1 前言

🔥 優質競賽項目系列，今天要分享的是

🚩 基于大數據的心血管疾病分析

該項目較為新穎，適合作為競賽課題方向，學長非常推薦！

🥇學長這里給一個題目綜合評分(每項滿分5分)

• 難度系數：3分
• 工作量：3分
• 創新點：4分

🧿 更多資料, 項目分享：

https://gitee.com/dancheng-senior/postgraduate

1 課題背景

本項目的任務是利用患者的檢查結果預測心血管疾病(CVD)的存在與否。

2 數據處理

數據集包括年齡、性別、收縮壓、舒張壓等12個特征的患者數據記錄7萬份。

當患者有心血管疾病時，目標類“cardio”等于1，如果患者健康，則為0。

數據描述

有三種類型的輸入特征:

• Objective: 客觀事實;
• Examination: 體檢檢查結果;
• Subjective: 病人提供的信息

數據信息概覽

?

import numpy as npimport pandas as pdimport seaborn as snsfrom matplotlib import pyplot as pltimport osdf.head()

變量分析

?

df.info()

所有特征都是數字，12個整數和1個小數(權值)。第二列告訴我們數據集有多大，每個字段有多少非空值。
我們可以使用’ describe() ‘來顯示每個屬性的樣本統計信息，比如’ min ‘、’ max ‘、’ mean ‘、’ std ':

評論

?

df.describe()

年齡以天為單位，身高以厘米為單位。
讓我們看看數值變量以及它們是如何在目標類中分布的。
例如，什么年齡患有心血管疾病的人數超過沒有心血管疾病的人數?

3 數據可視化

?

from matplotlib import rcParams
rcParams['figure.figsize'] = 11, 8
df['years'] = (df['age'] / 365).round().astype('int')
sns.countplot(x='years', hue='cardio', data = df, palette="Set2");

可以觀察到55歲以上的人更容易得心血管疾病的。
從上面的表格中，我們可以看到ap_hi, ap_lo, weight 和height中有異常值。我們以后再處理。

讓我們看看數據集中的分類變量及其分布：

?

df_categorical = df.loc[:,['cholesterol','gluc', 'smoke', 'alco', 'active']]
sns.countplot(x="variable", hue="value",data= pd.melt(df_categorical));

?

?

df_long = pd.melt(df, id_vars=['cardio'], value_vars=['cholesterol','gluc', 'smoke', 'alco', 'active'])
sns.catplot(x="variable", hue="value", col="cardio",data=df_long, kind="count");

可以清楚地看到，CVD患者的膽固醇和血糖水平較高。而且一般來說不太活躍，運動少。

為了計算“1”在性別欄中代表女性還是男性，讓我們計算每個性別的身高平均值。我們假設男人平均比女人高。

?

corr = df.corr()
cmap = sns.diverging_palette(220, 10, as_cmap=True)
mask = np.zeros_like(corr, dtype=np.bool)
mask[np.triu_indices_from(mask)] = True# 設置matplotlib圖
f, ax = plt.subplots(figsize=(11, 9))
# 畫出熱圖，并校正長寬比
sns.heatmap(corr, mask=mask, cmap=cmap, vmax=.3, center=0,annot = True,square=True, linewidths=.5, cbar_kws={"shrink": .5});

我們可以看到年齡和膽固醇有顯著的影響，但與目標階層的相關性不是很高。

.
讓我們創建violinplot來顯示不同性別的身高分布。

查看每個性別特征值的身高和體重的平均值可能不足以決定1是男性還是女性。

?

import warnings
warnings.filterwarnings("ignore")
df_melt = pd.melt(frame=df, value_vars=['height'], id_vars=['gender'])
plt.figure(figsize=(12, 10))
ax = sns.violinplot(x='variable', y='value', hue='gender', split=True, data=df_melt, scale='count',scale_hue=False,palette="Set2");

讓我們創造一個新的特征-身體質量指數(BMI):

比較健康人的平均BMI和病人的平均BMI。正常的BMI值在18.5到25之間。

?

df['BMI'] = df['weight']/((df['height']/100)**2)
sns.catplot(x="gender", y="BMI", hue="alco", col="cardio", data=df, color = "yellow",kind="box", height=10, aspect=.7);

根據女性的BMI，喝酒的女性比喝酒的男性有更高的心血管疾病風險。

4 最后

🧿 更多資料, 項目分享：

https://gitee.com/dancheng-senior/postgraduate