填空题

# 输出异常值数量 2分

print("异常值数量:", data['is_abnormal']._______10______)

sum())

填空题 # 输出结果

print("高风险患者数量:", risk_counts['高风险患者'])

print("低风险患者数量:", risk_counts['低风险患者'])

print("高风险患者占比:", high_risk_ratio)

print("低风险患者占比:", low_risk_ratio)

# 2. 统计不同BMI区间中高风险患者的比例和统计不同BMI区间中的患者数
# 定义BMI区间和标签
bmi_bins = [0, 18.5, 24, 28, np.inf]
bmi_labels = ['偏瘦', '正常', '超重', '肥胖']
# 根据BMI值划分指定区间 4分
data['BMIRange'] = _______9______(_______10______, _____11________, _______12______, right=False) # 使用左闭右开区间

pd.cut(data['BMI'], bins=bmi_bins, labels=bmi_labels

填空题 # 统计不同风险等级的患者数量 2分

risk_counts = data______5_______._______6______

['RiskLevel'].value_counts()

RiskLevel

填空题 # 计算低风险患者占比 1分

low_risk_ratio = risk_counts['低风险患者'] / ______8_______

len(data)

填空题 # 计算高风险患者占比 1分

high_risk_ratio = risk_counts['高风险患者'] / _______7______

len(data)

填空题 import pandas as pd

import numpy as np

# 读取数据集 1分

data = _______1______

data = pd.read_csv('patient_data.csv')

patient_data.csv

填空题 # 计算每个BMI区间中高风险患者的比例 2分

bmi_risk_rate = _______13______(_______14______)['RiskLevel'].apply(lambda x: (x == '高风险患者').mean())

data.groupby('BMIRange')

BMIRange

填空题 # 统计每个BMI区间的患者数量 1分

bmi_patient_count = data_____15________

['BMIRange'].value_counts()

填空题 # 1. 统计住院天数超过7天的患者数量及其占比

# 创建新列'RiskLevel'，根据住院天数判断风险等级 3分

______2_______ = _______3______(_______4______, '高风险患者', '低风险患者')

data['RiskLevel'] = np.where(data['DaysInHospital']

RiskLevel

DaysInHospital