python大数据分析

1

2

3

4

5

6

7

8

9

10

11

12

13

14

15

16

17

18

19

20

21

22

23

24

25

26

27

28

29

30

31

32

33

34

35

36

37

38

39

40

41

42

43

44

45

46

47

48

49

50

51

52

53

54

55

56

57

58

59

60

61

62

63

64

65

66

67

68

69

70

71

72

73

74

75

76

77

78

79

80

81

82

83

84

85

86

87

88

89

90

91

92

93

94

95

96

97

98

99

100

101

102

103

104

105

106

107

108

109

110

111

112

113

114

115

116

117

118

119

120

121

122

123

124

125

126

127

128

129

130

131

132

133

134

135

136

137

138

!pip install xgboost

import pandas as pd

import numpy as np

import seaborn as sns

import matplotlib.pyplot as plt

from sklearn.preprocessing import LabelEncoder

import warnings

import xgboost

from sklearn.model_selection import train_test_split

from sklearn.ensemble import RandomForestRegressor,RandomForestClassifier

from sklearn.metrics import confusion_matrix, classification_report, accuracy_score

warnings.filterwarnings('ignore')

plt.rcParams['font.sans-serif'] = ['Microsoft YaHei']

df = pd.read_csv('/home/mw/input/data1581/Sleep_health_and_lifestyle_dataset.csv',encoding='gbk')

df.head()

df.info()

df.duplicated().sum()df_new = df.copy()cat_cols = []for each in df_new.columns.tolist():

    if df_new[each].dtype == 'object' and each != '血压':

        cat_cols.append(each)

        print(df_new[each].value_counts().to_frame())

    le = LabelEncoder()

    le.fit(df_new[col])

    df_new[col] = le.transform(df_new[col])df_new.head()xueya = df_new['血压'].str.split('/',expand=True)

xueya.columns = ['高压','低压']

xueya = xueya.astype(int)df_new = pd.concat([df_new,xueya],axis=1)df_new.info()plt.figure(figsize=(12,8))

sns.countplot(x='性别',hue='职业',data=df,palette='Set3')

plt.title('男女及从事职业情况',fontsize=20)

plt.show()plt.figure(figsize=(12,8))

sns.countplot(x='性别',hue='睡眠障碍',data=df,palette='Set3')

plt.title('男女睡眠障碍情况',fontsize=20)

plt.show()plt.figure(figsize=(12,8))

sns.countplot(x='性别',hue='BMI',data=df,palette='Set3')

plt.title('男女BMI情况',fontsize=20)

plt.show()plt.figure(figsize=(12,8))

plt.hist(df['年龄'],density=True,bins=15,color=plt.cm.RdBu(0.6),edgecolor=plt.cm.RdBu(0.7))

df['年龄'].plot(kind = 'kde')

plt.title('年龄分布',fontsize=20)

plt.show()df['年龄'].min(),df['年龄'].max()plt.figure(figsize=(12,8))

plt.hist(df['睡眠时长'],density=True,bins=15,color=plt.cm.RdBu(0.6),edgecolor=plt.cm.RdBu(0.7))

df['睡眠时长'].plot(kind = 'kde')

plt.title('睡眠时间分布',fontsize=20)

plt.show()plt.figure(figsize=(12,8))

plt.hist(df['睡眠质量'],density=True,bins=6,color=plt.cm.RdBu(0.6),edgecolor=plt.cm.RdBu(0.7))

df['睡眠质量'].plot(kind = 'kde')

plt.title('睡眠质量分布',fontsize=20)

plt.show()plt.figure(figsize=(12,8))

plt.hist(df['心率'],density=True,bins=15,color=plt.cm.RdBu(0.6),edgecolor=plt.cm.RdBu(0.7))

df['心率'].plot(kind = 'kde')

plt.title('心率分布',fontsize=20)

plt.show()plt.figure(figsize=(12,8))

plt.hist(df_new['高压'],density=True,bins=15,color=plt.cm.RdBu(0.6),edgecolor=plt.cm.RdBu(0.7),label='高压')

df_new['高压'].plot(kind = 'kde',label='高压')

plt.hist(df_new['低压'],density=True,bins=15,color=plt.cm.RdBu(0.3),edgecolor=plt.cm.RdBu(0.2),label='低压')

df_new['低压'].plot(kind = 'kde',label='低压')

plt.title('血压分布',fontsize=20)

plt.legend()

plt.show()df_new['高压'].max(),df_new['高压'].min(),df_new['低压'].min(),df_new['低压'].max()plt.figure(figsize=(12,8))

plt.hist(df['身体活动水平'],density=True,bins=15,color=plt.cm.RdBu(0.6),edgecolor=plt.cm.RdBu(0.7))

df['身体活动水平'].plot(kind = 'kde')

plt.title('身体活动水平分布',fontsize=20)

plt.show()df['身体活动水平'].min(),df['身体活动水平'].max()plt.figure(figsize=(12,8))

plt.hist(df['压力水平'],density=True,bins=15,color=plt.cm.RdBu(0.6),edgecolor=plt.cm.RdBu(0.7))

df['压力水平'].plot(kind = 'kde')

plt.title('压力水平分布',fontsize=20)

plt.show()plt.figure(figsize=(12,8))

plt.hist(df['每日步数'],density=True,bins=15,color=plt.cm.RdBu(0.6),edgecolor=plt.cm.RdBu(0.7))

