freeCodeCamp/curriculum/challenges/espanol/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	Visualizador de datos médicos	10	462368	medical-data-visualizer

--description--

Estarás trabajando en este proyecto con nuestro código de inicio Replit.

• Start by importing the project on Replit.
• Next, you will see a .replit window.
• Select Use run command and click the Done button.

Todavía estamos desarrollando la parte interactiva del currículo de Python. Por ahora, aquí hay algunos vídeos en nuestro canal de YouTube freeCodeCamp.org que te enseñará todo lo que necesitas saber para completer este proyecto:

• Python for Everybody Video Course (14 hours)

• How to Analyze Data with Python Pandas (10 hours)

--instructions--

En este proyecto, visualizarás y harás algunos cálculos a partir de datos de exámenes médicos utilizando matplotlib, seabron y pandas. Los valores del conjunto de datos (dataset) se recogieron durante los exámenes médicos.

Descripción de datos

Las filas del conjunto de datos representan a los pacientes y las columnas representan información como medidas corporales, resultados de varios análisis de sangre y opciones de estilo de vida. Utilizarás el conjunto de datos para explorar la relación entre enfermedades cardiacas, medidas del cuerpo, indicadores sanguíneos y opciones de estilo de vida.

Nombre del archivo: medical_examination.csv

Característica	Tipo de variable	Variable	Tipo de unidad
Edad	Característica objetivo	age	int (días)
Altura	Característica objetivo	height	int (cm)
Peso	Característica objetivo	weight	float (kg)
Sexo	Característica objetivo	gender	código de categoría
Presión arterial sistólica	Características del examen	ap_hi	int
Presión arterial diastólica	Característica del examen	ap_lo	int
Colesterol	Característica del examen	cholesterol	1: normal, 2: por encima de lo normal, 3: muy por encima de lo normal
Glucosa	Característica del examen	gluc	1: normal, 2: por encima de lo normal, 3: muy por encima de lo normal
Fumador	Característica subjetiva	smoke	binario
Consumo de alcohol	Característica subjetiva	alco	binario
Actividad física	Característica subjetiva	active	binario
Presencia o ausencia de enfermedades cardiovasculares	Variable objetivo	cardio	binario

Tareas

Crear un gráfico similar a ejemplos/Figure_1. ng, donde mostramos las cifras de resultados buenos y malos para las variables colesterol, gluc, alco, activo y humo en los pacientes con cardio=1 y cardio=0 en diferentes paneles.

Utiliza los datos para completar las siguientes tareas en medical_data_visualizer.py:

• Add an overweight column to the data. To determine if a person is overweight, first calculate their BMI by dividing their weight in kilograms by the square of their height in meters. If that value is > 25 then the person is overweight. Use the value 0 for NOT overweight and the value 1 for overweight.
• Normalize the data by making 0 always good and 1 always bad. If the value of cholesterol or gluc is 1, make the value 0. If the value is more than 1, make the value 1.
• Convert the data into long format and create a chart that shows the value counts of the categorical features using seaborn's catplot(). The dataset should be split by 'Cardio' so there is one chart for each cardio value. The chart should look like examples/Figure_1.png.
• Clean the data. Filter out the following patient segments that represent incorrect data:
  • 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)))
  • height is more than the 97.5th percentile
  • weight is less than the 2.5th percentile
  • weight is more than the 97.5th percentile
• Create a correlation matrix using the dataset. Plot the correlation matrix using seaborn's heatmap(). Mask the upper triangle. The chart should look like examples/Figure_2.png.

Cada vez que una variable está establecida en Ninguno, asegúrese de establecerla en el código correcto.

Las pruebas unitarias están escritas en test_module.py.

Desarrollo

Para el desarrollo, puedes usar main.py para probar tus funciones. Haz clic en el botón "run" y se ejecutará main.py.

Pruebas

Hemos importado las pruebas de test_module.py a main.py para tu conveniencia. Las pruebas se ejecutarán automáticamente cada vez que pulses el botón "run".

Envío

Copia el enlace de tu proyecto y envíalo a freeCodeCamp.

--hints--

Debería pasar todas las pruebas de 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.