2.1.4

import pandas as pd # 加载数据集并指定编码为gbk data = 💡 # 查看数据类型 print(data.dtypes) # 查看结构信息 print(💡) # 显示每一列的缺失值数量 print(data.isnull().sum()) # 规范日期格式 data['就诊日期'] = pd.to_datetime(data['就诊日期']) data['诊断日期'] = pd.to_datetime(data['诊断日期']) # 修改列名 💡(💡, inplace=True) # 查看修改后的表结构 print(data.head()) from datetime import datetime # 计算诊断延迟和就诊年龄 data['诊断延迟'] = 💡.dt.days data['年龄'] = (datetime(2024, 9, 1) - data['就诊日期']).dt.days # 删除不符合逻辑的数据 data = 💡[(💡 >= 0) & (💡 > 0) & (💡 < 120)] # 查看修改后的数据 print(data.describe()) # 删除重复值并记录删除数量 initial_rows = data.shape[0] 💡(inplace=True) deleted_rows = initial_rows - data.shape[0] print(f'删除重复行数: {deleted_rows}') from sklearn.preprocessing import MinMaxScaler # 对需要统一化的列进行归一化 scaler = MinMaxScaler() columns_to_normalize = [💡] data[columns_to_normalize] = 💡 # 查看归一化后的数据 print(data.head()) import matplotlib.pyplot as plt import matplotlib.font_manager as fm # 统计治疗效果分布 treatment_outcome_distribution = data.groupby('疾病类型')['治疗结果'].value_counts().unstack() # 设置中文字体 font_path = 'C:/Windows/Fonts/simhei.ttf' # 根据系统字体调整路径 my_font = fm.FontProperties(fname=font_path) # 绘制堆叠条形图 💡(💡, stacked=True) plt.title('不同疾病类型的治疗结果分布', fontproperties=my_font) plt.xlabel('疾病类型', fontproperties=my_font) plt.ylabel('治疗结果数量', fontproperties=my_font) plt.xticks(fontproperties=my_font) plt.yticks(fontproperties=my_font) plt.legend(prop=my_font) plt.show() # 绘制散点图 💡(💡, 💡) plt.title('年龄和疾病严重程度的关系', fontproperties=my_font) plt.xlabel('年龄', fontproperties=my_font) plt.ylabel('疾病严重程度', fontproperties=my_font) plt.xticks(fontproperties=my_font) plt.yticks(fontproperties=my_font) plt.legend(prop=my_font) plt.show() # 保存处理后的数据 output_path = '2.1.4_cleaned_data.csv' 💡(💡, index=False)