糖尿病遗传风险检测挑战赛

数据预读

数据集字段说明

• 编号：标识个体身份的数字；
• 性别：1表示男性，0表示女性；
• 出生年份：出生的年份；
• 体重指数：体重除以身高的平方，单位kg/m2;
• 糖尿病家族史：标识糖尿病的遗传特性，记录家族里面患有糖尿病的家属，分成三种标识，分别是父母有一方患有糖尿病、叔叔或者姑姑有一方患有糖尿病、无记录；
• 舒张压：心脏舒张时，动脉血管弹性回缩时，产生的压力称为舒张压，单位mmHg；
• 口服耐糖量测试：诊断糖尿病的一种实验室检查方法。比赛数据采用120分钟耐糖测试后的血糖值，单位mmol/L；
• 胰岛素释放实验：空腹时定量口服葡萄糖刺激胰岛β细胞释放胰岛素。比赛数据采用服糖后120分钟的血浆胰岛素水平，单位pmol/L；
• 肱三头肌皮褶厚度：在右上臂后面肩峰与鹰嘴连线的重点处，夹取与上肢长轴平行的皮褶，纵向测量，单位cm；
• 患有糖尿病标识：数据标签，1表示患有糖尿病，0表示未患有糖尿病。

解题思路

--------------------------------------------------后补-------------------------------------------------------------------

导入库

import pandas as pd
from sklearn.tree import DecisionTreeClassifier

数据预处理

data1=pd.read_csv('比赛训练集.csv',encoding='gbk') #汉字
data2=pd.read_csv('比赛测试集.csv',encoding='gbk')
#label标记为-1
data2['患有糖尿病标识']=-1 #这是为了方便合并，先给测试集加一个label，-1和0，1区分开

#训练集和测试机合并 （统一做特征工程
data=pd.concat([data1,data2],axis=0,ignore_index=True)

#将舒张压特征中的缺失值填充为-1
data['舒张压']=data['舒张压'].fillna(-1)

特征工程

"""
将出生年份换算成年龄
"""
data['出生年份']=2022-data['出生年份']  #换成年龄


"""
人体的成人体重指数正常值是在18.5-24之间
低于18.5是体重指数过轻
在24-27之间是体重超重
27以上考虑是肥胖
高于32了就是非常的肥胖。

在这里根据BMI范围分类一下
"""
def BMI(a):
    if a<18.5:
        return 0
    elif 18.5<=a<=24:
        return 1
    elif 24<a<=27:
        return 2
    elif 27<a<=32:
        return 3
    else:
        return 4

data['BMI']=data['体重指数'].apply(BMI) # apply函数会自动遍历每一行DataFrame的数据，最后将所有结果组合成一个Series数据结构并返回。

data.head()

#糖尿病家族史
"""
无记录
叔叔或者姑姑有一方患有糖尿病/叔叔或姑姑有一方患有糖尿病
父母有一方患有糖尿病

分为3类
"""
def FHOD(a): # Family History of Diabetes
    if a=='无记录':
        return 0
    elif a=='叔叔或者姑姑有一方患有糖尿病' or a=='叔叔或姑姑有一方患有糖尿病':
        return 1
    else:
        return 2
data['糖尿病家族史']=data['糖尿病家族史'].apply(FHOD)

data['舒张压'].describe()

"""
舒张压范围为60-90
"""
def DBP(a):
    if a<60:
        return 0
    elif 60<=a<=90:
        return 1
    else:
        return 2

data['DBP']=data['舒张压'].apply(DBP)

拆分数据（特征工程结束

#将处理好的特征工程分为训练集和测试集，其中训练集是用来训练模型，测试集用来评估模型准确度
#其中编号和患者是否得糖尿病没有任何联系，属于无关特征予以删除

#根据之前的添加的-1列来拆分训练集和测试集  牛逼
train=data[data['患有糖尿病标识'] !=-1]
test=data[data['患有糖尿病标识'] ==-1]

#标签集
train_label=train['患有糖尿病标识']

#特征集
train=train.drop(['编号','患有糖尿病标识'],axis=1)
test=test.drop(['编号','患有糖尿病标识'],axis=1)

train.head()

#使用决策树方法训练数据集
model = DecisionTreeClassifier() #调过来
model.fit(train, train_label) # 拟合
y_pre=model.predict(test) #拟合完了是吧 给我他吗的测
y_pre #返回一下测试结果

#结果提交
result=pd.read_csv('提交示例.csv')
result['label']=y_pre
result.to_csv('result-de.csv',index=False)