df['每日步数'].plot(kind = 'kde')

plt.title('每日步数分布',fontsize=20)

plt.show()sns.pairplot(df_new[df_new.columns.tolist()[1:]])plt.figure(figsize=(12,12))

plt.imshow(df_new.iloc[:,1:].corr(),cmap='Blues')

plt.xticks(range(len(df_new.iloc[:,1:].corr().columns.tolist())),df_new.iloc[:,1:].corr().columns.tolist(),rotation=45)

plt.yticks(range(len(df_new.iloc[:,1:].corr().columns.tolist())),df_new.iloc[:,1:].corr().columns.tolist(),rotation=45)

plt.colorbar()

plt.show()target = ['睡眠时长','睡眠质量','睡眠障碍']

df_new.drop(columns=['ID'],inplace=True)df_new.drop(columns=['血压'],inplace=True)for i in range(len(target[:2])):

    y = df_new[target[i]]

    X = df_new.iloc[:,~df_new.columns.isin(target)]

    model = RandomForestRegressor()

    model.fit(X,y)

    print('在'+ target[i] + '作为因变量时，各因素重要性为：')

    plt.figure(figsize=(8,8))

    plt.subplot(2,1,i+1)

    plt.imshow(model.feature_importances_.reshape(-1,1))

    plt.yticks(range(len(X.columns.tolist())),X.columns.tolist())

    plt.xticks(range(1))

    plt.xlabel(target[i])

    plt.colorbar()

    plt.show()y = df_new[target[2]]

X = df_new.iloc[:,~df_new.columns.isin(target)]

model1 = RandomForestClassifier()

model1.fit(X,y)

plt.imshow(model1.feature_importances_.reshape(-1,1))

plt.yticks(range(len(X.columns.tolist())),X.columns.tolist())

plt.xticks(range(1))

plt.xlabel(target[2])

plt.colorbar()

plt.show()plt.figure(figsize=(4,8))

sns.boxplot(x='性别',y='身体活动水平',palette='Set3',data=df_new)

plt.title('不同性别身体活动水平的箱型图分析',fontsize=15)

plt.show()plt.figure(figsize=(4,8))

sns.boxplot(x='性别',y='压力水平',palette='Set3',data=df_new)

plt.title('不同性别压力水平的箱型图分析',fontsize=15)

plt.show()lt.figure(figsize=(4,8))

sns.boxplot(x='性别',y='心率',palette='Set3',data=df_new)

plt.title('不同性别心率的箱型图分析',fontsize=15)

plt.show()plt.figure(figsize=(12,8))

sns.boxplot(x='性别',y='高压',palette='Set3',data=df_new)

sns.boxplot(x='性别',y='低压',palette='Set3',data=df_new)

plt.title('不同性别血压的箱型图分析',fontsize=15)

plt.show()X = df_new.drop(columns=['睡眠障碍'])

y = df_new[['睡眠障碍']]

X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.3, train_size=0.7, random_state=42)model2 = xgboost.XGBClassifier()

model2.fit(X_train, y_train)y_pred = model2.predict(X_test)df_new['睡眠障碍'].unique()cm = confusion_matrix(y_test, y_pred)label_mapping = {0:'失眠',1:'无',2:'睡眠呼吸暂停'}

for i, true_label in enumerate(label_mapping):

    row = ''

    for j, pred_label in enumerate(label_mapping.values()):

        row += f'{cm[i, j]} ({pred_label})t'

    print(f'{row} | {true_label}')

print(classification_report(y_test, y_pred,target_names=['失眠','无', '睡眠呼吸暂停'])) 

fig, ax = plt.subplots()

im = ax.imshow(cm, interpolation='nearest', cmap=plt.cm.Blues)

ax.figure.colorbar(im, ax=ax)

ax.set(xticks=np.arange(cm.shape[1]),

       yticks=np.arange(cm.shape[0]),

       xticklabels=label_names, yticklabels=label_names,

       title='Confusion matrix',

       ylabel='True label',

       xlabel='Predicted label')

thresh = cm.max() / 2.

for i in range(cm.shape[0]):

    for j in range(cm.shape[1]):

        ax.text(j, i, format(cm[i, j], 'd'),

                ha="center", va="center",

                color="white" if cm[i, j] > thresh else "black")

fig.tight_layout()

plt.show()

相关知识

最新国内减肥行业大数据分析.pptx
材料一：国家有关部门根据学生体质健康数据，进行统计分析，全面了解学生健康状况及变化趋势，制定了《国家学生体质健康标准》，其中高一男生的正常体重指数为16.5~23.2。 材料二：体重指数BMI是国际，上常用来衡量人体肥胖程度的重要标志，
IT知识讲解：Python语言中=和==有什么区别
2016年十大保健品品牌排行榜数据分析
国内外健康医疗大数据建设及应用发展现状分析
简答题：身体质量指数（BMI）是衡量身体健康与否的标准之一。科学家经过大量的统计、分析，推导出计算公式为：BMI=w/(h×h)，其中w表示体重（单位为千克），
薄荷健康社媒营销分析报告｜数据报告PDF下载
大数据为健康医疗赋效能
中国健康瘦身行业数据分析： 48.8%消费者体重超重原因是生活作息习惯
健康瘦身行业数据分析：2021年中国45.6%网民认为自己超重

网址: python大数据分析 https://www.trfsz.com/newsview46260.html