91 lines
4.5 KiB
Markdown
91 lines
4.5 KiB
Markdown
---
|
||
id: 5e46f7f8ac417301a38fb92a
|
||
title: 医疗数据可视化工具
|
||
challengeType: 10
|
||
forumTopicId: 462368
|
||
dashedName: medical-data-visualizer
|
||
---
|
||
|
||
# --description--
|
||
|
||
你将通过使用我们的[Replit 入门代码](https://replit.com/github/freeCodeCamp/boilerplate-medical-data-visualizer)来完成本项目。
|
||
|
||
我们仍在开发 Python 课程的交互式教学部分。 目前，你可以在 YouTube 上通过 freeCodeCamp.org 上传的一些视频学习这个项目相关的知识。
|
||
|
||
- [Python for Everybody 视频课程](https://www.freecodecamp.org/news/python-for-everybody/)（14 小时）
|
||
- [Learn Python 视频课程](https://www.freecodecamp.org/news/learn-python-video-course/)（10 小时）
|
||
|
||
# --instructions--
|
||
|
||
在本项目中，您将使用 matplotlib、seaborn 和 pandas 来对体检数据进行可视化和计算。 数据集的数值是从体检中收集的。
|
||
|
||
## 数据说明
|
||
|
||
数据集中的行代表患者，列代表身体测量、各种血液检查的结果和生活方式等信息。 您将使用该数据集来探索心脏病、身体测量数据、血液标志物和对生活方式的选择之间的关系。
|
||
|
||
文件名：medical_examination.csv
|
||
|
||
| 项目 | 变量类型 | 变量名 | 变量值类型 |
|
||
|:--------:|:----:|:-----------:|:---------------------:|
|
||
| 年龄 | 客观特征 | age | int (days) |
|
||
| 身高 | 客观特征 | height | int (cm) |
|
||
| 体重 | 客观特征 | weight | float (kg) |
|
||
| 性别 | 客观特征 | gender | 分类编码 |
|
||
| 收缩压 | 检测特征 | ap_hi | int |
|
||
| 舒张压 | 检测特征 | ap_lo | int |
|
||
| 胆固醇 | 检测特征 | cholesterol | 1：正常，2：高于正常，3：远远高于正常值 |
|
||
| 血糖值 | 检测特征 | gluc | 1：正常，2：高于正常，3：远远高于正常值 |
|
||
| 吸烟问题 | 主观特征 | smoke | binary |
|
||
| 饮酒量 | 主观特征 | alco | binary |
|
||
| 体育活动 | 主观特征 | active | binary |
|
||
| 是否有心血管疾病 | 目标变量 | cardio | binary |
|
||
|
||
## 任务
|
||
|
||
创建一个类似于 `examples/Figure_1.png` 的图表，其中我们显示 `cholesterol`、`gluc`、`alco`、`active` 和 `smoke` 变量，用于不同面板中 heart=1 和 heart=0 的患者。
|
||
|
||
在 `medical_data_visualizer.py` 中使用数据完成以下任务：
|
||
|
||
- 给数据添加一列 `overweight`。 要确定一个人是否超重，首先通过将他们的体重（公斤）除以他们的身高（米）的平方来计算他们的 BMI。 如果该值 > 25，则此人超重。 使用值 0 表示不超重，使用值 1 表示超重。
|
||
- 使用 0 表示好的和 1 表示坏，来规范化数据。 如果 `cholesterol` 或 `gluc` 的值为 1，则将值设为 0。 如果值大于 1，则将值设为 1。
|
||
- 将数据转换为长格式并使用 seaborn 的 `catplot()` 创建一个显示分类特征值计数的图表。 数据集应按“Cardio”拆分，因此每个 `cardio` 值都有一个图表。 该图表应该看起来像 `examples/Figure_1.png`。
|
||
- 清理数据。 过滤掉以下代表不正确数据的患者段：
|
||
- 舒张压高于收缩压（使用 `(df['ap_lo'] <= df['ap_hi'])` 保留正确的数据）
|
||
- 高度小于第 2.5 个百分位数（使用 `(df['height'] >= df['height'].quantile(0.025))` 保留正确的数据）
|
||
- 身高超过第 97.5 个百分位
|
||
- 体重小于第 2.5 个百分位
|
||
- 体重超过第 97.5 个百分位
|
||
- 使用数据集创建相关矩阵。 使用 seaborn 的 `heatmap()` 绘制相关矩阵。 遮罩上三角。 该图表应类似于 `examples/Figure_2.png`。
|
||
|
||
每当变量设置为 `None` 时，请确保将其设置为正确的代码。
|
||
|
||
单元测试是在 `test_module.py` 下为你编写的。
|
||
|
||
## 开发
|
||
|
||
对于开发，你可以使用 `main.py` 来测试你的函数。 单击“运行”按钮，`main.py` 将运行。
|
||
|
||
## 测试
|
||
|
||
为了你的方便，我们将测试从 `test_module.py` 导入到 `main.py`。 只要你点击“运行”按钮，测试就会自动运行。
|
||
|
||
## 提交
|
||
|
||
复制项目的 URL 并将其提交给 freeCodeCamp。
|
||
|
||
# --hints--
|
||
|
||
它应该通过所有的 Python 测试。
|
||
|
||
```js
|
||
|
||
```
|
||
|
||
# --solutions--
|
||
|
||
```py
|
||
# Python challenges don't need solutions,
|
||
# because they would need to be tested against a full working project.
|
||
# Please check our contributing guidelines to learn more.
|
||
```
|