總脂肪 (g)': total_fat,

'總碳水化合物 (g)': total_carbs

}

total_nutrients

探索性數據分析（EDA）

1. 食物種類和數量分布：

• 統計不同類別食物的數量分布情況。

• 營養素分布：

• 分析蛋白質、脂肪、碳水化合物在整個食譜中的分布。

import matplotlib.pyplot as plt

# 食物種類和數量分布

food_types = male_diet['食物名稱'].value_counts()

food_types.plot(kind='bar', title='食物種類分布')

plt.xlabel('食物名稱')

plt.ylabel('數量')

plt.show()

# 營養素分布

nutrients = male_diet[['總蛋白質 (g)', '總脂肪 (g)', '總碳水化合物 (g)']]

nutrients.sum().plot(kind='bar', title='營養素分布')

plt.xlabel('營養素')

plt.ylabel('總量 (g)')

plt.show()

通過以上步驟，我們可以獲得男大學生一日食譜的基本情況及其營養素分布，為后續的營養評價和優化設計打下基礎。附件2類似方法可以做。下面來看問題1的分析過程

問題一分析：

針對問題一，它分為兩個小問，包括對兩份食譜做出全面的膳食營養評價，以及加上附件3后的調整。首先，先來解決第一小問。

膳食營養評價

我們需要對男大學生的一日膳食進行全面的營養分析評價，評價內容包括：

l 食物結構分析：檢查食物種類是否齊全，是否多樣化。

l 能量和主要營養素計算：計算總能量及蛋白質、脂肪、碳水化合物的攝入量。

l 非產能營養素計算：計算鈣、鐵、鋅、維生素A、維生素B1、維生素B2、維生素C的攝入量。

l 營養素供能比分析：評價蛋白質、脂肪、碳水化合物的供能占比。

l 氨基酸評分分析：計算食譜中蛋白質的氨基酸評分。

數據預處理

首先讀取數據，并檢查數據的完整性和類型：

Python代碼：

import pandas as pd

# 讀取數據

male_diet = pd.read_excel('/mnt/data/附件1：1名男大學生的一日食譜.xlsx')

# 展示前10行數據

male_diet_head = male_diet.head(10)

print(male_diet_head)

# 檢查數據的基本信息

male_diet.info()

# 檢查數據的描述性統計

male_diet.describe()

# 檢查是否有缺失值

missing_values = male_diet.isnull().sum()

print(missing_values)

食物結構分析

根據《中國居民膳食指南》的要求，檢查食物種類是否多樣化：

python

# 統計食物種類

food_types = male_diet['食物名稱'].nunique()

print(f"食物種類數量: {food_types}")

# 分析食物類別是否齊全

food_categories = ['谷類', '蔬菜', '水果', '肉類', '奶類', '豆類', '油脂']

food_categories_count = male_diet['類別'].value_counts()

print(food_categories_count)

下面給大家如何用灰色綜合評價法來做的示例，推薦大家使用此算法：

灰色綜合評價法步驟

1. 確定評價指標體系：

• 選擇評價膳食營養的關鍵指標，如總能量、蛋白質、脂肪、碳水化合物、鈣、鐵、鋅、維生素A、維生素B1、維生素B2、維生素C等。

• 數據標準化：

• 對各指標數據進行無量綱化處理（標準化），以消除不同指標間量綱的影響。

• 計算灰關聯度：

• 計算每個評價對象（食譜）與理想參考值之間的灰色關聯度。

• 計算綜合關聯度：

• 根據各指標的權重，計算各評價對象的綜合關聯度。

• 綜合評價：

• 根據綜合關聯度對各評價對象進行排序，得出綜合評價結果。

實現步驟?1.?確定評價指標體系?選擇男大學生膳食的關鍵評價指標如下：

• 總能量 (kcal)

• 總蛋白質 (g)

• 總脂肪 (g)

• 總碳水化合物 (g)

• 鈣 (mg)

• 鐵 (mg)

• 鋅 (mg)

• 維生素A (μg)

• 維生素B1 (mg)

• 維生素B2 (mg)

• 維生素C (mg)

2.?數據標準化?標準化處理可以采用極差標準化方法：

添加圖片注釋，不超過 140 字（可選）

假設數據已經在前面的步驟中計算完成，以下代碼將實現數據標準化：

python

復制代碼

import numpy as np

# 假設 total_nutrients 和 total_non_energy_nutrients 是已計算的營養素總量

data = {

'總能量 (kcal)': total_energy,

'總蛋白質 (g)': total_protein,

'總脂肪 (g)': total_fat,

'總碳水化合物 (g)': total_carbs,

'鈣 (mg)': total_calcium,

'鐵 (mg)': total_iron,

'鋅 (mg)': total_zinc,

'維生素A (μg)': total_vitamin_a,

'維生素B1 (mg)': total_vitamin_b1,

'維生素B2 (mg)': total_vitamin_b2,

'維生素C (mg)': total_vitamin_c

}

# 轉換為DataFrame

df = pd.DataFrame([data])

