讯飞大数据竞赛 糖尿病检测

import pandas as pd
import numpy as np
import seaborn as sns

导入数据集

train_data = pd.read_csv("data/train.csv",encoding='gbk')

train_data.head()

	编号	性别	出生年份	体重指数	糖尿病家族史	舒张压	口服耐糖量测试	胰岛素释放实验	肱三头肌皮褶厚度	患有糖尿病标识
0	1	0	1996	30.1	无记录	106.0	3.818	7.89	0.0	0
1	2	0	1988	27.5	无记录	84.0	-1.000	0.00	14.7	0
2	3	1	1988	36.5	无记录	85.0	7.131	0.00	40.1	1
3	4	1	1992	29.5	无记录	91.0	7.041	0.00	0.0	0
4	5	0	1998	42.0	叔叔或者姑姑有一方患有糖尿病	NaN	7.134	0.00	0.0	1

test_data = pd.read_csv("data/test.csv",encoding='gbk')
test_data.head()

	编号	性别	出生年份	体重指数	糖尿病家族史	舒张压	口服耐糖量测试	胰岛素释放实验	肱三头肌皮褶厚度
0	1	0	1987	33.1	无记录	72.0	6.586	24.16	2.94
1	2	0	1998	20.6	叔叔或者姑姑有一方患有糖尿病	68.0	3.861	0.00	0.00
2	3	1	1979	42.1	无记录	98.0	5.713	0.00	3.53
3	4	0	1999	34.6	无记录	66.0	4.684	0.00	3.14
4	5	0	1997	27.7	无记录	89.0	7.948	14.65	2.65

train_data['糖尿病家族史'].unique()

array(['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'],
      dtype=object)

train_data['体重指数'].describe()

count    5070.000000
mean       37.986785
std        11.447095
min         0.000000
25%        28.400000
50%        36.550000
75%        47.600000
max        65.900000
Name: 体重指数, dtype: float64

train_data.groupby("患有糖尿病标识")["体重指数"].apply(np.mean)

患有糖尿病标识
0    34.586981
1    43.490393
Name: 体重指数, dtype: float64

train_data.groupby("患有糖尿病标识")["胰岛素释放实验"].apply(np.mean)

患有糖尿病标识
0    3.040032
1    5.853383
Name: 胰岛素释放实验, dtype: float64

train_data.groupby("患有糖尿病标识")["口服耐糖量测试"].apply(np.mean)

患有糖尿病标识
0    5.296785
1    6.124467
Name: 口服耐糖量测试, dtype: float64

train_data.groupby("患有糖尿病标识")["肱三头肌皮褶厚度"].apply(np.mean)

患有糖尿病标识
0     2.588535
1    14.126544
Name: 肱三头肌皮褶厚度, dtype: float64

data1 = train_data[train_data["患有糖尿病标识"] == 1]["肱三头肌皮褶厚度"]
data2 = train_data[train_data["患有糖尿病标识"] == 0]["肱三头肌皮褶厚度"]
ax1 = sns.kdeplot(data1.to_numpy(),shade=True,color="r")
ax2 = sns.kdeplot(data2.to_numpy(),shade=True,color="g")
ax3 = sns.kdeplot(train_data["肱三头肌皮褶厚度"].to_numpy(),shade=True,color="y")

data1 = train_data[train_data["患有糖尿病标识"] == 1]["体重指数"]
data2 = train_data[train_data["患有糖尿病标识"] == 0]["体重指数"]
ax1 = sns.kdeplot(data1.to_numpy(),shade=True,color="r")
ax2 = sns.kdeplot(data2.to_numpy(),shade=True,color="g")
ax3 = sns.kdeplot(train_data["体重指数"].to_numpy(),shade=True,color="y")

data1 = train_data[train_data["患有糖尿病标识"] == 1]["口服耐糖量测试"]
data2 = train_data[train_data["患有糖尿病标识"] == 0]["口服耐糖量测试"]
ax1 = sns.kdeplot(data1.to_numpy(),shade=True,color="r")
ax2 = sns.kdeplot(data2.to_numpy(),shade=True,color="g")
ax3 = sns.kdeplot(train_data["口服耐糖量测试"].to_numpy(),shade=True,color="y")

data1 = train_data[train_data["患有糖尿病标识"] == 1]["胰岛素释放实验"]
data2 = train_data[train_data["患有糖尿病标识"] == 0]["胰岛素释放实验"]
ax1 = sns.kdeplot(data1.to_numpy(),shade=True,color="r")
ax2 = sns.kdeplot(data2.to_numpy(),shade=True,color="g")

data1 = train_data[train_data["患有糖尿病标识"] == 1]["出生年份"]
data2 = train_data[train_data["患有糖尿病标识"] == 0]["出生年份"]
ax1 = sns.kdeplot(data1.to_numpy(),shade=True,color="r")
ax2 = sns.kdeplot(data2.to_numpy(),shade=True,color="g")