freeCodeCamp/curriculum/challenges/ukrainian/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	Візуалізатор медичних даних	10	462368	medical-data-visualizer

--description--

Ви будете працювати над цим проєктом з нашим стартовим кодом Gitpod.

Ми досі розробляємо інтерактивну частину навчальної програми з Python. Наразі є декілька відео на ютуб-каналі freeCodeCamp.org, які навчать всього необхідного для виконання цього проєкту:

• Python for Everybody Video Course (14 годин)

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

--instructions--

У цьому проєкті ви візуалізуєте і зробите підрахунки на основі даних медичного обстеження, використовуючи matplotlib, seaborn та pandas. Значення набору даних були зібрані під час медичних оглядів.

Опис даних

Рядки в наборі даних представляють пацієнтів, а стовпці інформацію, як-от вимірювання тіла, результати різних аналізів крові та вибір способу життя. Ви будете використовувати набір даних, щоб дослідити зв’язок між серцевими захворюваннями, розмірами тіла, маркерами крові та вибором способу життя.

Назва файлу: medical_examination.csv

Особливість	Тип змінної	Змінна	Тип значення
Вік	Об’єктивна особливість	age	ціле число (дні)
Зріст	Об’єктивна особливість	height	ціле число (см)
Вага	Об’єктивна особливість	weight	плаваюче число (кг)
Стать	Об’єктивна особливість	gender	категоричний код
Систолічний кров’яний тиск	Особливість обстеження	ap_hi	ціле число
Діастолічний кров’яний тиск	Особливість обстеження	ap_lo	ціле число
Холестерин	Особливість обстеження	cholesterol	1: нормально, 2: вище норми, 3: значно вище норми
Глюкоза	Особливість обстеження	gluc	1: нормально, 2: вище норми, 3: значно вище норми
Куріння	Суб’єктивна особливість	smoke	двійкове
Вживання алкоголю	Суб’єктивна особливість	alco	двійкове
Фізична активність	Суб’єктивна особливість	active	двійкове
Наявність чи відсутність серцево-судинних захворювань	Цільова змінна	cardio	двійкове

Завдання

Створіть діаграму, подібну до examples/Figure_1.png, де ми покажемо кількість хороших та поганих результатів змінних cholesterol, gluc, alco, active та smoke для пацієнтів з cardio=1 та cardio=0 на різних панелях.

Використайте дані для виконання наступних завдань у medical_data_visualizer.py:

• Додайте стовпчик overweight до даних. Щоб визначити, чи має людина зайву вагу, спочатку обчисліть її ІМТ, поділивши вагу (кг) на зріст (м) у квадраті. Якщо це значення > 25, то людина має зайву вагу. Використайте значення 0 для НЕ надмірної ваги та значення 1 для надмірної ваги.
• Нормалізуйте дані, зробивши 0 завжди хорошим, а 1 завжди поганим. Якщо значення cholesterol або gluc дорівнює 1, зробіть значення 0. Якщо значення більше ніж 1, зробіть значення 1.
• Перетворіть дані у довгий формат та створіть діаграму, яка показує кількість підрахунків категорійних особливостей, використовуючи catplot() від seaborn. Набір даних має бути розділений Cardio, щоб для кожного значення cardio був стовпчик. Діаграма повинна виглядати так: examples/Figure_1.png.
• Очистіть дані. Відфільтруйте наступні сегменти пацієнтів, які представляють неправильні дані:
  • діастолічний тиск вищий за систолічний (збережіть правильні дані за допомогою (df['ap_lo'] <= df['ap_hi']))
  • зріст менший за 2,5-ий процентиль (збережіть правильні дані з (df['height'] >= df['height'].quantile(0.025)))
  • зріст більший за 97,5-ий процентиль
  • вага менша за 2,5-ий процентиль
  • вага більша за 97,5-ий процентиль
• Створіть кореляційну матрицю, використовуючи набір даних. Побудуйте кореляційну матрицю за допомогою heatmap() від seaborn. Замаскуйте верхній трикутник. Діаграма повинна виглядати так: examples/Figure_2.png.

Кожного разу, коли для змінної встановлено значення None, переконайтеся, що для неї встановлено правильний код.

Модульні тести для цього проєкту знаходяться в test_module.py.

Інструкція

Додайте код до кожного числа у файлі medical_data_visualizer.py відповідно до числа з інструкції нижче.

1. Імпортуйте дані з medical_examination.csv та призначте їх до змінної df
2. Створіть стовпчик overweight в змінній df
3. Нормалізуйте дані, зробивши 0 завжди хорошим, а 1 завжди поганим. Якщо значення cholesterol або gluc дорівнює 1, встановіть значення на 0. Якщо значення більше ніж 1, встановіть значення на 1.
4. Створіть графік категорій у функції draw_cat_plot
5. Створіть DataFrame для графіка категорій, використовуючи pd.melt зі значеннями з cholesterol, gluc, smoke, alco, active та overweight в змінній df_cat.
6. Згрупуйте та реформатуйте дані в df_cat, щоб розділити їх за допомогою cardio. Покажіть кількість усіх складових. Один зі стовпчиків потрібно перейменувати, щоб забезпечити правильну роботу catplot.
7. Перетворіть дані в формат long та створіть діаграму, яка показує кількість підрахунків категорійних особливостей, використовуючи наступний метод з бібліотеки seaborn: sns.catplot()
8. Отримайте фігуру для виведення та збережіть її в змінній fig
9. Не змінюйте два наступні рядки
10. Створіть теплову карту у функції draw_heat_map
11. Очистіть дані в змінній df_heat, відфільтрувавши наступні сегменти пацієнтів, які представляють неправильні дані:
    • зріст менший за 2,5-ий процентиль (збережіть правильні дані за допомогою (df['height'] >= df['height'].quantile(0.025)))
    • зріст більший за 97,5-ий процентиль
    • вага менша за 2,5-ий процентиль
    • вага більша за 97,5-ий процентиль
12. Обчисліть кореляційну матрицю та збережіть її в змінній corr
13. Створіть маску для верхнього трикутника та збережіть його в змінній mask
14. Налаштуйте фігуру matplotlib
15. Побудуйте кореляційну матрицю за допомогою методу, наданого бібліотекою seaborn: sns.heatmap()
16. Не змінюйте два наступні рядки

Розробка

Напишіть свій код в medical_data_visualizer.py. Для розробки ви можете використати main.py, щоб протестувати свій код.

Тестування

Модульні тести для цього проєкту знаходяться в test_module.py. Ми імпортували тести з test_module.py до main.py для вашої зручності.

Надсилання

Скопіюйте URL-адресу свого проєкту та відправте її до freeCodeCamp.

--hints--

Проєкт повинен пройти усі тести 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.