1.1.1 患者数据分析

import pandas as pd import numpy as np # 读取数据集 1分 data = 💡

# 创建新列'RiskLevel'，根据住院天数判断风险等级 3分 💡 = 💡(💡, '高风险患者', '低风险患者') # 统计不同风险等级的患者数量 2分 risk_counts = data💡.💡 # 计算高风险患者占比 1分 high_risk_ratio = risk_counts['高风险患者'] / 💡 # 计算低风险患者占比 1分 low_risk_ratio = risk_counts['低风险患者'] / 💡 # 输出结果 print("高风险患者数量:", risk_counts['高风险患者']) print("低风险患者数量:", risk_counts['低风险患者']) print("高风险患者占比:", high_risk_ratio) print("低风险患者占比:", low_risk_ratio)

# 定义BMI区间和标签 bmi_bins = [0, 18.5, 24, 28, np.inf] bmi_labels = ['偏瘦', '正常', '超重', '肥胖'] # 根据BMI值划分指定区间 4分 data['BMIRange'] = 💡(💡, 💡, 💡, right=False) # 使用左闭右开区间 # 计算每个BMI区间中高风险患者的比例 2分 bmi_risk_rate = 💡(💡)['RiskLevel'].apply(lambda x: (x == '高风险患者').mean()) # 统计每个BMI区间的患者数量 1分 bmi_patient_count = data💡 # 输出结果 print("BMI区间中高风险患者的比例和患者数:") print(bmi_risk_rate) print(bmi_patient_count)

# 定义年龄区间和标签 age_bins = [0, 26, 36, 46, 56, 66, np.inf] age_labels = ['≤25岁', '26-35岁', '36-45岁', '46-55岁', '56-65岁', '＞65岁'] # 根据年龄值划分指定区间 4分 data['AgeRange'] = 💡(💡, 💡, 💡, right=False) # 使用左闭右开区间 # 计算每个年龄区间中高风险患者的比例 2分 age_risk_rate = 💡(💡)['RiskLevel'].apply(lambda x: (x == '高风险患者').mean()) # 统计每个年龄区间的患者数量 1分 age_patient_count = data💡 # 输出结果 print("年龄区间中高风险患者的比例和患者数:") print(age_risk_rate) print(age_patient_count)