mjh11111的博客

原创 数据可视化分析

- 第一个 div 盒子，用于绘制图表，修改宽高为 800px、200px --> <div id="c2a8495734c44c9e9bb91c931875f54e" class="chart-container" style="width: 800px;"></div> <!-- 新增的第二个 div 盒子，属性与第一个相同，不绘制图形 --> <div class="chart-container" style="width: 800px;

原创 python作业

数据统计：从数据集中提取 “营养缺乏” 列，统计每种营养缺乏类型的出现频次，筛选出最常出现的 8 种。可视化呈现：用横向柱状图展示结果，营养缺乏类型名称在 y 轴，对应样本数量在 x 轴，直观对比不同营养缺乏与脱发关联的 “常见程度”。图表优化：设置标题、坐标轴标签及刻度字号，调整画布尺寸和标题间距，让图表清晰、美观，便于解读。

原创 多线程v大师傅但是

原创 抑郁症患者

2. 可视化分析：用 pyecharts 做交互图表（饼图、柱状图、词云），直观呈现 患者性别/年龄分布、就诊科室、病历文本特征，辅助医疗数据分析（如资源分配、病情洞察）。• 逻辑：利用字符串分割（split）和匿名函数（lambda），从混合字段 Patient_name 中拆解出性别、年龄，存入新列，解决“信息混合”问题。• 思路：先诊断（isnull().sum()）、再决策（删除/填充），这里因缺失比例低且无合适填充逻辑（如日期、姓名难合理填充），选择直接删除。

原创 python心得

从数据处理的 NumPy、Pandas，到可视化的 Matplotlib、Seaborn，再到 Web 开发的 Django、Flask，每一个库都像是一位得力助手，在不同的领域大显身手。”程序的编写简单明了，变量的定义、数据类型的运用都自然流畅，让我这个初学者毫无突兀感，轻松迈出了编程的第一步。每一次成功解决一个难题，都让我对 Python 的理解更上一层楼，也让我在编程的道路上积累了宝贵的经验。我相信，凭借 Python 这把利剑，我能够在科技的海洋中披荆斩棘，创造出属于自己的精彩。