python医学数据分析_数据分析实战：利用Python对心脏病数据集进行分析

我们都很害怕生病，但感冒发烧这种从小到大的疾病我们已经麻木了，因为一星期他就会好，但是随着长大，各种发炎、三高、心脏病、冠心病响应而生。

心脏病作为一种发作起来让人看了就觉得恐怖的疾病，每年不知道夺走多少生命。而那些患病健在的人们也必须在自己后续的生命里割舍太多东西，以防止心脏病发作。

没有得病的时候，我们永远觉得它离自己很远。我对心脏病的认知就是这样，我不知道它患病的原因，也不知哪些原因会引起心脏病。而患病后如何保持正常生活等等，一概不知。

今天在kaggle上看到一个心脏病数据(数据集下载地址和源码见文末)，那么借此深入分析一下。

数据集读取与简单描述

首先导入library和设置好超参数，方便后续分析。

import numpyasnp

import pandas aspd

import matplotlib.pyplot asplt

import seaborn assns

通过对数据集读取和描述可以得到这两个表格：

可以看到有303行14列数据，每列的标题是age、sex、cp、……、target。他们就像每次去医院的化验单，非专业人士很多都不认识。所以利用官方的解释翻译后含义如下：

age: 该朋友的年龄

sex: 该朋友的性别 (1 = 男性, 0 = 女性)

cp: 经历过的胸痛类型(值1：典型心绞痛，值2：非典型性心绞痛，值3：非心绞痛，值4：无症状)

trestbps: 该朋友的静息血压(入院时的毫米汞柱)

chol: 该朋友的胆固醇测量值，单位 ：mg/dl

fbs: 人的空腹血糖(> 120 mg/dl，1=真;0=假)

restecg: 静息心电图测量(0=正常，1=患有ST-T波异常，2=根据Estes的标准显示可能或确定的左心室肥大)

thalach: 这朋友达到的最大心率

exang: 运动引起的心绞痛(1=有过;0=没有)

oldpeak: ST抑制，由运动引起的相对于休息引起的(“ ST”与ECG图上的位置有关。这块比较专业，可以点这个看一个解读)

slope: 最高运动ST段的斜率(值1:上坡，值2:平坦，值3:下坡)

ca: 萤光显色的主要血管数目(0-4)

thal: 一种称为地中海贫血的血液疾病(3=正常;6=固定缺陷;7=可逆缺陷)

target: 心脏病(0=否，1=是)

所以这些信息里都是患病或者健康者的一些身体指标，并没有和他是否抽烟、是否熬夜、是否遗传、是否作息规律那些东西，因此找不到指导现在我们生活的点，比如说明要戒烟戒酒那些东西。

顺手送上一篇知乎链接 此外上边只是我通过原版数据集给的解读翻译的，如有出错误，欢迎纠正

拿到一套数据首先是要看看这个数据大概面貌~

男女比例

先看看患病比率，男女比例这些常规的

countNoDisease = len(data[data.target == 0])

countHaveDisease = len(data[data.target == 1])

countfemale = len(data[data.sex == 0])

countmale = len(data[data.sex == 1])

print(f'没患病人数:{countNoDisease }',end=' ,')

print("没有得心脏病比率: {:.2f}%".format((countNoDisease / (len(data.target))*100)))

print(f'有患病人数:{countHaveDisea