第1章 数据收集
本数据集是从CSDN编程社区中名为睡眠数据集中下载得来的，作者为程序员奇奇，在许多个平台中寻找数据集后，选择了这个数据集。
数据集链接：
https://download.csdn.net/download/pythonyanyan/88017459
图1
本数据集有13个属性，374个样本，数据集信息比较完整，如图1。在表中有多个数据属性可以去清晰地看见各个样本的数据信息，主要关注的属性是性别、职业、睡眠质量、身体活动水平、压力水平、BMI、血压、心率、每日步数、睡眠障碍。主要研究的方向是睡眠的影响因素，通过对数据的可视化分析哪些属性对睡眠有影响。
- 数据处理
使用df.isnull()函数查看数据集是否含有空缺值，发现数据集不含有空缺值。在使用df.isnull().sum()对缺失值进行统计查看得到数据集不含空置，如图2。
图2
删除无用列df = df.drop('ID', axis=1)，如图3。
图3
在处理数据集前，要了解数据的详细信息，使用df.info()函数获取数据集详细信息。
<class 'pandas.core.frame.DataFrame'>
RangeIndex: 374 entries, 0 to 373
Data columns (total 13 columns):
ID 374 non-null int64
性别 374 non-null object
年龄 374 non-null int64
职业 374 non-null object
睡眠时长 374 non-null float64
睡眠质量 374 non-null int64
身体活动水平 374 non-null int64
压力水平 374 non-null int64
BMI 374 non-null object
血压 374 non-null object
心率 374 non-null int64
每日步数 374 non-null int64
睡眠障碍 374 non-null object
dtypes: float64(1), int64(7), object(5)
memory usage: 38.1+ KB
使用df.ndim得到数据集维度为2，使用df.describe()函数统计个属性的统计数据，如图4。
图4
统计一些属性在数据集中的数量，使用df.describe()函数统计数量，如图5。
图5
- 数据可视化分析
plt.figure(figsize=(5, 5))
gender_count = df['性别'].value_counts()
print(gender_count)
plt.pie(gender_count,labels=gender_count.index,autopct='%1.1f%%',colors=[custom_colors[ 2], custom_colors[0]])
plt.title('性别分布')
plt.show()
首先，plt.figure(figsize=(5, 5))创建一个指定大小的图形画布。接着，gender_count = df['性别'].value_counts()统计数据框df中‘性别’列不同值的出现频次。print(gender_count)便于查看统计结果。然后，plt.pie()依据频次绘制饼图，用labels添加类别标签，autopct展示占比，colors设置颜色。plt.title('性别分布')为饼图添加标题使其表意清晰。最后，plt.show()将绘制好的饼图展示出来，实现数据可视化。
sns.countplot(data = df, x = '职业', palette=custom_colors)
首先，sns.countplot(data = df, x = '职业', palette=custom_colors)利用seaborn库按df数据框里‘职业’列分类统计数量，并通过palette参数赋予自定义颜色。接着，plt.ylabel("数量")明确纵轴代表含义。年龄和睡眠时长和职业使用的可视化方法一致。
df['睡眠质量'].value_counts()
sns.countplot(x='睡眠质量',data= df,order= df['睡眠质量'].value_counts().index)
首先，df['睡眠质量'].value_counts()统计了数据框df中‘睡眠质量’列各值出现的频次。接着，sns.countplot(x='睡眠质量', data= df, order= df['睡眠质量'].value_counts().index)以‘睡眠质量’为分类依据，绘制计数柱状图，且依据频次顺序排列横坐标类别，使图表更有条理。压力水平和睡眠质量的方法是一致的。
plt.pie(BMI,labels=['正常','超重','肥胖'],autopct='%1.1f%%',explode=[0,0,0.2])
首先，plt.pie(BMI,labels=['正常','超重','肥胖'],autopct='%1.1f%%',explode=[0,0,0.2])利用matplotlib库绘制饼图，BMI数据决定各部分占比，设置对应类别标签，通过autopct展示各部分占比数值，且让代表‘肥胖’的部分突出显示（explode参数作用），使其更醒目。
plt.figure(figsize=(8,6))
df['睡眠障碍'].value_counts().plot(kind='bar')
通过plt.figure(figsize=(8,6))创建了一个宽度为 8、高度为 6 的图形画布，为后续绘图设定了合适的展示空间。接着，利用df['睡眠障碍'].value_counts()统计出数据框df里‘睡眠障碍’列不同值的出现频次，再调用plot(kind='bar')方法将其以柱状图的形式进行绘制，直观呈现不同睡眠障碍类型对应的数量情况。
sns.boxplot(x = "睡眠障碍", y = "睡眠时长", data = df)
plt.show()
这里使用seaborn里的函数boxplot绘制箱线图，x 参数指定了箱线图的横坐标变量，这里设置为数据框 df 中的 “睡眠障碍” 列。y 参数指定了纵坐标变量，即 “睡眠时长” 列。data = df 表示指定了数据来源是名为 df 的数据框，这个数据框应该包含了 “睡眠障碍” 和 “睡眠时长” 这两个列，并且已在之前的代码中正确定义和加载好数据。
