表1-1healthcare-dataset-stroke.xlsx 部分中風(fēng)患者的基礎(chǔ)信息和體檢數(shù)據(jù)

表二?healthcare-dataset-age-abs.xlsx 部分中風(fēng)患者的年齡和平均血糖數(shù)據(jù)

實(shí)訓(xùn)1 合并年齡、平均血糖和中風(fēng)患者信息數(shù)據(jù)

1、訓(xùn)練要點(diǎn)

(1) 掌握判斷主鍵的方法

(2) 掌握主鍵合并方法

2、需求分析

某醫(yī)院為了早期監(jiān)測預(yù)警患者的中風(fēng)風(fēng)險(xiǎn)，對現(xiàn)有中風(fēng)患者的基礎(chǔ)信息和體檢數(shù)據(jù)（healthcare-dataset-stroke.xls）進(jìn)行分析，觀察發(fā)現(xiàn)患者基礎(chǔ)信息和體檢數(shù)據(jù)中缺少中風(fēng)患者的年齡和平均血糖的信息。另有年齡和平均血糖數(shù)據(jù)（healthcare-dataset-age_abs.xls）存放了分析所需的患者的年齡和平均血糖信息。

（1）讀取兩個數(shù)據(jù)文件，打印前5行結(jié)果進(jìn)行顯示。

# 合并年齡、平均血糖和中風(fēng)患者數(shù)據(jù)
import pandas as pd
df1 = pd.read_excel('C:/Users/DELL/Python/healthcare-dataset-stroke.xlsx')
df2 = pd.read_excel('C:/Users/DELL/Python/healthcare-dataset-age-abs.xlsx')

#（1）讀取兩個數(shù)據(jù)文件，打印前5行結(jié)果進(jìn)行顯示。
print("healthcare-dataset-stroke.xls前5行：")
print(df1.head(5))
print("----------------------------------------")
print("healthcare-dataset-age_abs.xls前5行：")
print(df2.head(5))

（2）利用concat函數(shù)進(jìn)行縱向堆疊，展示‘內(nèi)連接‘、‘外連接’的拼接結(jié)果（前5行即可）。

# 使用concat函數(shù)進(jìn)行縱向堆疊
import pandas as pd
df1 = pd.read_excel('C:/Users/DELL/Python/healthcare-dataset-stroke.xlsx')
df2 = pd.read_excel('C:/Users/DELL/Python/healthcare-dataset-age-abs.xlsx')

# 外連接
df_concat = pd.concat([df1, df2], axis=0, join='outer')
print("縱向堆疊結(jié)果前5行（外連接）：")
print(df_concat.head(5))

# 內(nèi)連接
df_concat = pd.concat([df1, df2], axis=0, join='inner')
print("縱向堆疊結(jié)果前5行（內(nèi)連接）：")
print(df_concat.head(5))

（3）對兩個數(shù)據(jù)利用‘編號’列作為主鍵進(jìn)行合并，展示合并結(jié)果（前5行即可）

# 使用'編號'列作為主鍵進(jìn)行合并
import pandas as pd
df1 = pd.read_excel('C:/Users/DELL/Python/healthcare-dataset-stroke.xlsx')
df2 = pd.read_excel('C:/Users/DELL/Python/healthcare-dataset-age-abs.xlsx')

df_merge = pd.merge(df1, df2, on='編號', how='inner')
print("合并結(jié)果前5行：")
print(df_merge.head(5))

實(shí)訓(xùn)2?對表格數(shù)據(jù)進(jìn)行數(shù)據(jù)清洗。

需求說明：

基于1中的數(shù)據(jù)

（1）對于表格healthcare-dataset-stroke.xls的信息，使用duplicates函數(shù)對‘工作類型’、‘吸煙史’兩列數(shù)據(jù)進(jìn)行特征去重。

