数据挖掘05-python描述分析实践

小白入门数据挖掘，从零开始，每周一更。

---

00 项目简介

• 数据集地址：http://jse.amstat.org/datasets/normtemp.dat.txt

• 数据关于体温、性别、心率的临床数据，并对以下问题进行数据分析：

  01 人类体温均值真的是98.6F吗？

  02 体温样本数据是否服从正态分布？

  03 不正常的体温是多少？

  04 男性和女性的正常体温有明显的区别吗？

  05 体温和心率是否有相关性？

---

01 人类体温均值真的是98.6F吗？

• 代码

  import pandas as pd
  我选择下载到本地，大家可以尝试使用request
  df = pd.read_csv('C:/Users/ny/Desktop/python/体温数据集.txt', engine='python', header=None, names=['体温', '性别', '心率'],sep='\s+')
  print(df['体温'].describe())

• 执行结果

  count 130.000000
  mean 98.249231
  std 0.733183
  min 96.300000
  25% 97.800000
  50% 98.300000
  75% 98.700000
  max 100.800000
  Name: 体温, dtype: float64

• 结论

  • 结果说明人的体温平均在98.25F

---

02 体温样本数据是否服从正态分布？

• KS算法

  • 代码

    KS方法-（样本量大于50）
    u = df['体温'].mean()
    std = df['体温'].std()
    ks_test = stats.kstest(df['体温'], 'norm', (u, std))

  • 结果

    KstestResult(statistic=0.06472, pvalue=0.64503)

• W检测

  • 代码

    end = stats.shapiro(df['体温'])

  • 结果

    (0.9865769743919373, 0.2331680953502655)

• 直方图观察法

  • 代码

    plt.hist(df['体温'], bins=130, histtype='bar', color='r', density=True)
    plt.show()

  • 结果

    
    

• 拟合曲线

  • 代码

    sns.set_palette("hls")
    sns.distplot(df['体温'], color='k', bins=130, kde=True)
    plt.show()

  • 结果

---

03 不正常的体温是多少？

• 代码

  Q1 = df['体温'].quantile(q=0.25) Q3 = df['体温'].quantile(q=0.75)
  计算异常值范围，1.5倍四分位差
  low_quantile = Q1 - (Q3 - Q1) * 1.5 high_quantile = Q3 + (Q3 - Q1) * 1.5
  异常值筛选
  exception_value = df['体温'] < low_quantile) | (df['体温'] > high_quantile)]
  print(exception_value)

• 结果

  0 96.3
  65 96.4
  129 100.8
  Name: 体温, dtype: float64

• 箱线图

  • 代码

    plt.boxplot(df['体温']) plt.show()

  • 结果

---

04 男性和女性的正常体温有明显的区别吗？

• 代码

  df2 = df[(df['体温'] >= low_quantile) | (df['体温'] <= high_quantile)]
  df_male = df2'体温' == 1]
  df_female = df2'体温' == 2]
  print(df_male.mean(), df_female.mean())

• 结果

  98.1046153846
  98.3938461538

---

05 体温和心率是否有相关性？

• 相关性解释

  相关系数	相关强度
  0.8-1.0	极强
  0.6-0.8	强
  0.4-0.6	中等
  0.2-0.4	弱
  0.0-0.2	极弱

• 代码

  print(df.corr())
  print(df.corr(method='pearson'))
  print(df.corr(method='spearman'))
  print(df.corr(method='kendall'))

• 结果

  体温 性别 心率
  体温 1.000000 0.198006 0.253656
  性别 0.198006 1.000000 0.055766
  心率 0.253656 0.055766 1.000000
  体温 性别 心率
  体温 1.000000 0.198006 0.253656
  性别 0.198006 1.000000 0.055766
  心率 0.253656 0.055766 1.000000
  体温 性别 心率
  体温 1.000000 0.195231 0.280919
  性别 0.195231 1.000000 0.075927
  心率 0.280919 0.075927 1.000000
  体温 性别 心率
  体温 1.000000 0.163190 0.186489
  性别 0.163190 1.000000 0.063322
  心率 0.186489 0.063322 1.000000

• 散点图

  • 代码

    plt.scatter(df['体温'], df['心率'])
    plt.show()

  • 结果

---

文章仅作为自己学习记录，内容来源于同学们学习总结内容。

Day Day up !