需要源码和数据集请点赞关注收藏后评论区留言私信~~~
有的职业危害因素会对人体血液等系统产生影响。下面针对一次职业人群体检的部分数据进行分析
实现步骤如下
导入模块
获取数据
导入待处理数据testdata.xls并显示前五行
分析数据
首先查看数据类型 表结构 并统计各个字段空缺值的个数
接下来删除全为空的列以及身份证号为空的数据
删除全为空的列
DataFrame.dropna(axis=0, how='any', thresh=None, subset=None, inplace=False)
函数作用:删除含有空值的行或列¶
axis:维度,axis=0表示index行,axis=1表示columns列,默认为0
how:"all"表示这一行或列中的元素全部缺失(为nan)才删除这一行或列,"any"表示这一行或列中只要有元素缺失,就删除这一行或列
thresh:一行或一列中至少出现了thresh个才删除。
subset:在某些列的子集中选择出现了缺失值的列删除,不在子集中的含有缺失值得列或行不会删除(有axis决定是行还是列)
inplace:刷选过缺失值得新数据是存为副本还是直接在原数据上进行修改
删除身份证号为空的数据
将“开始从事某工作年份”规范为4位数字年份,如“2018”,并将列名修改为“参加工作时间
增加列“工龄”(体检年份-参加工作时间)和“年龄”(体检时间-出生年份)两列
查看待处理是否有缺失值 然后删除所有缺失值
然后可以看到参加工作时间之一列的缺失值已经删除,同时也看到体检年份还有38个缺失值 也进行删除
身份证号,参加工作时间以及体检年份的数据类型都是object,需要进行类型转换,统一转化为int64类型,另外,体检年份这一列有很多异常数据,很多年份后都有年字,对体检年份数据进行时间提取
增加工龄和年龄这两列
统计不同性别的白细胞计数均值 并画出柱状图
统计不同年龄段的白细胞计数,并画出柱状图,年龄段划分为:小于或等于30岁,31-40岁,41-50岁以及大于50岁4个
经过上面这一系列工作,可以很清楚的看出数据的一些分布特征 有助于后续的解决方案
部分代码如下 需要全部代码请点赞关注收藏后评论区留言私信~~~
import pandas as pdimport numpy as npimport matplotlib.pyplot as pltplt.rcParams['font.sans-serif'] = ['SimHei'] #用来正常显示中文标签plt.rcParams['axes.unicode_minus']=False #用来正常显示负号%matplotlib inlinedf = pd.read_excel("testdata.xls")#这个会直接默认读取到这个Excel的第一个表单data =df.head()#默认读取前5行的数据datadf.info()df.dtypesdf.shapedf.isnull().sum()df.dropnaaxis=1, how='all',inplace= True)#将全部项都是nan的列删除df.head()df.dropna(how='any',subset=['身份证号'],inplace= True)df.isnul().sum()df1 = dfdf.shapedf.开始从事某工作年份 = df.开始从事某工作年份.str[0:4]df.rename(columns={"开始从事某工作年份": "参加工作时间"},inplace=True)df.head()df.isnull().sum()df1 = df.dropna(subset=['参加工作时间'],how='any')df1.isnull().sum()df1.isnull().sum()df2 = df1.dropna(subset=['体检年份'],how='any')# ()df2.isnull().sum()#参加工作时间转换为int64类型#首将体检年份转换为str类型data['体检年份'] = data.体检年份.astype('str')#切片取前4位值之后再将体检年份转换为int64类型data.体检年份 = data.体检年份.str[0:4].astype("int64")#取身份证的第4位-第7位,并转换为int64类型data["出生年份"] = data.身份证号.str[4:8].astype('int64')d.head()data.参加工作时间 = data.参加工作时间.astype('int64')data['体检年份'] = data.体检年份.astype('str')data.体检年份 = data.体检年份.str[0:4].astype("int64")data["出生年份"] = data.身份证号.str[4:8].astype('int64')data.head()data = data.eval('工龄 = 体检年份-参加工作时间')data = data.eval("年龄= 体检年份- 出生年份")data.head()import matplotlibmatplotlib.rcParams['font.size'] = 15matplotlib.rcParams['font.family'] = 'SimHei'# mean.plot(kind='bar') #series.plot(kind='bar')mean.plot.bar()plt.xticks(rotation=0)plt.ylabel("白细胞均值")data['年龄段'] = pd.cut(data.年龄, bins=[0,30,40,50, 100])count = data.groupby('年龄段')['白细胞计数'].mean()countcount.plot(kind = "bar")plt.xticksotation=30)plt.ylabel("白细胞计数均值")
创作不易 觉得有帮助请点赞关注收藏~~~
来源地址:https://blog.csdn.net/jiebaoshayebuhui/article/details/128729003