# 對于表格healthcare-dataset-stroke.xls的信息，使用duplicates函數(shù)對‘工作類型’、‘吸煙史’兩列數(shù)據(jù)進(jìn)行特征去重
import pandas as pd
# 讀取數(shù)據(jù)
df = pd.read_excel('C:/Users/DELL/Python/healthcare-dataset-stroke.xlsx')
# 對'工作類型'和'吸煙史'列進(jìn)行去重
df = df.drop_duplicates(subset=['工作類型', '吸煙史'])
# 打印結(jié)果
print(df)

（2）對于表格healthcare-dataset-age_abs.xls的信息，對‘年齡’、‘平均血糖’兩列數(shù)據(jù)，使用sum及isnull函數(shù)判斷及統(tǒng)計(jì)缺失值。

# 對于表格healthcare-dataset-age_abs.xls的信息，對‘年齡’、‘平均血糖’兩列數(shù)據(jù)，使用sum及isnull函數(shù)判斷及統(tǒng)計(jì)缺失值。
import pandas as pd

# 讀取數(shù)據(jù)
df = pd.read_excel('C:/Users/DELL/Python/healthcare-dataset-age-abs.xlsx')
# 判斷是否有缺失值
missing_values = df.isnull()
# 統(tǒng)計(jì)缺失值的個數(shù)
missing_count = missing_values.sum()
# 打印結(jié)果
print("缺失值統(tǒng)計(jì)：")
print(missing_count)

（3）對‘年齡’列的數(shù)據(jù)使用均值替換其缺失值；對‘平均血糖’列數(shù)據(jù)使用3階多項(xiàng)式進(jìn)行插值。

# （3）	對‘年齡’列的數(shù)據(jù)使用均值替換其缺失值；對‘平均血糖’列數(shù)據(jù)使用3階多項(xiàng)式進(jìn)行插值。
import pandas as pd
import numpy as np

# 讀取數(shù)據(jù)
df = pd.read_excel('C:/Users/DELL/Python/healthcare-dataset-age-abs.xlsx')

# 計(jì)算年齡的均值
mean_age = df['年齡'].mean()

# 使用均值替換年齡列的缺失值
df['年齡'] = df['年齡'].fillna(mean_age)

# 對平均血糖列進(jìn)行3階多項(xiàng)式插值
df['平均血糖'] = df['平均血糖'].interpolate(method='polynomial', order=3)

# 打印結(jié)果
print(df)

（4）使用3δ原則判斷‘年齡’、‘平均血糖’兩列數(shù)據(jù)中是否存在異常值及異常值的個數(shù)。

import pandas as pd
import numpy as np

# 讀取數(shù)據(jù)
df = pd.read_excel('C:/Users/DELL/Python/healthcare-dataset-age-abs.xlsx')

# 計(jì)算年齡和平均血糖的均值和標(biāo)準(zhǔn)差
mean_age = df['年齡'].mean()
std_age = df['年齡'].std()
mean_glucose = df['平均血糖'].mean()
std_glucose = df['平均血糖'].std()

# 使用3δ原則判斷是否存在異常值
outliers_age = (np.abs(df['年齡'] - mean_age) > 3 * std_age)
outliers_glucose = (np.abs(df['平均血糖'] - mean_glucose) > 3 * std_glucose)

# 統(tǒng)計(jì)異常值的個數(shù)
num_outliers_age = outliers_age.sum()
num_outliers_glucose = outliers_glucose.sum()

# 打印結(jié)果
print("年齡異常值個數(shù)：", num_outliers_age)
print("平均血糖異常值個數(shù)：", num_outliers_glucose)

實(shí)訓(xùn) 3?基于healthcare-dataset-age_abs.xls中的‘平均血糖’列數(shù)據(jù)，（1)使用離差標(biāo)準(zhǔn)化、標(biāo)準(zhǔn)差標(biāo)準(zhǔn)化、小數(shù)定標(biāo)標(biāo)準(zhǔn)化進(jìn)行標(biāo)準(zhǔn)化處理。

