🫀심혈관질환 분석 02-데이터 소개

---

🚨 우리 팀이 진행한 프로젝트는 Cardio-Vascular Disease Prediction 으로, 심혈관 질환을 예측하는 모델을 만드는 것이 프로젝트의 목적이다.

🚨 이 프로젝트를 위해 캐글에서 해당 데이터를 가져왔으며, 링크는 바로 아래에 첨부해 두었다.

📝 Cardio Vascular Data

🚨 이번 포스팅에서는 기본적으로 데이터를 설명할 것이다.

Attributes

🚨 데이터를 불러오고 프로젝트 진행을 위해 아래와 같은 라이브러리들을 미리 임포트했다. 데이터 전처리 과정에는 아래의 코드만 있으면 되고, 프로젝트를 진행하면서 추가적인 라이브러리들을 임포트할 것이다.

# 데이터 임포트, 전처리를 위한 pandas, numpy library 임포트
import pandas as pd
import numpy as np
# 시각화를 위한 plotly library 임포트
import plotly.graph_objects as go
import plotly.offline as pyo
pyo.init_notebook_mode()

🚨 먼저 데이터를 불러와보도록 하자.

cardio = pd.read_csv('C:\\Users\mingu\Desktop\\cardio_train.csv', sep=';')
cardio 

🚨 차후 진행을 위해 이름을 cardio 라고 붙였고, 일반적인 CSV 파일은 콤마(,) 로 구분이 되기에 pd.read_csv() 만을 사용하여 불러올 수 있지만 내가 사용한 데이터는 세미콜론(;) 으로 구분되어 있었기 때문에 sep=’;’ 옵션을 넣어 데이터를 불러왔다.

🚨 각 attribute가 무엇을 의미하는지 살펴보자.

---

• 나이
• 성별(1-women, 2-men)
• 키(cm)
• 몸무게(kg)
• ap_hi(systolic blood pressure, 수축혈압)
• ap_lo(diastolic blood pressure, 이완혈압)
• cholesterol(1-normal, 2-above normal, 3-well above normal)
• gluc(혈당)(1-normal, 2-above normal, 3-well above normal)
• smoke(0-비흡연, 1-흡연)
• alco(0-음주X, 1-음주O)
• active(운동여부)(0-X, 1-O)
• Cardio(target)(0-X, 1-O)

🚨 부가적인 전처리가 필요하겠지만, 결론적으로는 상위 11개의 attribute를 가지고 마지막 Cardio attribute 를 예측하는 것이 최종적인 프로젝트의 목표이다.

🚨 전처리에 대해서는 다음 업로드에서 다룰 예정이다.

---