sns.countplot(x='性别', data = df, hue='睡眠障碍')
plt.show()
这里使用的是seaborn里的函数countplot绘制柱状图，职业与睡眠障碍的关系的可视化与这里用的方法一致。
stress_by_occupation = df.groupby('职业', as_index=False)['压力水平'].mean()
stress_by_occupation
sns.barplot(x='压力水平', y='职业', data=stress_by_occupation.sort_values('压力水平', ascending=False))
通过 groupby 操作依据 “职业” 对数据框 df 中的 “压力水平” 进行分组，并计算每组的均值，将结果存储在 stress_by_occupation 中。接着使用 seaborn 的 barplot 函数，以 “压力水平” 为横坐标、“职业” 为纵坐标绘制条形图，且按压力水平降序排列数据来展示，能直观呈现不同职业的平均压力水平差异，便于对比分析各职业压力状况。身体活动与压力水平的关系可视化与这里一致。
sns.regplot(x='压力水平', y='睡眠质量', data=df)
使用了 seaborn 库（通常简称为 sns）中的 regplot 函数来绘制回归图。其作用是以数据框 df 中的 “压力水平” 列作为自变量（对应 x 轴），“睡眠质量” 列作为因变量（对应 y 轴）进行分析并可视化展示。
df['心率'].plot(kind='kde')
该代码 df['心率'].plot(kind='kde') 借助 pandas 绘图功能，选取 df 数据框里的 “心率” 列。plot 方法调用 matplotlib 绘制图形，kind='kde' 设定绘制核密度估计图。此图以平滑曲线呈现 “心率” 数据分布，能清晰展现其集中区间，如单峰或双峰形态等。
日常步数与Blodd压力的可视化与这里的方法一致。
numeric_df = df.select_dtypes(include=['float64', 'int64'])
correlation_matrix = numeric_df.corr()
plt.figure(figsize=(10, 8))
sns.heatmap(correlation_matrix, annot=True, cmap='coolwarm', fmt=".2f")
首先，通过 df.select_dtypes(include=['float64', 'int64']) 从数据框 df 中筛选出浮点型和整型的数值列，存储在 numeric_df 里，确保后续分析针对合适的数据类型。接着，利用 correlation_matrix = numeric_df.corr() 计算这些数值列两两之间的相关系数，形成相关系数矩阵。然后，设置图形大小并调用 sns.heatmap，以直观的热力图展示矩阵，annot=True 显示系数数值，cmap='coolwarm' 定义颜色，fmt=".2f" 规范格式，便于观察变量关联强弱。
图6，中展示的是性别的分布情况，这里统计了男女的数量，在饼状图中展示了其在本数据集中的占比，清晰的看到了在这个数据集中男女的比例相差不大，比例大概在1：1左右。
图6
下面是职业的柱状图，如图7。这里展示了数据集中的所有职业，共有11个其中医生、老师、护士、工程师、会计师、律师等，数量大于等于30，软件工程师、销售代表、会计师、科学家、营业员、主管等，数量低于10，这些职业都是一些工作的内容较为复杂并且工作任务很繁重的。对于这些人就要格外关注一些生活上的事情，尤其像睡眠这类的，很容易影响其工作上的事。
图7
下面要分析的是年龄，如图8。整个数据集的年龄范围在27-59岁之间，总体倾向与中年阶段。
图8
下面是关于睡眠时长的，如图9。从图中可以看到在6.0-6.1，6.5-6.6，7.1-7.2，7.7-7.8，这些时间段的人数较多，看可以看出总体的睡眠状况还是较好的。
图9
下一个是睡眠质量的分布，如图10。在图中可以清晰的看出睡眠质量排序为8、6、7、9、5、4可以看出总体睡眠质量较好，睡眠质量差的较少。
图10
下面是压力水平，如图11。从图中可以看出，压力水平为 3 和 4 时的计数最高，表明在这些压力水平下的数据点数量最多；而压力水平为 6 时的计数相对较低。这张图可以帮助我们直观地了解压力水平的分布情况，可能用于分析某种现象或人群在不同压力水平下的表现。
图11
下面是BMI，如图12。正常：占比 57.8%，在图中用蓝色表示。这表明大部分人（超过一半）的 BMI 处于正常范围。超重：占比 39.6%，在图中用绿色表示。这是第二大群体，有相当一部分人的 BMI 处于超重范围。肥胖：占比 2.7%，在图中用红色表示。这是占比最小的群体，只有一小部分人的 BMI 处于肥胖范围。从图中可以看出，正常 BMI 的人群占比最多，其次是超重人群，肥胖人群占比最少。这种分布可以帮助我们了解该样本中不同 BMI 类别的比例情况，对于健康管理和统计分析有一定的参考价值。
图12
下面是睡眠障碍，如图13。从图中可以看出，没有睡眠障碍的人群数量最多，而有轻度睡眠障碍和失眠问题的人群数量相对较少且接近。这张图可以帮助我们直观地了解不同睡眠状态的人群分布情况。
图13
下面是睡眠障碍和睡眠时长的箱线图，如图14。从图中可以看出，无睡眠障碍和睡眠呼吸暂停的睡醒时长中位数相似，而失眠的睡醒时长中位数较低，且存在一个较低的异常值。这表明失眠可能会导致睡醒时长减少。
图14
下面是性别与睡眠障碍的柱状图，如图15。男性中无睡眠障碍的人数远高于女性，而女性在睡眠呼吸暂停和失眠方面的人数相对较多。男性和女性在失眠方面的人数较为接近，而在无睡眠障碍和睡眠呼吸暂停方面的人数差异较大。这张图通过直观的柱状图展示了性别与睡眠障碍类型之间的关系，有助于分析不同性别在睡眠障碍方面的差异。
扫一扫
1550
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
