心脏病预测分析
发布时间
阅读量：
阅读量
数据来源：kaggle
编译器：pycharm
心脏疾病多见于人群中的一个类别，在循环系统中是一种较为常见的病症。心血管疾病因其致命性而被称为最严重的公共健康威胁，在全球范围内被视为必须采取早期干预措施的主要原因之一。通过数据挖掘技术识别出其中存在的某种模式，并用于预防心血管疾病的进一步发展。
目录
数据初步分析
导入数据
心脏病数据各字段的相关性
性别和患病的关系
患心脏病随年龄分布图
血压-患病关系
运动引起的心绞痛-心率-患病关系
大血管数量ca-年龄age-患病关系
模型预测
数据预处理
KNN
朴素贝叶斯
决策树
模型评估
导入数据
import pandas as pd
data = pd.read_csv('/Users/cengmeili/Documents/简历/项目资料/python数据分析案例，心脏病预测/heart.csv')
print(data.head())
print(data.info())
代码解读可以看到数据基本情况的统计：
对医疗数据字段进行介绍 ：
age: 友情卡持人年龄信息
sex: 性别信息（男=1、女=0）
cp: 胸痛类型（1：典型心绞痛；2：非典型性心绞痛；3：非冠状动脉痉挛性疼痛；0：无症状）
trestbps: 静息时的心血管压力水平（以毫米汞柱为单位记录）
chol: 血脂检测结果（mg/dl单位）
fbs: 空腹血糖水平（> 120 mg/dl为异常情况）
restecg: 心电图静息状态下的电活动特征（数值含义同前）
thalach: 心跳频率上限值
exang: 运动诱发的心绞痛发生情况记录
oldpeak: ST段压低幅度变化值
slope: 最高运动ST段下降速率斜率值
ca: 主要冠状动脉病变数量评估结果
thal: 血液系统疾病谱评分结果（正常=1；固定缺陷=2；可逆缺陷=3）
target: 心脏疾病诊断结果（无病=0；有病=1）
对数据进行统计：
print(data.describe())
代码解读
数据初步分析
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:{countHaveDisease }',end=' ,')
print("患有心脏病比率: {:.2f}%".format((countHaveDisease / (len(data.target))*100)))
print(f'女性人数:{countfemale }',end=' ,')
print("女性比例: {:.2f}%".format((countfemale / (len(data.sex))*100)))
print(f'男性人数:{countmale }',end=' ,')
print("男性比例: {:.2f}%".format((countmale / (len(data.sex))*100)))
代码解读通过执行能够呈现预期的结果；为了更清晰地展示该信息并便于分析解读,采用了matplotlib+seaborn技术进行可视化
# 设置中文字体
zhfont1 = matplotlib.font_manager.FontProperties(fname="/Users/cengmeili/PycharmProjects/pythonProject4/配置文件/SourceHanSansSC-Bold.otf")
plt.subplot(1, 2, 1)
a = [138, 165]
explode=(0,0.1)
label1 = ['Not sick','be ill']
plt.pie(a,labels=label1,explode=explode, autopct='%1.1f%%')
plt.title("患病比例",fontproperties=zhfont1)
plt.subplot(1, 2, 2)
b = [207, 96]
explode=(0,0.1)
label2 = ['man','women']
plt.pie(b,labels=label2,explode=explode, autopct='%1.1f%%')
plt.title("男女患病比例",fontproperties=zhfont1)
plt.show()
代码解读
心脏病数据各字段的相关性
通过图形分析可知，slope与oldpeak之间存在显著的负相关关系（r=0.58）。这表明当slope数值上升时，oldpeak值会随之下降，并且反之亦然。在多个变量中 Target与cp（胸痛）之间的关联最为密切且呈正向关系（r=0.43），紧随其后的是thalach（心率）（r=0.42），最后是slope这一指标（r=0.35）。
性别和患病的关系
gender_dict = data['sex'].value_counts()
plt.figure(figsize=(8, 6))
plt.pie(gender_dict.values, labels=['man', 'women'], autopct="%0.2f%%", explode=(0, 0.05), \
shadow=False, pctdistance=0.8, \
startangle=90, textprops={'fontsize': 16})
plt.show()
代码解读
可视化解读：从图中可以看出男性的患病率是大于女性的
患心脏病随年龄分布图
zhfont1 = matplotlib.font_manager.FontProperties(fname="/Users/cengmeili/PycharmProjects/pythonProject4/配置文件/SourceHanSansSC-Bold.otf")
pd.crosstab(data.age, data.target).plot(kind="bar", figsize=(25, 8))
plt.title('患病变化随年龄分布图',fontproperties=zhfont1)
plt.xlabel('岁数',fontproperties=zhfont1)
