數(shù)據(jù)選自Journal of the American Medical Association(http://jse.amstat.org/v4n2/datasets.shoemaker.html
)關(guān)于體溫、性別、心率的臨床數(shù)據(jù)祖乳，并對以下問題進(jìn)行數(shù)據(jù)分析：
人類體溫均值真的是98.6F嗎？（Journal of the American Medical Association entitled "A Critical Appraisal of 98.6 Degrees F, the Upper Limit of the Normal Body Temperature）
體溫樣本數(shù)據(jù)是否服從正態(tài)分布拳恋？
不正常的體溫是多少凡资？
男性和女性的正常體溫有明顯的區(qū)別嗎？
體溫和心率是否有相關(guān)性谬运？
為了找到以上問題的答案隙赁，我們使用python來對樣本數(shù)據(jù)做一下分析。
1. 人類體溫均值真的是98.6F嗎梆暖？
體溫散點圖
注：樣本共130條數(shù)據(jù)伞访，其中male數(shù)據(jù)65條，female數(shù)據(jù)65條轰驳。
importpandasaspddf = pd.read_csv('http://jse.amstat.org/datasets/normtemp.dat.txt', header =None,sep ='\s+',names=['體溫','性別','心率'])#讀取數(shù)據(jù)df['體溫'].describe()'''
count? ? 130.000000
mean? ? ? 98.249231
std? ? ? ? 0.733183
min? ? ? 96.300000
25%? ? ? 97.800000
50%? ? ? 98.300000
75%? ? ? 98.700000
max? ? ? 100.800000
'''
結(jié)論：可以看到 體溫的均值為 98.25 F.
2. 體溫樣本數(shù)據(jù)是否服從正態(tài)分布厚掷？
檢測體溫是否服從正態(tài)分布:以下分別使用 kstest、shapiro级解、normaltest三種方法來檢驗冒黑。
u = df['體溫'].mean()# 計算均值std = df['體溫'].std()# 計算標(biāo)準(zhǔn)差ks_test = kstest(df['體溫'],'norm',(u,std))#KstestResult(statistic=0.06472685044046644, pvalue=0.645030731743997)shapiro_test = scipy.stats.shapiro(df['體溫'])#(0.9865770936012268, 0.233174666762352)normaltest_test = normaltest(df['體溫'], axis=None)#NormaltestResult(statistic=2.703801433319236, pvalue=0.2587479863488212)
結(jié)論:三種檢驗的pvalue值均大于5%，因此體溫值服從正態(tài)分布勤哗。
體溫分布直方圖
我們通過繪制體溫的密度分布直方圖也可以看出來服從正態(tài)分布抡爹。
3. 不正常的體溫是多少？
利用箱線圖剔除異常值
體溫分布箱線圖
# 計算上下四分位數(shù)Q1 = df['體溫'].quantile(q =0.25)#97.8Q3 = df['體溫'].quantile(q =0.75)#98.7#異常值判斷標(biāo)準(zhǔn)芒划， 1.5倍的四分位差 計算上下須對應(yīng)的值low_quantile = Q1 -1.5*(Q3-Q1)#96.44999999999999high_quantile = Q3 +1.5*(Q3-Q1)#100.05000000000001# 輸出異常值value = df['體溫'][(df['體溫'] > high_quantile) | (df['體溫'] < low_quantile)]'''
超過上下須的異常體溫值：
0? ? ? 96.3
65? ? ? 96.4
129? ? 100.8
'''
結(jié)論：體溫值大于100.05F冬竟，小于96.45F的均為異常體溫。
4. 男性和女性的正常體溫有明顯的區(qū)別嗎民逼？
剔除異常體溫后泵殴，分析樣本中男女體溫是否有明顯區(qū)別
df2 = df.loc[(df['體溫'] != 96.3)&(df['體溫'] != 96.4)&(df['體溫'] != 100.8)]#排除異常值df3 = df2.loc[df2['性別']==1]man_narmal_mean_temperature = df3['體溫'].mean()#男士體溫均值 98.13281250000003df4 = df2.loc[df2['性別']==2]woman_narmal_mean_temperature = df4['體溫'].mean()#女士體溫均值 98.38730158730158
結(jié)論:女性體溫均值比男性體溫均值偏高.
5. 體溫和心率是否有相關(guān)性？
df2.corr()'''
? ? ? ? ? 體溫? ? ? ? 性別? ? ? ? 心率
體溫? 1.000000? 0.192293? 0.243285
性別? 0.192293? 1.000000? 0.054193
心率? 0.243285? 0.054193? 1.000000
'''df2.corr('kendall')'''
? ? ? ? ? 體溫? ? ? ? 性別? ? ? ? 心率
體溫? 1.000000? 0.159488? 0.176732
性別? 0.159488? 1.000000? 0.064551
心率? 0.176732? 0.064551? 1.000000
'''df2.corr('spearman')'''
? ? ? ? 體溫? ? ? ? 性別? ? ? ? 心率
體溫? 1.000000? 0.190609? 0.265460
性別? 0.190609? 1.000000? 0.077409
心率? 0.265460? 0.077409? 1.000000
5. 結(jié)論：由上面三種相關(guān)系數(shù)可以看出 心率和體溫具有正相關(guān)拼苍。
