🫀심혈관질환 분석 04-attribute 노이즈 확인

---

🚨 저번 글에서는 유일하게 classify 되지 않은 혈압 attribute의 범위를 알아보고 이를 전처리하는 내용을 다뤘다. 이번 글에서는 나머지 classify 된 attribute 중에서 noise 가 있는지 확인해보자.

🚨 원본 데이터 70000개의 object 중에서 Systolic / Diastolic Blood Presure Preprocessing 의 결과 남은 object가 64500개였다. 따라서 각 attribute의 class들의 개수를 합치면 각각 64500 이 나오는지 확인하는 방법으로 noisy data를 판단할 것이다.

🚨 사실, 상당히 단순무식한 방법이라고 생각한다. 각 attribute 가 가지는 값을 확인하는 .unique() 함수를 사용해서 이를 쉽게 알 수도 있지만, 프로젝트의 코드만으로도 진행방향을 설명하기 위해 이러한 방식을 사용하였다. 동시에 각 attribute의 class의 분포를 알 수 있다는 장점 또한 있다고 생각하였다😀😀.

---

🫀 3.1. Label (cardio) - Binary

print('cardiovascular : ', len(cardio[cardio['cardio']==1]))
print('Non-cardiovascular : ', len(cardio[cardio['cardio']==0]))
print('Cardio summation : ', len(cardio[cardio['cardio']==1]) + len(cardio[cardio['cardio']==0]))  

>>  
cardiovascular :  32146
Non-cardiovascular :  32354
Cardio summation :  64500  

🚨 각 case의 경우의 데이터수의 합이 총 데이터수와 동일하므로 noisy data가 없다.

🚨 또한, 우리가 예측하고자 하는 target 들의 분포가 거의 1:1 에 가깝다는 것을 확인 할 수 있었다.

🫀 3.2. Cholesterol - Ordinal

print('normal-cholesterol : ', len(cardio[cardio['cholesterol']==1]))
print('above normal-cholesterol : ', len(cardio[cardio['cholesterol']==2]))
print('well above normal-cholesterol : ', len(cardio[cardio['cholesterol']==3]))
print('Cholesterol summation : ', len(cardio[cardio['cholesterol']==1]) + len(cardio[cardio['cholesterol']==2]) + len(cardio[cardio['cholesterol']==3]))  

>>  
normal-cholesterol :  48461
above normal-cholesterol :  8583
well above normal-cholesterol :  7456
Cholesterol summation :  64500  

🚨 각 case의 경우의 데이터수의 합이 총 데이터수와 동일하므로 noisy data가 없다.

🫀 3.3. Glucose - Ordinal

print('normal-Glucose : ', len(cardio[cardio['gluc']==1]))
print('above normal-Glucose : ', len(cardio[cardio['gluc']==2]))
print('well above normal-Glucose : ', len(cardio[cardio['gluc']==3]))
print('Glucose summation : ', len(cardio[cardio['gluc']==1]) + len(cardio[cardio['gluc']==2]) + len(cardio[cardio['gluc']==3]))  

>>  
normal-Glucose :  54886
above normal-Glucose :  4673
well above normal-Glucose :  4941
Glucose summation :  64500  

🚨 각 case의 경우의 데이터수의 합이 총 데이터수와 동일하므로 noisy data가 없다.

🫀 3.4. Smoke / Non-smoke - Binary

print('Smoke : ', len(cardio[cardio['smoke']==1]))
print('Non-smoke : ', len(cardio[cardio['smoke']==0]))
print('Smoke summation : ', len(cardio[cardio['smoke']==1]) + len(cardio[cardio['smoke']==0]))  

>>  
Smoke :  5651
Non-smoke :  58849
Smoke summation :  64500  

🚨 각 case의 경우의 데이터수의 합이 총 데이터수와 동일하므로 noisy data가 없다.

🫀 3.5. Alcohol / Non-Alcohol - Binary

print('alcohol : ', len(cardio[cardio['alco']==1]))
print('Non-alcohol : ', len(cardio[cardio['alco']==0]))
print('Alcohol summation : ', len(cardio[cardio['alco']==1]) + len(cardio[cardio['alco']==0]))  

>>  
alcohol :  3422
Non-alcohol :  61078
Alcohol summation :  64500  

🚨 각 case의 경우의 데이터수의 합이 총 데이터수와 동일하므로 noisy data가 없다.

🫀 3.6. Active - Binary

print('Active : ', len(cardio[cardio['active']==1]))
print('Non-Active : ', len(cardio[cardio['active']==0]))
print('Active summation : ', len(cardio[cardio['active']==1]) + len(cardio[cardio['active']==0]))  

>>  
Active :  51825
Non-Active :  12675
Active summation :  64500  

🚨 각 case의 경우의 데이터수의 합이 총 데이터수와 동일하므로 noisy data가 없다.

---

🚨 각 attribute가 noise 없이 깔끔하게 정리된 걸 확인할 수 있었다. 최종적으로 사용할 데이터와 info를 확인하는 것으로 데이터 전처리 과정을 정리하도록 하겠다😊😊.

cardio  

---

cardio.info()  

>>  
<class 'pandas.core.frame.DataFrame'>
Int64Index: 64500 entries, 0 to 69999
Data columns (total 11 columns):
 #   Column       Non-Null Count  Dtype  
---  ------       --------------  -----  
 0   age          64500 non-null  int64  
 1   gender       64500 non-null  int64  
 2   ap_hi        64500 non-null  int64  
 3   ap_lo        64500 non-null  int64  
 4   cholesterol  64500 non-null  int64  
 5   gluc         64500 non-null  int64  
 6   smoke        64500 non-null  int64  
 7   alco         64500 non-null  int64  
 8   active       64500 non-null  int64  
 9   cardio       64500 non-null  int64  
 10  BMI          64500 non-null  float64
dtypes: float64(1), int64(10)
memory usage: 5.9 MB  

---