学生抑郁情况可视化分析及预测

1. 导包

日常导包
根据工具包可以看出使用的是seaborn和matplotlib进行可视化分析
使用标签编码和标准化对数据进行特征处理
使用xgboost进行训练预测
使用混淆矩阵，准确率，F1-Score等进行结果可视化展示

import numpy as np
import pandas as pd
import matplotlib
import matplotlib.pyplot as plt
import seaborn as sns
import chardet
from sklearn.preprocessing import LabelEncoder, StandardScaler
from sklearn.model_selection import train_test_split
import xgboost as xgb
from sklearn.metrics import accuracy_score, classification_report, roc_curve, auc
from sklearn.metrics import confusion_matrix

2. 数据读取
   先获取数据对应的编码方式，再使用数据对应的编码方式读取数据

file_path = '/home/mw/input/depression4298/Depression_Students.csv'
with open(file_path, 'rb') as file:
    raw_data = file.read()
    detected_encoding = chardet.detect(raw_data)['encoding']
# 读取数据
data = pd.read_csv(file_path, encoding=detected_encoding)

# 展示数据
data.head()

data.info()

3. 数据可视化分析

# 设置白色背景和网格线
# 可选的 style 参数值：
# white：白色背景，没有网格线。
# dark：深色背景，默认显示网格线。
# darkgrid：深色背景，带有网格线。
# whitegrid：白色背景，带有网格线。
# ticks：带有刻度线的白色背景图。
sns.set(style="whitegrid")
# 设置支持中文的字体，确保中文字符能正常显示
matplotlib.rcParams['font.sans-serif'] = ['Microsoft YaHei']
matplotlib.rcParams['axes.unicode_minus'] = False 

3.1 性别分布

数据样本性别分布

plt.figure(figsize=(10, 6))
sns.countplot(data=data, x="性别", palette="pastel")
# 添加顶部数值标签
ax = sns.countplot(data=data, x="性别", palette="pastel")
for p in ax.patches:
    ax.annotate(f'{p.get_height()}', 
                (p.get_x() + p.get_width() / 2., p.get_height()), 
                ha = 'center', va = 'center', 
                fontsize=12, color='black', 
                xytext=(0, 5), textcoords='offset points')

plt.title("性别分布", fontsize=14)
plt.xlabel("性别", fontsize=12)
plt.ylabel("人数", fontsize=12)
plt.show()

3.2 不同性别抑郁情况分布

plt.figure(figsize=(10, 6))
sns.countplot(data=data, x="性别", hue="是否抑郁", palette="Set2")
plt.title("不同性别抑郁情况分布", fontsize=14)
plt.xlabel("性别", fontsize=12)
plt.ylabel("人数", fontsize=12)
plt.legend(title="是否抑郁")
plt.show()

3.3 不同睡眠时长与抑郁情况的关系

plt.figure(figsize=(17, 10))
sns.countplot(data=data, x="睡眠时间", hue="是否抑郁", palette="Set1")
plt.title("不同睡眠时长与抑郁情况的关系", fontsize=14)
plt.xlabel("睡眠时间", fontsize=12)
plt.ylabel("人数", fontsize=12)
plt.legend(title="是否抑郁")
plt.show()

3.4 学习压力与抑郁的关系

从这个图可以看出，学习压力是抑郁的主要因素

plt.figure(figsize=(10, 8))
sns.boxplot(data=data, x="是否抑郁", y="学习压力", palette="coolwarm")
plt.title("学习压力与抑郁的关系", fontsize=14)
plt.xlabel("是否抑郁", fontsize=12)
plt.ylabel("学习压力", fontsize=12)
plt.show()

3.5 年龄分布与抑郁情况的关系

绘制小提琴图：年龄分布与抑郁情况的关系

plt.figure(figsize=(12, 8))
sns.violinplot(data=data, x="是否抑郁", y="年龄", palette="muted")
plt.title("年龄分布与抑郁情况的关系", fontsize=14)
plt.xlabel("是否抑郁", fontsize=12)
plt.ylabel("年龄", fontsize=12)
plt.tight_layout()
plt.show()

4. 特征编码

使用标签编码和数据标准化

# 创建标签编码器
label_encoder = LabelEncoder()

# 将类别变量转换为数值
data['性别'] = label_encoder.fit_transform(data['性别'])
data['是否抑郁'] = label_encoder.fit_transform(data['是否抑郁'])
data['睡眠时间'] = label_encoder.fit_transform(data['睡眠时间'])
data['饮食习惯'] = label_encoder.fit_transform(data['饮食习惯'])
data['是否有过自杀的念头'] = label_encoder.fit_transform(data['是否有过自杀的念头'])
data['精神疾病家族史'] = label_encoder.fit_transform(data['精神疾病家族史'])

# 标准化数值变量
scaler = StandardScaler()
data[['年龄', '学习压力', '学习满意度', '学习时间', '经济压力']] = scaler.fit_transform(data[['年龄', '学习压力', '学习满意度', '学习时间', '经济压力']])

5. 模型训练

先划分数据集，再使用xgboost进行训练

# 特征和目标变量
X = data.drop('是否抑郁', axis=1)  # 去掉目标变量
y = data['是否抑郁']  # 目标变量

# 切分数据集
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)

X.head()

# 初始化并训练XGBoost模型
xgb_model = xgb.XGBClassifier(random_state=42)
xgb_model.fit(X_train, y_train)

# 在测试集上进行预测
y_pred_xgb = xgb_model.predict(X_test)

# 评估模型性能
accuracy_xgb = accuracy_score(y_test, y_pred_xgb)
print(f"XGBoost模型准确率: {accuracy_xgb:.2f}")
print(classification_report(y_test, y_pred_xgb))

6. 结果可视化展示

6.1 混淆矩阵

绘制各个标签的混淆矩阵分为TT,TF,FT,FF

# 计算混淆矩阵
cm = confusion_matrix(y_test, y_pred_xgb)
# 绘制混淆矩阵
plt.figure(figsize=(10, 8))
sns.heatmap(cm, annot=True, fmt="d", cmap="Blues", xticklabels=label_encoder.classes_, yticklabels=label_encoder.classes_)
plt.title('混淆矩阵')
plt.xlabel('预测类别')
plt.ylabel('实际类别')
plt.show()

6.2 特征重要性

查看各个特征对目标变量的重要性

# 特征重要性
plt.figure(figsize=(10, 6))
xgb.plot_importance(xgb_model, importance_type="weight", max_num_features=10, title="特征重要性")
plt.show()

总结

学习压力是学生抑郁的主要影响因素
其他影响因素请看上图

# 需要数据集的请点击以下链接。
https://mbd.pub/o/bread/mbd-Z5ybm5hq