🫀심혈관질환 분석 05-상관관계 확인

---

🚨 저번 글에서 데이터를 최종적으로 전처리하는 과정을 다뤘다. 이번 글에서는 이렇게 전처리된 데이터를 사용하여 상관관계 즉 correlation을 분석해볼 것이다.

🚨 이 글을 시작으로 데이터의 각 attribute 간의 연관관계를 분석해볼 생각이다. 어쩌면 데이터마이닝 시간에 가장 비중있게 다룬 내용들인 만큼 많은 내용을 다룰 것이다.

---

🫀 1. Preprocessing 된 cardio 데이터 임포트

🚨 먼저 데이터를 불러오고 전처리한 코드를 정리해보았다. 간단하게 살펴보자.

# 데이터 임포트 및 전처리를 위한 pandas / numpy library 임포트
import pandas as pd
import numpy as np

# 시각화를 위한 seaborn, matplotlib 임포트
import seaborn as sns
import matplotlib as mpl
import matplotlib.pyplot as plt
import matplotlib.font_manager as fm
%matplotlib inline

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

# day기준 age를 year 기준으로 변환 : 365로 나누고 소수점 첫째자리에서 반올림
cardio['age'] = cardio['age'] / 365
cardio['age'] = round(cardio['age'], 0).astype('int64').copy()

# BMI attribute 생성
cardio['height'] = cardio['height'] / 100
cardio['BMI'] = cardio['weight'] / (cardio['height']**2)
cardio['BMI'] = round(cardio['BMI'], 2).copy()

# id, height, weight attribute 삭제
cardio = cardio.drop(['id','height','weight'], axis = 1)

# 수축기혈압이 이완기혈압보다 낮은 row 삭제
low_drop_index = cardio[(cardio['ap_hi'] < cardio['ap_lo'])].index
cardio = cardio.drop(low_drop_index).copy()

# 90mmHg 이하, 200mmHg 이상의 Ap_hi 혈압 제거
drop_index_sys = cardio[(cardio['ap_hi'] < 90) | (cardio['ap_hi'] > 170)].index
cardio = cardio.drop(drop_index_sys).copy()

# 60mmHg 이하, 140mmHg 이상의 Ap_lo 혈압 제거
drop_index_dias = cardio[(cardio['ap_lo'] < 65) | (cardio['ap_lo'] > 105)].index
cardio = cardio.drop(drop_index_dias).copy()

cardio  

🫀 2. Correlation Analysis

🚨 correlation 분석을 위해서 .corr() 함수를 사용할 것이다. 이때 그 결과를 시각화하기 위해서는 파이썬의 seaborn 라이브러리가 필요하다. 따라서 이 친구부터 임포트할 것이다. correlation 분석이라고 해서 코드가 긴 것이 아니다. 함수 하나만 가지고도 우리가 원하는 각 attribute의 연관관계를 쉽게 알 수 있다.

# 시각화를 위한 seaborn 임포트
import seaborn as sns 

plt.figure(figsize = (20,12))
ax = sns.heatmap(cardio.corr(), annot=True, annot_kws=dict(color='r'), cmap='Greens')
plt.show()

📌 .corr()을 사용한 attribute 간의 상관관계 분석
📌 seaborn 모듈을 통해 시각화
📌 target이 cardio attribute이므로 다른 feature들과 cardio 사이의 상관관계를 분석

---

🚨 correlation 결과

• age & cardio : 0.23
• gender & cardio : -0.0022
• ap_hi & cardio : 0.43
• ap_lo & cardio : 0.34
• cholesterol & cardio : 0.22
• gluc & cardio : 0.086
• smoke & cardio : -0.019
• alco & cardio : -0.011
• active & cardio : -0.037
• BMI & cardio : 0.15
  

---

🚨 cardio와 attribute간의 상관관계 부호

• (+) : age, ap_hi, ap_lo, cholesterol, gluc, BMI
• (-) : gender, smoke, alco, active
  

---

🚨 cholesterol과 glucose가 서로 높은 상관관계(0.45)를 가지고, ap_hi, ap_lo 역시 상당히 높은 상관관계(0.71)를 보여준다.

• 일반적인 생각으로는 cholesterol과 glucose, 그리고 혈압이 서로 큰 상관관계가 있을 것이지만, 이 데이터는 그렇게 큰 수치를 나타내지는 않는 것을 확인할 수 있다.
  

🚨 Correlation 결과 상관관계의 절댓값이 커서 무시하지 못할 만한 attribute는 [age, ap_hi, ap_lo, cholesterol] 이다.

🚩 2022.09.08 추가 - correlation 은 수치형 변수와 수치형 변수 사이의 관계를 알아보기 위한 방법이다. 나는 프로젝트 진행 시에 범주형 변수간의 관계에 대해서도 상관관계 분석을 진행했기 때문에, 혹시 이 글을 읽으신 분들은 나와 같은 실수를 저지르지 않았으면 한다🤥.

---