6.5 KiB
id | title | challengeType | forumTopicId | dashedName |
---|---|---|---|---|
5e46f7f8ac417301a38fb92a | Visualizzatore di Dati Medici | 10 | 462368 | medical-data-visualizer |
--description--
Lavorerai a questo progetto con il nostro codice iniziale su Replit.
- Inizia importando il progetto su Replit.
- Poi vedrai una finestra
.replit
. - Seleziona
Use run command
e clicca sul pulsanteDone
.
Stiamo ancora sviluppando la parte didattica interattiva del curriculum di Python. Per ora, ecco alcuni video sul canale YouTube di freeCodeCamp.org che ti insegneranno tutto quello che devi sapere per completare questo progetto:
-
Video corso Python for Everybody (14 ore)
--instructions--
In questo progetto visualizzerai e farai calcoli relativi ai dati di esami medici usando matplotlib, seaborn, e pandas. I valori dell’insieme di dati sono stati raccolti durante una serie di esami medici.
Descrizione dei dati
Le righe nel set di dati rappresentano i pazienti e le colonne rappresentano informazioni come le misurazioni del corpo, i risultati di vari esami del sangue e lo stile di vita. Userai il set di dati per esplorare il rapporto tra malattie cardiache, misurazioni del corpo, marcatori del sangue e stile di vita.
Nome del file: medical_examination.csv
Caratteristica | Tipo Di Variabile | Variabile | Tipo Di Valore |
---|---|---|---|
Età | Dato oggettivo | age |
int (giorni) |
Altezza | Dato oggettivo | height |
int (cm) |
Peso | Dato oggettivo | weight |
float (kg) |
Genere | Dato oggettivo | gender |
codice di categoria |
Pressione sistolica | Dato da esami | ap_hi |
int |
Pressione sanguigna diastolica | Dato da esami | ap_lo |
int |
Colesterolo | Dato da esami | cholesterol |
1: normale, 2: al di sopra del normale, 3: molto al di sopra del normale |
Glucosio | Dato da esami | gluc |
1: normale, 2: al di sopra del normale, 3: molto al di sopra del normale |
Fumatore | Dato soggettivo | smoke |
binario |
Assunzione di alcol | Dato soggettivo | alco |
binario |
Attività fisica | Dato soggettivo | active |
binario |
Presenza o assenza di malattie cardiovascolari | Variabile target | cardio |
binario |
Compiti
Crea un grafico simile a examples/Figure_1.png
, dove vengono mostrati i conteggi di buoni e cattivi risultati per le variabili cholesterol
, gluc
, alco
, active
e smoke
per pazienti con cardio=1 e cardio=0 in differenti pannelli.
Utilizza i dati per completare le seguenti attività in medical_data_visualizer.py
:
- Aggiungi una colonna
overweight
(sovrappeso) ai dati. Per determinare se una persona è in sovrappeso, calcola prima il suo BMI dividendo il peso in chilogrammi per il quadrato della sua altezza in metri. Se questo valore è > 25 allora la persona è in sovrappeso. Usa il valore 0 per NON sovrappeso e 1 per sovrappeso. - Normalizza i dati ponendo 0 sempre bene e 1 sempre male. Se il valore di
cholesterol
ogluc
è 1, metti il valore 0. Se il valore è superiore a 1, metti il valore 1. - Converti i dati in formato esteso e crea un grafico che mostri il valore del conteggio delle caratteristiche categoriche usando il
catplot()
di seaborn. Il set di dati dovrebbe essere suddiviso in base a 'Cardio' in modo che ci sia un grafico per ogni valore dicardio
. Il grafico dovrebbe apparire comeexamples/Figure_1.png
. - Pulisci i dati. Filtra i seguenti segmenti di pazienti che rappresentano dati errati:
- la pressione diastolica è superiore a quella sistolica (tieni i dati corretti con
(df['ap_lo'] <= df['ap_hi'])
) - l'altezza è inferiore al 2.5° percentile (tieni i dati corretti con
(df['height'] >= df['height'].quantile(0.025))
) - l'altezza è superiore al 97.5° percentile
- il peso è inferiore al 2.5° percentile
- il peso è superiore al 97.5° percentile
- la pressione diastolica è superiore a quella sistolica (tieni i dati corretti con
- Crea una matrice di correlazione usando l'insieme di dati. Traccia la matrice di correlazione usando la
heatmap()
di seaborn. Maschera il triangolo superiore. Il grafico dovrebbe apparire come inexamples/Figure_2.png
.
Ogni volta che una variabile è impostata su None
, assicurati di impostarla al codice corretto.
I test unitari sono scritti per te in test_module.py
.
Sviluppo
Nello sviluppo, puoi usare main.py
per testare le tue funzioni. Usa il bottone "run" e main.py
sarà eseguito.
Test
Abbiamo importato i test da test_module.py
in main.py
per tua convenienza. I test saranno eseguiti automaticamente quando usi il bottone "run".
Invio
Copia l'URL del tuo progetto e consegnalo nell'input qua sotto.
--hints--
Dovrebbe superare tutti i test Python.
--solutions--
# Python challenges don't need solutions,
# because they would need to be tested against a full working project.
# Please check our contributing guidelines to learn more.