freeCodeCamp/curriculum/challenges/german/08-data-analysis-with-python/data-analysis-with-python-projects/medical-data-visualizer.md

id, title, challengeType, forumTopicId, dashedName

id	title	challengeType	forumTopicId	dashedName
5e46f7f8ac417301a38fb92a	Medizinischer Datenvisualisierer	10	462368	medical-data-visualizer

--description--

Du wirst mit unserem Replit-Startercode an diesem Projekt arbeiten.

• Beginne, indem du das Projekt in Replit importierst.
• Daraufhin wird ein .replit-Fenster angezeigt.
• Wähle Use run command und klicke auf die Done-Schaltfläche.

Wir sind noch dabei, den interaktiven Teil des Python-Kurses zu entwickeln. Hier sind erstmal einige Videos auf dem freeCodeCamp.org YouTube-Kanal, die dir alles beibringen, was du wissen musst, um dieses Projekt abzuschließen:

• Videokurs: Python für jedermann (14 Stunden)

• Wie man Daten mit Python-Pandas analysiert (10 Stunden)

--instructions--

In diesem Projekt wirst du mit Hilfe von matplotlib, seaborn und pandas Berechnungen aus medizinischen Untersuchungsdaten visualisieren und durchführen. Die Datensatzwerte wurden bei medizinischen Untersuchungen gesammelt.

Datenbeschreibung

Die Zeilen des Datensatzes repräsentieren Patienten und die Spalten stellen Informationen wie Körpermessungen, Ergebnisse verschiedener Bluttests und Lebensweisen dar. Du wirst den Datensatz verwenden, um die Beziehung zwischen Herzkrankheiten, Körpermessungen, Blutmarkern und Lebensweisen zu erforschen.

Dateiname: medical_examination.csv

Merkmal	Variablentyp	Variable	Wert
Alter	Objective Feature	age	int (Tage)
Größe	Objective Feature	height	int (cm)
Gewicht	Objective Feature	weight	float (kg)
Geschlecht	Objective Feature	gender	Kategorie-Code
Systolischer Blutdruck	Examination Feature	ap_hi	int
Diastolischer Blutdruck	Examination Feature	ap_lo	int
Cholesterin	Examination Feature	cholesterol	1: normal, 2: höher als normal, 3: weit über normal
Glucose	Examination Feature	gluc	1: normal, 2: höher als normal, 3: weit über normal
Rauchen	Subjective Feature	smoke	binär
Alkoholkonsum	Subjective Feature	alco	binär
Körperliche Aktivität	Subjective Feature	active	binär
Leiden unter Herz-Kreislauf-Erkrankungen	Zielvariable	cardio	binär

Aufgaben

Erstelle ein Diagramm, ähnlich wie examples/Figure_1.png, in dem wir die guten und schlechten Ergebnisse für cholesterol, gluc, alco, active, und smoke-Variablen der Patienten mit cardio=1 und cardio=0 in verschiedenen Panels anzeigen.

Verwende die Daten um die folgenden Aufgaben in medical_data_visualizer.py abzuschließen:

• Füge eine overweight-Spalte zu den Daten hinzu. Um festzustellen, ob eine Person übergewichtig ist, berechnet man zunächst ihren BMI, indem man ihr Gewicht in Kilogramm durch das Quadrat ihrer Körpergröße in Metern teilt. Wenn dieser Wert > 25 ist, dann ist die Person übergewichtig. Verwende den Wert 0 für NICHT übergewichtig und den Wert 1 für übergewichtig.
• Normalisiere die Daten, indem du 0 immer für gut und 1 immer für schlecht verwendest. Wenn der Wert von cholesterol oder gluc 1 ist, wird der Wert auf 0 gesetzt. Wenn der Wert größer als 1 ist, setze den Wert auf 1.
• Konvertiere die Daten in ein Langformat und erstelle ein Diagramm, das die Anzahl der Werte der kategorischen Merkmale mit seaborns catplot() darstellt. Der Datensatz sollte nach "Kardio" aufgeteilt werden, sodass es für jeden cardio-Wert ein Diagramm gibt. Das Diagramm sollte wie examples/Figure_1.png aussehen.
• Bereinige die Daten. Filtere die folgenden Patientensegmente heraus, die fehlerhafte Daten darstellen:
  • diastolic pressure is higher than systolic (Keep the correct data with (df['ap_lo'] <= df['ap_hi']))
  • height is less than the 2.5th percentile (Keep the correct data with (df['height'] >= df['height'].quantile(0.025)))
  • die Größe liegt über dem 97,5. Perzentil
  • das Gewicht liegt unter dem 2,5. Perzentil
  • das Gewicht liegt über dem 97,5. Perzentil
• Erstelle eine Korrelationsmatrix unter Verwendung des Datensatzes. Zeichne die Korrelationsmatrix mit seaborn's heatmap(). Decke das obere Dreieck ab. Das Diagramm sollte wie folgt aussehen examples/Figure_2.png.

Immer wenn eine Variable None ist, musst du sicherstellen, dass es auf den korrekten Code gesetzt wird.

Modultests werden für dich in test_module.py geschrieben.

Entwicklung

Für die Entwicklung kannst du main.py verwenden, um deinen Code zu testen. Klicke den "Run"-Button und main.py wird ausgeführt.

Testen

We imported the tests from test_module.py to main.py for your convenience. Die Tests werden automatisch ausgeführt, wenn du auf den "Run"-Button klickst.

Absenden

Kopiere die URL deines Projekts und sende sie an freeCodeCamp.

--hints--

Es sollte alle Python-Tests bestehen.

--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.