diabetes数据集_R语言在BRFSS数据中可视化分析探索糖尿病的影响因素

原文链接：

拓端数据科技 / Welcome to tecdat​tecdat.cn

数据集：行为危险因素监视系统数据摘要：该数据集是来自全美约40万份与健康相关主题的问卷调查。BRFSS始于1980年代，并已通过问卷调查在美国用于监测普遍的疾病。该研究是追溯性的，而不是设计性的实验，因此尽管可以推断出相关性，但不能因果关系。

数据集中的特征既是连续的又是分类的。目标：探索性别，体重和年龄之间的相关性

第0部分：设置

1. 
   library(ggplot2)
2. 
   library(dplyr)
3. 
   library(Rgraphviz)
4. 
   library(knitr)
5. 
   library(grid)
6. 
   library(gridExtra)

load("brfss2013.RData")

1. 
   # group and count a feature with discrete values
2. 
   feature_vcounts <- function(df, f) {
3. 
   df %>%
4. 
   group_by_at(f) %>%
5. 
   count()}
7. 
   # method for binning values
8. 
   bin_min_sample <- function(p) {
9. 
   n = 10
10. 
    a = 10/p
11. 
    b = 10/(1-p)
12. 
    max(c(a,b))}
14. 
    # create a new df for simulating binom probability distribution
15. 
    binom_prob_df <- function(df, f, target) {
16. 
    new_df <- feature_vcounts(df,f)
17. 
    new_df$n[new_df[f] == target]/sum(new_df$n)}
19. 
    # filtering df with subgroup value
20. 
    subgroup_df <- function(df,f, group) {
21. 
    filter(df,df[f]==group)}
23. 
    # calc the vector probability
24. 
    binom_prob_vec <