# 定義理想參考值，可以參考膳食指南的推薦攝入量

ideal_values = {

'總能量 (kcal)': 2400,

'總蛋白質 (g)': 90,

'總脂肪 (g)': 80,

'總碳水化合物 (g)': 300,

'鈣 (mg)': 800,

'鐵 (mg)': 12,

'鋅 (mg)': 12.5,

'維生素A (μg)': 800,

'維生素B1 (mg)': 1.4,

'維生素B2 (mg)': 1.4,

'維生素C (mg)': 100

}

# 標準化處理

df_normalized = (df - df.min()) / (df.max() - df.min())

ideal_normalized = (pd.DataFrame([ideal_values]) - df.min()) / (df.max() - df.min())

print(df_normalized)

print(ideal_normalized)

然后需要計算灰色關聯度：

添加圖片注釋，不超過 140 字（可選）

代碼：

# 定義分辨系數

rho = 0.5

# 計算差異

diff = np.abs(df_normalized - ideal_normalized)

delta_min = diff.min().min()

delta_max = diff.max().max()

# 計算灰關聯度

gray_relation = (delta_min + rho * delta_max) / (diff + rho * delta_max)

gray_relation_scores = gray_relation.mean(axis=1)

print(gray_relation_scores)

4. 計算綜合關聯度

綜合關聯度可以根據各指標的權重進行計算，這里假設所有指標權重相等：

# 假設所有指標權重相等

weights = np.ones(len(data.keys())) / len(data.keys())

# 計算綜合關聯度

comprehensive_relation_score = (gray_relation * weights).sum(axis=1)

print(comprehensive_relation_score)

5. 綜合評價

根據綜合關聯度對膳食進行排序，得出綜合評價結果：‘

# 綜合評價

evaluation_result = comprehensive_relation_score.sort_values(ascending=False)

print(evaluation_result)

下面就是第一問的第二小問分析過程：

根據第一小問的營養評價結果，確定哪些營養素不足或過剩，具體包括：

1. 總能量：是否滿足推薦的每日能量攝入標準。

2. 宏量營養素：蛋白質、脂肪、碳水化合物的供能占比是否合理。

3. 非產能營養素：鈣、鐵、鋅、維生素A、維生素B1、維生素B2、維生素C的攝入量是否達標。

4. 氨基酸評分：蛋白質的氨基酸組成是否合理。

然后調整方案，可以通過以下方式進行調整：

1. 增加或減少食物種類：

• 增加：對于不足的營養素，通過增加相應食物種類來補充。例如，鈣不足可以增加奶制品，維生素C不足可以增加水果。

• 減少：對于過剩的營養素，通過減少相應食物種類來控制。例如，脂肪過多可以減少油脂和高脂食物的攝入。

• 優化食物搭配：

• 多樣化：確保每天攝入的食物種類大于12種，每周攝入的食物種類大于25種，覆蓋五大類食物（谷類、蔬菜、水果、肉類、奶類、豆類、油脂）。

• 合理搭配：合理搭配不同種類的食物，以提高膳食的整體營養價值。例如，谷類和豆類搭配可以提高蛋白質的氨基酸評分。

• 調整餐次比：

• 能量分配：合理分配早餐、中餐和晚餐的能量攝入，推薦早餐占30%，中餐和晚餐各占35%。

具體可以用以下方式進行調整：

1. 總能量調整：

• 如果總能量不足：增加能量密集型食物，如全谷類、堅果、油脂等。

• 如果總能量過多：減少高能量食物的攝入，增加低能量密度的蔬菜和水果。

• 宏量營養素調整：

• 蛋白質不足：增加富含蛋白質的食物，如魚類、禽肉、豆制品。

• 脂肪過多：減少油炸食品、肥肉，增加魚類、堅果等優質脂肪來源。

• 碳水化合物不足：增加全谷類食品，如燕麥、糙米。

• 非產能營養素調整：

• 鈣不足：增加奶制品、豆制品、綠葉蔬菜。

• 鐵不足：增加紅肉、肝臟、深色綠葉蔬菜，搭配維生素C豐富的食物以促進鐵吸收。

• 鋅不足：增加海產品、肉類、堅果。

• 維生素不足：增加水果、蔬菜，特別是富含維生素A、B、C的食物。

最后，通過調整食譜，重新進行膳食營養評價，確認各項營養素是否達到推薦攝入量，能量供給是否合理，氨基酸評分是否提高。

2-4問后續更新

添加圖片注釋，不超過 140 字（可選）

?

其中更詳細的思路、各題目思路、代碼、講解視頻、成品論文及其他相關內容，可以看我的這篇文章哦：