plt.ylabel('人数',fontproperties=zhfont1)
plt.show()
代码解读
血压-患病关系
# 画个提琴图
sns.violinplot(x=data.target,y=data.trestbps,data=data)
plt.show()
代码解读
运动引起的心绞痛-心率-患病关系
sns.swarmplot(x='exang', y='thalach', hue='target', data=data, size=6)
plt.xlabel('有无运动引起的心绞痛')
plt.show()
代码解读
大血管数量ca-年龄age-患病关系
plt.figure(figsize=(15, 8))
sns.swarmplot(x='ca', y='age', hue='target', data=data, size=6)
plt.xlabel('大血管数量',fontproperties=zhfont1)
plt.ylabel('年龄',fontproperties=zhfont1)
plt.show()
代码解读
模型预测
数据预处理
#目标值和特征值
x = data.drop(['target'], axis=1)
y = data['target']
#导入库
from sklearn.model_selection import train_test_split
from sklearn.preprocessing import StandardScaler
#划分数据集
x_train, x_test, y_train, y_test = train_test_split(x, y, test_size=0.3, random_state=20)
#特征预处理
cc = StandardScaler()
#标准化
x_train = cc.fit_transform(x_train)
x_test = cc.transform(x_test)
代码解读KNN
from sklearn.neighbors import KNeighborsClassifier
knn = KNeighborsClassifier(n_neighbors=2)
knn.fit(x_train, y_train)
y_pred2 = knn.predict(x_test)
#计算准确率
score2 = knn.score(x_test, y_test)
print("准确率为：", score2)
#查看精确率、召回率、F1-score
report2 = classification_report(y_test, y_pred2, labels=[0,1], target_names=['Not sick','sick'])
print(report2)
代码解读
朴素贝叶斯
from sklearn.naive_bayes import GaussianNB
bayesmodel = GaussianNB()
bayesmodel.fit(x_train, y_train)
y_pred3 = bayesmodel.predict(x_test)
# 计算准确率
score3 = bayesmodel.score(x_test, y_test)
print("准确率为：\n", score3)
#查看精确率、召回率、F1-score
report3 = classification_report(y_test, y_pred3, labels=[0,1], target_names=['Not sick','sick'])
print(report3)
代码解读
决策树
#导入相关库
from sklearn.metrics import accuracy_score
from sklearn.tree import DecisionTreeClassifier
from sklearn.metrics import classification_report
classifier = DecisionTreeClassifier(criterion="gini") #CART算法
classifier.fit(x_train,y_train.ravel())
y_pred1 = classifier.predict(x_test)
# 计算准确率
score1 = classifier.score(x_test, y_test)
print("准确率为：\n", score1)
#查看精确率、召回率、F1-score
report1 = classification_report(y_test, y_pred1, labels=[0,1], target_names=['Not sick','sick'])
print(report1)
代码解读
随机森林
from sklearn.ensemble import RandomForestClassifier
rfc = RandomForestClassifier(n_estimators=200)
rfc.fit(x_train, y_train)
y_pred4 = rfc.predict(x_test)
# 计算准确率
score4 = rfc.score(x_test, y_test)
print("准确率为：\n", score4)
#查看精确率、召回率、F1-score
report4 = classification_report(y_test, y_pred4, labels=[0,1], target_names=['Not sick','sick'])
print(report4)
代码解读
模型评估
model = ['决策树','knn','朴素贝叶斯','随机森林']
score = [score1, score2, score3, score4]
plt.figure(figsize = (15, 10))
sns.barplot(x = score, y = model)
plt.show()
代码解读
以下是改写后的文本内容
全部评论 (0)
还没有任何评论哟~