最近,我分析了一个孩子的视力数据并记录下来。需要数据的小伙伴可以下载。

将 numpy 导入为 np

将熊猫导入为 pd

导入 matplotlib.pyplot 作为 plt

进口重新

导入我们

将 seaborn 导入为 sns

将 scipy.stats 导入为 ss

plt.rcParams['font.family'] u003d ['SimHei']

plt.rcParams['axes.unicode_minus'] u003d False

res_dir u003d "E:\同事\眼科\\使用\安排\\res_dir_yanke"

df u003d pd.read_excel(os.path.join(res_dir, "noNullSex_8783.xlsx"))

df.shape

df.keys()

共有 8783 条数据。变量是:

年级、班级、姓名、性别、出生年月、右眼视力、左眼视力、右检眼镜s、右检眼镜c、右检眼镜a、左检眼镜s、左检眼镜c、左检眼镜a、视力是否差、学校阶段(分为幼儿园、小学和初中)

# 先替换名称部分。为保护隐私,更换中间部分。

name2 u003d [ re.sub(r'(\w)(\w)', r'\1*', x) for x in df['name'] ]

名称2

df['name'] u003d name2

df['名称']

df.info()

基本资料齐全。在左右眼的数据中,缺少一些视力。右眼有 8777 个有效数据,左眼有 8779 个有效数据。因为两只眼睛是主要数据,所以基本视力一定是。删除缺失的。

df u003d df.dropna(子集 u003d ['left', 'right'])

df.shape

df[['right', 'left']].describe()

这是所有的基本信息。

首先,您可以分组查看。意思是。

df['type'].value_counts()

小学6780所,幼儿园1249所,初中748所

每组的平均值是多少。

df.groupby('type')['right', 'left'].mean()

可见幼儿园孩子的视力是最好的。初中时,他们的视力基本下降到4.5左右。都是近视。

当然,你也可以看看初中的数据分布情况。

df[df['type'] u003du003d "中间"]['right'].describe()

仅从右眼来看,初中生的中位数是4.4。四分之一的学生视力低于4.0。

在视力方面,有以下标准:

1\。视力差是指左眼和右眼中任意一只眼的视力低于5.0,即使视力差。

2\。近视,左右眼视力小于5.0,单眼球面镜a数据小于-0.5。即使近视大于正数,也是远视。这里仅以近视为例。

首先生成一个视力不佳的变量来判断是否有一只眼睛的视力低于5.0。

df['sight_impaired'] u003d (df['right'] < 5.0 ) | (df['left'] < 5.0 )

df['视力\受损'].value_counts()

可以看出,其中近一半的人视力不佳。

但也有很多幼儿园的孩子视力不好。不信可以分组看看。

df.groupby('type')['sight_impaired'].value_counts(normalizeu003dTrue).unstack()

地方['年纪].value_counts()

df.groupby('nianji')['sight_impaired'].value_counts(normalizeu003dTrue).unstack()

地方['年纪].unique()

nianji_order u003d ['托班','接待班','中班','大班','一年级','二年级','三年级','四年级','五年级'、'初一'、'初三'、'初二'、'初四']

x u003d df.groupby('nianji')['sight_impaired'].value_counts(normalizeu003dTrue).unstack()

x

x.reindex(年记_order)[真]

x.reindex(年记_order)[真].plot()

研究发现,幼儿园儿童视力不佳的比例很高。事实上,这是因为大多数幼儿园的孩子都是远视的。当他们长大后,他们的视力就会恢复正常。比如一年级的孩子视力基本是5.0,没问题,但是年级越高,视力差的比例就越高,初四接近100%。几乎是近视。幼儿园和初中虽然都在搞,但是是完全不同的两所高中。

从近视的比例可以看出。

这使用了先前的近视标准。

左右眼视力均在5.0以下,球面镜s值小于-0.5。需要生成一个变量。如果满足这些条件,则确定为True,否则为False