freeCodeCamp/curriculum/challenges/japanese/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	医療データの可視化プログラム	10	462368	medical-data-visualizer

--description--

You will be working on this project with our Gitpod starter code.

Python カリキュラムの対話式教育コンテンツを引き続き開発中です。 現在、下記の freeCodeCamp.org YouTube チャンネルで、このプロジェクトの完了に必要なすべての知識について説明する動画をいくつか公開しています。

• 「みんなの Python」ビデオコース (14 時間)

• Python Pandas でデータを分析する方法 (10 時間)

--instructions--

In this project, you will visualize and make calculations from medical examination data using matplotlib, seaborn, and pandas. データセットの値は診察時に収集されたものです。

データの説明

データセットの行は患者を表し、列は身体の測定値、さまざまな血液検査の結果、生活習慣の選択などの情報を表します。 このデータセットを使用して、心臓疾患、身体測定値、血液指標値、生活習慣の選択について、それらの間の関係を調べます。

ファイル名: medical_examination.csv

特徴	変数のタイプ	変数	値のタイプ
Age (年齢)	客観的特徴	age	int (日数)
Height (身長)	客観的特徴	height	int (cm)
Weight (体重)	客観的特徴	weight	float (kg)
Gender (性別)	客観的特徴	gender	カテゴリコード
Systolic blood pressure (最高血圧)	検査の特徴	ap_hi	int
Diastolic blood pressure (最低血圧)	検査の特徴	ap_lo	int
Cholesterol (コレステロール値)	検査の特徴	cholesterol	1: 正常値、2: 正常値より高い、3: 正常値を優に超える
Glucose (血糖値)	検査の特徴	gluc	1: 正常値、2: 正常値より高い、3: 正常値を優に超える
Smoking (喫煙)	主観的特徴	smoke	binary
Alcohol intake (アルコール摂取)	主観的特徴	alco	binary
Physical activity (身体活動状況)	主観的特徴	active	binary
Presence or absence of cardiovascular disease (心血管疾患の有無)	目的の変数	cardio	binary

タスク

Create a chart similar to examples/Figure_1.png, where we show the counts of good and bad outcomes for the cholesterol, gluc, alco, active, and smoke variables for patients with cardio=1 and cardio=0 in different panels.

medical_data_visualizer.py で、データを使用して次のタスクを完了してください。

• データに overweight 列を追加します。 overweight (太りすぎ) かどうかを判断するには、まず、体重 (キログラム単位) を身長 (メートル単位) の 2 乗で割って BMI (ボディマス指数) を計算します。 その値が 25 より大きい場合、その人は太りすぎです。 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. examples/Figure_1.png のようなグラフを表示する必要があります。
• データをクリーニングします。 正しくないデータを表す次の患者セグメントを除外します。
  • 最低血圧が最高血圧よりも高い ((df['ap_lo'] <= df['ap_hi'])) で正しいデータを保持できます)
  • 身長が 2.5 パーセンタイルを下回る ((df['height'] >= df['height'].quantile(0.025)) で正しいデータを保持できます)
  • 身長が 97.5 パーセンタイルを上回る
  • 体重が 2.5 パーセンタイルを下回る
  • 体重が 97.5 パーセンタイルを上回る
• データセットを使用して相関行列を作成します。 Plot the correlation matrix using seaborn's heatmap(). 上側の三角形をマスク処理します。 examples/Figure_2.png のようなグラフを表示する必要があります。

変数が Noneに設定された場合は、必ず正しいコードに設定してください。

Unit tests are written for you under test_module.py.

Instructions

By each number in the medical_data_visualizer.py file, add the code from the associated instruction number below.

1. Import the data from medical_examination.csv and assign it to the df variable
2. Create the overweight column in the df variable
3. Normalize data by making 0 always good and 1 always bad. If the value of cholesterol or gluc is 1, set the value to 0. If the value is more than 1, set the value to 1.
4. Draw the Categorical Plot in the draw_cat_plot function
5. Create a DataFrame for the cat plot using pd.melt with values from cholesterol, gluc, smoke, alco, active, and overweight in the df_cat variable.
6. Group and reformat the data in df_cat to split it by cardio. Show the counts of each feature. You will have to rename one of the columns for the catplot to work correctly.
7. Convert the data into long format and create a chart that shows the value counts of the categorical features using the following method provided by the seaborn library import : sns.catplot()
8. Get the figure for the output and store it in the fig variable
9. Do not modify the next two lines
10. Draw the Heat Map in the draw_heat_map function
11. Clean the data in the df_heat variable by filtering out the following patient segments that represent incorrect data:
    • 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
12. Calculate the correlation matrix and store it in the corr variable
13. Generate a mask for the upper triangle and store it in the mask variable
14. Set up the matplotlib figure
15. Plot the correlation matrix using the method provided by the seaborn library import: sns.heatmap()
16. Do not modify the next two lines

開発

Write your code in medical_data_visualizer.py. For development, you can use main.py to test your code.

テスト

The unit tests for this project are in test_module.py. すでに test_module.py から main.py にテストをインポートしてあります。

提出

プロジェクトの URL をコピーし、freeCodeCamp に提出してください。

--hints--

すべての Python テストが成功する必要があります。

--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.