AI应用实战课学习总结（4）医疗数据可视化

大家好，我是Edison。

最近入坑黄佳老师的《AI应用实战课》，记录下我的学习之旅，也算是总结回顾。

今天是我们的第4站，通过一个经典的医疗数据集来进行数据可视化的实战。

数据集介绍

这是一个从UCI网站（https//archive.ics.uci.edu/ml/index.php）获取的美国威斯康辛州的乳腺癌数据集，它包括了一些对乳腺细胞测量之后的特征数据（如厚度、大小等）和标签数据（诊断结果：良性or恶性），现经常被拿来做机器学习分类算法的入门教学。

下面就是该数据集所有的数据字段的介绍：

该数据集大约有569个样本，它的良性（健康）数据样本 和 恶性（确诊）数据样本相对来说是比较平均的（良性357个，恶性212个）。

针对该数据集，我们可以使用Matplotlib和Seaborn等可视化库快速做一些数据可视化的操作，帮助我们进行数据分析。

例如，我们可以对诊断结果做标签数据分布的柱状图，就可以快速知道良性和恶性的人数都有多少。

接下来，我们就来基于Python+可视化库来实现一下。

数据可视化实战

Step1 读取数据，设置特征 和 标签

import pandas as pd # 导入Pandas数据处理工具
# 读取数据
data = pd.read_csv('medical-data-demo.csv')
data.head()  # head方法显示前5行数

# 设置X(特征)和y(标签)
y = data["诊断结果"]
X = data.drop(["诊断结果", "ID"], axis=1)
X

Step2 诊断结果分布柱状图（基于matplotlib）

import matplotlib.pyplot as plt
# 设置字体为SimHei，以正常显示中文标签
plt.rcParams["font.family"]=['SimHei']
plt.rcParams['font.sans-serif']=['SimHei']
# 设置正常显示负号
plt.rcParams['axes.unicode_minus']=False
# 通过柱状图显示y(诊断结果)的分布
y.value_counts().plot(kind='bar', color='skyblue', edgecolor='black')
plt.title('诊断结果分布')
plt.xlabel('诊断结果')
plt.ylabel('数量')
plt.xticks(rotation=45)
plt.tight_layout()
plt.show()

效果如下图：

Step3 某些特征的直方图

# 显示特征数据集的统计信息
X.describe()

即可得到每个特征的最大、最小值、平均值、四分位、中位数等统计信息：

# 查看X的特征名称
features = X.columns
# 绘制前三个特征的直方图
first_three_features = features[:3]
# 设置画布和子图，这里是三个子图
fig, axes = plt.subplots(nrows=3, ncols=1, figsize=(8, 10))
# 依次设置三个子图的属性
for i, feature in enumerate(first_three_features):
    axes[i].hist(X[feature], bins=30, color='skyblue', edgecolor='black')
    axes[i].set_title(f"{feature} - 直方图")
    axes[i].set_xlabel('值')
    axes[i].set_ylabel('频数')
    axes[i].grid(True, axis='y', linestyle='--', linewidth=0.7, alpha=0.6)

plt.tight_layout()
plt.show()

前三个特征（平均半径、平均纹理和平均周长）的直方图效果如下：

Step4 部分特征的箱线图

箱线图是一种非常有用的统计工具，主要用于展示一组数据的分布情况。它不仅能反映数据的集中程度，还能展示数据的离散程度。简单来说，箱线图就是用来告诉你：你的数据分布是什么样的，以及它们是如何变化的。

首先，先做一下数据的标准化：

from sklearn.preprocessing import StandardScaler

# Setting X and y
y = data["诊断结果"]
X = data.drop(["诊断结果", "ID"], axis=1)

# Selecting the first 10 features
selected_features = X.columns[:10]

# Standardizing X
scaler = StandardScaler()
X_standardized = scaler.fit_transform(X)

# Extracting the standardized values of the selected features
X_selected_standardized = X_standardized[:, :10]

然后，绘制箱线图：

# Plotting the boxplot for the standardized values of the selected features
import matplotlib.pyplot as plt

# Setting the font for displaying Chinese characters in the plot
plt.rcParams["font.family"]=['SimHei']
plt.rcParams['font.sans-serif']=['SimHei']
plt.rcParams['axes.unicode_minus']=False

plt.figure(figsize=(12, 8))
plt.boxplot(X_selected_standardized, vert=True)
plt.xticks(range(1, len(selected_features) + 1), selected_features, rotation=45)
plt.title('箱线图 - 标准化后的前10个特征')
plt.ylabel('标准化值')
plt.grid(True, axis='y', linestyle='--', linewidth=0.7, alpha=0.6)
plt.tight_layout()

plt.show()

得到的标准化后的前10个特征的箱线图如下：

Step5 部分特征的小提琴图

小提琴图和箱线图类似，用来显示数据分布和概率密度。结合了箱线图和密度图的特征，用来显示数据的分布形状。

要绘制小提琴图，就需要使用Seaborn了，Matplotlib就没法支持了。同样，需要先做数据的标准化之后，再来绘制。

import seaborn as sns # 导入Seaborn
# 绘制小提琴图
plt.figure(figsize=(12, 8))
sns.violinplot(data=pd.DataFrame(X_selected_standardized, columns=selected_features), palette="Set3")
plt.title('小提琴图 - 标准化后的前10个特征')
plt.ylabel('标准化值')
plt.xticks(rotation=45)
plt.tight_layout()

plt.show()

得到的标准化后的前10个特征的小提琴图如下：

箱线图和小提琴图的差异：小提琴图可以看出数据分布密度，箱线图看不出来。

Step6 部分特征的相关性热图

相关性热图作为一种可视化工具，可直观地展现两个或多个变量之间的相关性强度。在热图的呈现中，通过矩阵的形式展示数据集中各变量之间的相关性，其中每个单元格代表两个变量之间的相关性系数，并以颜色深浅来直观表示相关性的强弱。常用皮尔逊相关系数来衡量，该系数的取值范围在-1到1之间，其中-1表示完全负相关，1表示完全正相关，0表示无线性相关。

这种可视化方式不仅有助于我们迅速捕捉数据集中的潜在关联规律，还能为后续的数据分析和建模工作提供有力的指导。

绘制相关性热图，仍然使用Seaborn来绘制：

# 绘制相关性热图
correlation_matrix = pd.DataFrame(X_selected_standardized, columns=selected_features).corr() # 得到相关性矩阵
plt.figure(figsize=(10, 8))
sns.heatmap(correlation_matrix, annot=True, cmap='coolwarm', linewidths=0.5)
plt.title('前10个特征的相关性热图')
plt.tight_layout()

plt.show()

得到的标准化后的前10个特征的相关性热图如下：

小结

本文介绍了经典的乳腺癌医疗数据集，并基于该数据集使用Matplotlib和Seaborn做了一些常见的数据可视化图的绘制，有了这些图可以帮助我们做数据分析。

推荐学习

黄佳，《AI应用实战课》（课程）

黄佳，《图解GPT：大模型是如何构建的》（图书）

黄佳，《动手做AI Agent》（图书）

作者：周旭龙

出处：https://edisonchou.cnblogs.com

本文版权归作者和博客园共有，欢迎转载，但未经作者同意必须保留此段声明，且在文章页面明显位置给出原文链接。