需求分析：

（1)使用離差標(biāo)準(zhǔn)化 進(jìn)行標(biāo)準(zhǔn)化處理

import pandas as pd
# 讀取數(shù)據(jù)
df = pd.read_excel('C:/Users/DELL/Python/healthcare-dataset-age-abs.xlsx')
# 離差標(biāo)準(zhǔn)化
df['平均血糖_離差標(biāo)準(zhǔn)化'] = (df['平均血糖'] - df['平均血糖'].min()) / (df['平均血糖'].max() - df['平均血糖'].min())
print(df)

（2）使用標(biāo)準(zhǔn)差標(biāo)準(zhǔn)化進(jìn)行標(biāo)準(zhǔn)化處理

# 標(biāo)準(zhǔn)差標(biāo)準(zhǔn)化
import pandas as pd
# 讀取數(shù)據(jù)
df = pd.read_excel('C:/Users/DELL/Python/healthcare-dataset-age-abs.xlsx')
df['平均血糖_標(biāo)準(zhǔn)差標(biāo)準(zhǔn)化'] = (df['平均血糖'] - df['平均血糖'].mean()) / df['平均血糖'].std()
print(df)

（3）使用小數(shù)定標(biāo)標(biāo)準(zhǔn)化進(jìn)行標(biāo)準(zhǔn)化處理。

import pandas as pd

# 讀取數(shù)據(jù)
df = pd.read_excel('C:/Users/DELL/Python/healthcare-dataset-age-abs.xlsx')

# 使用0填充缺失值
df['平均血糖'] = df['平均血糖'].fillna(0)

# 小數(shù)定標(biāo)標(biāo)準(zhǔn)化
df['平均血糖_小數(shù)定標(biāo)標(biāo)準(zhǔn)化'] = df['平均血糖'] / (10 ** (df['平均血糖'].apply(lambda x: len(str(abs(int(x))))) - 1))

# 打印結(jié)果
print(df)

實(shí)訓(xùn)4?對表healthcare-dataset-stroke.xls中‘吸煙史’的類別型數(shù)據(jù)進(jìn)行啞變量處理，轉(zhuǎn)換為數(shù)值型數(shù)據(jù)。

需求說明：

????? （1）對表healthcare-dataset-stroke.xls中‘吸煙史’的類別型數(shù)據(jù)進(jìn)行啞變量處理，轉(zhuǎn)換為數(shù)值型數(shù)據(jù)。

import pandas as pd

# 讀取數(shù)據(jù)
df1 = pd.read_excel('C:/Users/DELL/Python/healthcare-dataset-stroke.xlsx')


# 啞變量處理
df1_dummies = pd.get_dummies(df1['吸煙史'], prefix='吸煙史')

print(df1_dummies)

（2）對表healthcare-dataset-age_abs.xls中‘年齡’數(shù)據(jù)使用等寬法、等頻法進(jìn)行離散化，劃分為5類區(qū)間。文章來源地址http://www.zghlxwxcb.cn/news/detail-856267.html

import pandas as pd
df2 = pd.read_excel('C:/Users/DELL/Python/healthcare-dataset-age-abs.xlsx')

# 等寬法離散化
df2['年齡_等寬法'] = pd.cut(df2['年齡'], bins=5, labels=False)

# 等頻法離散化
df2['年齡_等頻法'] = pd.qcut(df2['年齡'], q=5, labels=False)

print(df2[['年齡', '年齡_等寬法', '年齡_等頻法']])

到了這里，關(guān)于Python數(shù)據(jù)分析與應(yīng)用 |第4章 使用pandas進(jìn)行數(shù)據(jù)預(yù)處理 （實(shí)訓(xùn)）的文章就介紹完了。如果您還想了解更多內(nèi)容，請?jiān)谟疑辖撬阉鱐OY模板網(wǎng)以前的文章或繼續(xù)瀏覽下面的相關(guān)文章，希望大家以后多多支持TOY模板網(wǎng)！