如何查看函数参数含义和使用：

1. 鼠标悬停（适合已经熟悉这个函数，只是参数有些忘记了）
2. help函数查看
3. 使用jupyter魔法命令
4. Ctrl进入内部查看
5. 利用电脑插件的大模型功能（解释）来解读，比翻译效果好（我是夸克网盘的，其他软件也有很多类似的功能）
6. 直接发给AI，让AI帮你解读（最推荐）
7. 查看官方文档

二、巩固旧知

DAY1 

变量的打印：print()

转义字符：转义字符是以反斜杠 `\` 开头的特殊字符,用于表示一些无法直接输入的字符或特殊功能。

 \t 会自动调整间距,使得列对齐,就像 Excel 表格一样整齐

格式化字符串：

name = "小明"

city = "北京"

print(f'姓名: "{name}", 城市: {city}')

数值变量的基础运算：

a = num1 + num2  # 计算和

b = num1 / num2  # 计算商

c = num1 % num2  # 计算余数

DAY2

变量的类型：

• 字符串 (str)
• 整数 (int)
• 浮点数 (float)
• 布尔值 (bool)

变量的转换：

• xxx_str = str(xxx)       # 转换为字符串string
• xxx_num = int(xxx)       # 转换为整数
• xxx_float = float(xxx)   # 转换为浮点数

字符串的拼接，字符串的长度（len（））

字符串的索引：greeting[x]

字符串的切片：text[ : ]  #取左不取右

常用比较运算符:

• >  大于
• <  小于
• >= 大于等于
• <= 小于等于
• == 等于
• != 不等于

DAY3

字符串的基本操作，循环语句、判断语句

DAY4、5、6

认识pandas，查看数据的基本信息，缺失值处理：中位数、众数、均值填补

离散特征的处理：独热编码。先处理缺失值再进行独热编码。

数据可视化：条形图、箱线图、小提琴图等

三、针对心脏病项目的数据集来完成数据的预处理

1.读取数据并了解数据

age：年龄，代表患者的岁数。

sex：性别，通常 1 表示男性，0 表示女性。

cp：胸痛类型（chest pain type），用不同数值代表不同的胸痛分类。

trestbps：静息血压（resting blood pressure），单位可能是 mmHg。

chol：血清胆固醇（serum cholesterol），一般以 mg/dl 为单位。

fbs：空腹血糖（fasting blood sugar），若大于 120 mg/dl 则记为 1，否则为 0。

restecg：静息心电图结果（resting electrocardiographic results），用数值表

示不同的心电图情况。

thalach：最大心率（maximum heart rate achieved）。

exang：运动诱发的心绞痛（exercise induced angina），1 表示是，0 表示否。

oldpeak：运动相对于休息的 ST 段压低（ST depression induced by exercise

relative to rest）。

slope：运动高峰时 ST 段的斜率（the slope of the peak exercise ST

segment）。

ca：荧光透视法观察到的主要血管数量（number of major vessels colored by fluoroscopy）。

thal：地中海贫血（thalassemia），可能用不同数值代表不同状态。

target：目标变量，表示是否患有心脏病， 1 表示患病，0 表示未患病。

2.查看数值列的基本统计量

• 输入：

data.describe()

• 输出：

3.查看数据类型、缺失值

数据无缺失值

4.数据可视化

（1）直方图

• 输入：

import matplotlib.pyplot as plt
import seaborn as sns
import pandas as pd

# 设置全局字体为支持中文的字体 (例如 SimHei)
plt.rcParams['font.sans-serif'] = ['SimHei']
# 解决负号'-'显示为方块的问题
plt.rcParams['axes.unicode_minus'] = False
sns.histplot(x=data['age'])
plt.title('age 直方图')
plt.xlabel('age')
plt.ylabel('数量')
plt.tight_layout()  # 自动调整子图参数，提供足够的空间
plt.show()

• 输出：

可以看出人群集中在50-70岁之间

可以看胸痛类型主要为0和2类别

（2）小提琴图与箱线图

• 输入：

plt.figure(figsize=(8, 6))
fig, (ax1, ax2) = plt.subplots(nrows=1, ncols=2, figsize=(12, 6))
sns.violinplot(y='trestbps', data=data,ax=ax1)
ax1.set_title('静息血压 小提琴图')  # 子图1标题
ax1.set_ylabel('静息血压') 
sns.boxplot(y='trestbps', data=data,ax=ax2)
ax2.set_title('静息血压 箱线图')  # 子图2标题
ax2.set_ylabel('静息血压') 
plt.show()

• 输出：

同理绘制其他数据的图

可以看出数据的一些标签存在离群值。

（3）性别与患病之间的关系

• 输入：

sex_target = data.groupby('sex')['target'].mean()
labels = ['女性', '男性'] if sex_target.index[0] == 0 else ['男性', '女性']
plt.pie(sex_target, labels=labels, autopct='%1.1f%%')
plt.title('不同性别患心脏病的比例')
plt.show()

• 输出：

可以看出男女性别比例差距较大，因此需要分别分析

• 输入：

sns.countplot(x = 'target', data = data, hue = 'sex')          # 创建一个计数图，其中x为target，数据为dt，用sex作为色相（切分类别）
plt.legend(['男性', '女性'])                                    # 以female/male作为标签，在图形中嵌入图例
plt.title('按性别划分的心脏病患病情况分布')   # 设置图形标题
plt.xticks([0, 1], ['未患病', '患病'])                         # 设置条形图的标签
plt.ylabel('数量')
# 显示图形
plt.show()

• 输出：

图中显示出：女性在 “未患病” 和 “患病” 群体中的样本数均多于男性。

（4）不同特征与是否患心脏病的箱线图

trestbps与是否患心脏病的箱线图

• 输入：

plt.figure(figsize=(8, 6))
sns.boxplot(x='target', y='trestbps', data=data)
plt.xlabel('是否患心脏病')
plt.xticks([0, 1], ['未患病', '患病'])
plt.ylabel('静息血压')
plt.title('静息血压 与是否患心脏病的关系')
plt.show()

• 输出：

其他特征与是否患心脏病的箱线图同理，下面给出部分结果图

结论：thalach（最大心率）和oldpeak（运动 ST 段压低）在两类人群中的分布差异较显著，对区分是否患心脏病的参考价值更高；而trestbps（静息血压）和chol（血清胆固醇）的区分度相对较弱。

（5）胸痛类型与患病之间的关系

• 输入：

plt.figure(figsize=(8, 6))
sns.countplot(x='cp', hue='target', data=data)
plt.title('cp vs. target')
plt.xlabel('cp')
plt.ylabel('Count')

handles, labels = plt.gca().get_legend_handles_labels()
plt.legend(handles, ['患病', '患病'], title='target')  # 将0和1的标签都改为“患病”

plt.show()

• 输出：

不同胸痛类型（cp）对应的患病群体数量差异显著，说明胸痛类型与心脏病患病情况存在关联性。

一些碎碎念念

勇闯python的第7天，已经一周了，一周学下来，从对 Python 一窍不通，到现在能捣鼓出些东西出来，感觉自己进步了很多。虽然还有很多不懂的地方，但这种每天都有新收获的感觉，真的很不错，希望能够一直坚持下去！！！

感谢疏老师@浙大疏锦行提供这么好的机会和平台！！！