## 一、数据说明
该心脏病数据集是通过组合 5 个已经独立可用但以前未合并的流行心脏病数据集来策划的。在这个数据集中，5 个心脏数据集结合了 11 个共同特征，使其成为迄今为止可用于研究目的的最大心脏病数据集。
该数据集由 1190 个实例和 11 个特征组成。这些数据集被收集并组合在一个地方，以帮助推进与CAD相关的机器学习和数据挖掘算法的研究，并希望最终推进临床诊断和早期治疗。
## 二、导入包
```python
import numpy as np # 线性代数
import pandas as pd # 数据处理, CSV file I/O (e.g. pd.read_csv)
import warnings
warnings.filterwarnings("ignore")
import matplotlib.pyplot as plt
import seaborn as sns
from sklearn.preprocessing import MinMaxScaler
from sklearn.model_selection import train_test_split
from sklearn.ensemble import RandomForestClassifier
from sklearn.ensemble import GradientBoostingClassifier
from sklearn.ensemble import ExtraTreesClassifier
from sklearn.ensemble import AdaBoostClassifier
from sklearn.linear_model import LogisticRegression
from sklearn.svm import SVC
from xgboost import XGBClassifier
from lightgbm import LGBMClassifier
from sklearn.metrics import accuracy_score, classification_report, confusion_matrix
from IPython.core.display import display, HTML
```
## 三、数据集基本信息
### 1、导入数据
```python
df = pd.read_csv("./data/heart_statlog_cleveland_hungary_final.csv")
df.shape
```
### 2、数据处理
```python
df.head()
```
```python
df.describe()
```
```python
df.isna().sum()
```
## 四 、类别统计
```python
categoricals = ["sex", "chest pain type", "fasting blood sugar", "resting ecg", "exercise angina", "ST slope", "target"]
fig, axes = plt.subplots(nrows=1, ncols=7, figsize=(12, 5))
```
## 五、分类参数对心脏病诊断的影响
```python
fig, axes = plt.subplots(nrows=2, ncols=3, figsize=(12, 7))
index = 0
```
## 六、配对图显示诊断标记的患者之间的数值数据分布
```
sns.pairplot(df, vars=numericals, hue=df.columns[-1])
```
## 七、显示心脏病患者和非心脏病患者数值均值的条形图
```
fig, axes = plt.subplots(nrows=1, ncols=5, figsize=(10, 7))
for i, j in enumerate(numericals):
plots(df, df.columns[-1], j, axes[i])
```
## 八、显示心脏病患者和非心脏病患者的数值分布和异常值的箱线图
```
fig, axes = plt.subplots(nrows=1, ncols=5, figsize=(10, 7))
for i, j in enumerate(numericals):
```
## 九、Kdeplots、条形图、箱线图显示无心脏病患者的数值分布
```python
for i in df[df.columns[-1]].unique():
if i == 0:
display(HTML(
"<h1>柱状图，条形图，箱形图显示了无心脏病患者的数值分布</h1>"))
else:
display(HTML(
"<h1>柱状图，柱状图，箱形图显示了心脏病患者的数值分布</h1>"))
temp_df = df[df[df.columns[-1]] == i]
```
### 1、Kdeplot显示性别、胸痛类型、空腹血糖、静息心电图、运动性心绞痛、峰值运动ST段的斜率组患者的数值密度
500010103.1-基于Python实现心脏病数据可视化DEA+预测.zip （53个子文件） 
500010103.1-基于Python实现心脏病数据可视化DEA+预测 image 
Figure_38.png 38KB Figure_35.png 48KB Figure_37.png 41KB Figure_41.png 44KB Figure_21.png 41KB Figure_28.png 99KB Figure_29.png 111KB Figure_4.png 38KB Figure_19.png 43KB Figure_13.png 45KB Figure_16.png 40KB Figure_23.png 43KB Figure_2.png 81KB Figure_40.png 40KB Figure_5.png 43KB Figure_11.png 91KB Figure_25.png 103KB Figure_9.png 97KB Figure_27.png 117KB Figure_43.png 79KB Figure_20.png 37KB Figure_18.png 37KB Figure_31.png 44KB Figure_36.png 36KB Figure_8.png 84KB Figure_7.png 119KB Figure_33.png 42KB Figure_12.png 36KB Figure_30.png 37KB Figure_15.png 41KB Figure_42.png 47KB Figure_34.png 39KB Figure_39.png 40KB Figure_6.png 91KB Figure_10.png 90KB Figure_3.png 323KB Figure_22.png 39KB Figure_32.png 37KB Figure_17.png 47KB Figure_24.png 81KB Figure_26.png 97KB Figure_1.png 44KB Figure_14.png 38KB
main.py 7KB data heart_statlog_cleveland_hungary_final.csv 39KB .idea 500010103.1-基于Python实现心脏病数据可视化DEA+预测.iml 362B other.xml 323B workspace.xml 3KB misc.xml 416B inspectionProfiles profiles_settings.xml 174B modules.xml 387B .gitignore 190B README.md 25KB资源评论
