AIM-PIbd-31-Razubaev-S-M/Lab1/lab1.ipynb

Лабораторная 1

Выгрузка данных из csv файла в датафрейм

In [6]:

import pandas as pd
import matplotlib.pyplot as plt
df = pd.read_csv(".//static//scv//diabetes.csv")
print(df.columns)

Index(['Pregnancies', 'Glucose', 'BloodPressure', 'SkinThickness', 'Insulin',
       'BMI', 'DiabetesPedigreeFunction', 'Age', 'Outcome'],
      dtype='object')

Посмотрим краткое содержание датасета. Видим, что датасет состоит из 768 строк и 9 столбцов

In [7]:

df.info()
df.head()

<class 'pandas.core.frame.DataFrame'>
RangeIndex: 768 entries, 0 to 767
Data columns (total 9 columns):
 #   Column                    Non-Null Count  Dtype  
---  ------                    --------------  -----  
 0   Pregnancies               768 non-null    int64  
 1   Glucose                   768 non-null    int64  
 2   BloodPressure             768 non-null    int64  
 3   SkinThickness             768 non-null    int64  
 4   Insulin                   768 non-null    int64  
 5   BMI                       768 non-null    float64
 6   DiabetesPedigreeFunction  768 non-null    float64
 7   Age                       768 non-null    int64  
 8   Outcome                   768 non-null    int64  
dtypes: float64(2), int64(7)
memory usage: 54.1 KB

Out[7]:

	Pregnancies	Glucose	BloodPressure	SkinThickness	Insulin	BMI	DiabetesPedigreeFunction	Age	Outcome
0	6	148	72	35	0	33.6	0.627	50	1
1	1	85	66	29	0	26.6	0.351	31	0
2	8	183	64	0	0	23.3	0.672	32	1
3	1	89	66	23	94	28.1	0.167	21	0
4	0	137	40	35	168	43.1	2.288	33	1

Группируем данные по возрасту и вычисляем среднее значение глюкозы для каждой возрастной группы

In [9]:

glucose_by_age = df.groupby(['Age'])['BloodPressure'].mean()

glucose_by_age.plot(kind='bar', figsize=(14, 8), width=0.6)
plt.title('Уровень глюкозы с возрастом')
plt.xlabel('Возраст')
plt.ylabel('Уровень глюкозы')
plt.xticks(rotation=0)
plt.show()

Данная диаграмма отображает среднее количество глюкозы для каждой возрастной группы, что позволяет сделать вывод о том, как уровень глюкозы изменяется с возрастом.

In [10]:

plt.figure(figsize=(10, 6))
plt.scatter(df['Age'], df['BloodPressure'], alpha=0.5)
plt.title('Уровень давления относительно возраста')
plt.xlabel('Возраст')
plt.ylabel('Уровень давления')
plt.grid(True)
plt.show()

Данная диаграмма отображает уровень давления относительно возраста, что позволяет сделать вывод о том, как уровень давления изменяется с возрастом.

In [12]:

subset_df = df.iloc[0:30]
insulin = subset_df.groupby('Age')['Insulin'].mean()
bmi = subset_df.groupby('Age')['BMI'].mean()

average_df = pd.DataFrame({
    'Insulin': insulin,
    'BMI': bmi
})

plt.figure(figsize=(10, 6))
average_df.plot.line()
plt.title('Среднее значение инсулина и индекса тела по возрасту')
plt.xlabel('Возраст')
plt.ylabel('Среднее значение')
plt.grid(True)
plt.show()

<Figure size 1000x600 with 0 Axes>

Данный график отображает среднее значение инсулина и индекса тела по возрасту, что позволяет сделать вывод о том, как эти показатели изменяются с возрастом.