2.1.4 医疗研究数据清洗和标注设计

工作任务

随着医学技术的进步和医疗资源的丰富，医疗研究在改善患者治疗效果、提升医疗服务质量方面起到了重要作用。研究人员通过分析大量患者的治疗数据，能够评估不同治疗方案的效果，发现潜在的健康问题，并提出针对性的治疗建议。

现提供一份医疗研究数据集，训练集样本数据一共5441条记录。请补全2.1.4.ipynb代码，完成下面的数据预处理任务：

具体要求

（1）加载数据集，查看表的数据类型，表结构和显示每一列的空缺值数量；

（2）将"就诊日期"和"诊断日期"规范为"yyyy-mm-dd"格式，并将"病人ID"列名改为"患者ID"，显示修改后的表结构；

（3）增加"诊断延迟"（诊断日期-就诊日期）和"病程"（当前日期-诊断日期）两列，删除不合理的数据（如负数，年龄为几百岁等）；

（4）检查数据集中的重复值并删除所有重复值，并记录删除的行数；

（5）对数据段[年龄，体重，身高]进行归一化处理；

（6）统计不同疾病类型的治疗结果分布，并画出柱状图；

（7）分析年龄和疾病严重程度的关系，绘制出散点图；

（8）保存处理后的数据，命名为：2.1.4_cleaned_data.csv；

注意事项

在代码的橙色下划线处填写正确的 Python 代码
请勿修改源代码的其他部分
填写完成后点击 "检查答案" 查看评分
点击 "显示答案" 可直接查看所有参考答案
点击 "重置" 清空所有填写内容

当前得分

0 / 19

In [1] — 加载数据集 & 查看数据类型和表结构 2分

import pandas as pd # 加载数据集并指定编码为gbk 1分 data = # 查看数据类型 print(data.dtypes) # 查看表结构基本信息 1分 print() # 显示每一列的空缺值数量 print(data.isnull().sum())

In [2] — 规范日期格式 & 修改列名 2分

# 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 "病人ID" -> "患者ID" 2分 (, inplace=True) # 查看修改后的表结构 print(data.head())

In [3] — 增加诊断延迟和病程列 1分

from datetime import datetime # 增加诊断延迟列 1分 data['诊断延迟'] = .dt.days # 增加病程列 data['病程'] = (datetime(2024, 9, 1) - data['诊断日期']).dt.days

In [4] — 删除不合理数据 4分

# 删除不合理的数据（负数、年龄异常等）4分 data = [( >= 0) & ( > 0) & ( < 120)] # 查看修改后的数据 print(data.describe())

In [5] — 删除重复值 1分

# 删除重复值并记录删除的行数 initial_rows = data.shape[0] (inplace=True) deleted_rows = initial_rows - data.shape[0] print(f'删除的重复行数: {deleted_rows}')

In [6] — 归一化处理 2分

from sklearn.preprocessing import MinMaxScaler # 对需要归一化的列进行处理 scaler = MinMaxScaler() # 指定归一化的列 1分 columns_to_normalize = [] # 执行归一化 1分 data[columns_to_normalize] = # 查看归一化后的数据 print(data.head())

In [7] — 疾病类型治疗结果分布柱状图 2分

import matplotlib.pyplot as plt import matplotlib.font_manager as fm # 统计治疗结果分布 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' my_font = fm.FontProperties(fname=font_path) # 绘制柱状图 2分 (, 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()

In [8] — 年龄与疾病严重程度散点图 3分

# 绘制散点图 3分 (, ) 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()

In [9] — 保存处理后的数据 2分

# 保存处理后的数据 2分 output_path = '2.1.4_cleaned_data.csv' (, index=False)

人工智能训练师（三级）实操考试 — 2.1.4 医疗研究数据清洗和标注设计