医学数据分析实战：冠心病发病因素可视化

一、数据加载与基本信息检查

#例9.5
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns
import warnings#引入第三方库plt.rcParams['font.sans-serif']=['SimHei'] #用来正常显示中文标签
warnings.filterwarnings('ignore')    #防止弹出
df=pd.read_csv(r'D:**冠心病.csv')    #读取文件
print(df.shape)
df.head(10)
df.describe().T# 统计学分析
# df.info()# 检查有多少缺失的数据
df.isnull().sum()
sns.distplot(df['age'])
plt.show()
sns.distplot(df['sex'])    #绘制性别分布情况的频数分布表
plt.show()
sns.boxplot(x=df["TenYearCHD"],y=df["BMI"])    #绘制BMI与冠心病发病情况分布的箱图
plt.show()

1. 数据加载与基本信息检查

df = pd.read_csv(r'**冠心病.csv')
print(df.shape)       # 输出数据维度（行数, 列数）
df.head(10)           # 显示前10行数据
df.describe().T       # 输出统计描述（均值、标准差、分位数等，转置后更易读）
# df.info()           # 检查数据类型和缺失值（被注释）
df.isnull().sum()     # 统计每列的缺失值数量

• describe().T 转置后，统计量（如均值、最大值）按列显示，更清晰。
• isnull().sum() 直接输出缺失值数量，帮助判断是否需要数据清洗。

2. 数据可视化分析

(1) 年龄分布直方图

sns.distplot(df['age'])
plt.show()

• 功能：绘制年龄的分布曲线（直方图 + 核密度估计）。
• 用途：检查年龄是否服从正态分布或存在异常值（如年龄为负数）。

(2) 性别分布直方图

sns.distplot(df['sex'])
plt.show()

• 问题：性别通常是分类变量（0/1），使用 distplot 不直观。
• 建议：改用计数图（sns.countplot）更合适：

sns.countplot(x='sex', data=df)
plt.title('性别分布（0=女，1=男）')
plt.show()

(3) BMI与冠心病发病情况的箱线图

sns.boxplot(x=df["TenYearCHD"], y=df["BMI"])
plt.show()

• 功能：比较冠心病患者（TenYearCHD=1）与非患者（TenYearCHD=0）的BMI分布差异。
• 解读：
  • 箱线图显示中位数、四分位数和异常值。
  • 若两组箱体位置明显不同，说明BMI可能与冠心病相关。

3. 代码优化建议

(1) 缺失值处理

• 如果 isnull().sum() 显示有缺失值，需补充处理逻辑，例如

df.fillna(df.median(), inplace=True)  # 用中位数填充数值型缺失值

(2) 更直观的性别分布图

• 使用 countplot 替代 distplot：

sns.countplot(x='sex', data=df, palette='Set2')
plt.title('性别分布（0=女，1=男）')
plt.show()

(3) 添加图表标签和标题

• 所有图表应补充标题和轴标签，例如：

sns.boxplot(x="TenYearCHD", y="BMI", data=df)
plt.xlabel('是否患冠心病（0=否，1=是）')
plt.ylabel('BMI指数')
plt.title('冠心病患者的BMI分布对比')
plt.show()

(4) 多变量联合分析

• 探索更多特征与冠心病的关系，例如年龄与发病率的趋势：

sns.boxplot(x="TenYearCHD", y="age", data=df)
plt.xlabel('是否患冠心病')
plt.ylabel('年龄')
plt.show()

4. 关键输出说明

1. df.describe().T：

   • 输出每列数据的统计量，如：
     • age 的均值、最大值（判断是否存在不合理年龄）。
     • BMI 的标准差（判断数据离散程度）。

2. df.isnull().sum()：

   • 输出示例：

age             0
sex             2
BMI             5
TenYearCHD      0

• 显示 sex 和 BMI