Klinikumfrage

Teil des Abschnitts Statistik für ML der Machine Learning-Journey von Coddy. Lektion 64 von 64.

Eine Klinik fragte 48 Patientinnen und Patienten nach ihrem Besuch: Alter, Besuchsart, Wartezeit in Minuten und Zufriedenheit, von poor bis excellent. All das steht in clinic.csv.

Was treibt die Zufriedenheit an? Zwei Spalten enthalten Text und müssen daher zuerst kodiert werden. Die Zufriedenheit hat eine Reihenfolge, die Besuchsarten nicht:

Die Zeile eines Patienten vor und nach der Kodierung: Alter 58, Besuch Nachsorge, Wartezeit 30, Zufriedenheit gut wird zu Alter 58, Wartezeit 30, Zufriedenheit 3, dann 0, 1, 0 in drei Besuchsspalten für Vorsorgeuntersuchung, Nachsorge und Notfall

Dann ist jede Spalte eine Zahl, und eine Heatmap zeigt, wie alles zusammenhängt. Der Manager möchte außerdem einen Bericht für jeden Besuchstyp und die am wenigsten zufriedene Altersgruppe.

Aufgabe

Schwer

Das Programm liest einen Besuchstyp ein. Runde auf 2 Dezimalstellen.

Bilde die Zufriedenheit auf Werte von 1 bis 4 ab, kodiere visit als One-Hot-Encoding in encoded (dtype=int) und behalte die Korrelationen bei.
Für den Besuchstyp: die Anzahl seiner Besuche, die durchschnittliche Wartezeit und Zufriedenheit sowie den Anteil der Unzufriedenen (2 oder weniger) unter ihnen und insgesamt.
Teile das Alter bei 17, 34, 54 und 85 in Kategorien ein, und zwar als 18-34, 35-54, 55-85; gib die am wenigsten zufriedene Altersgruppe aus.
Zeichne die Matrix: coolwarm von -1 bis 1, eine Farbskala, Spaltennamen auf beiden Achsen, Titel Clinic Survey.

Für eine andere Klinik und urgent:

urgent: 16 visits, mean wait 30.44, mean satisfaction 2.44
Unhappy after urgent: 0.56 (overall 0.33)
Least satisfied: 35-54 (2.6)

Eine Heatmap mit dem Titel Clinic Survey und einer Farbskala von -1 bis 1 sowie den sechs Spaltennamen auf beiden Achsen: age, wait_min, satisfaction, visit_checkup, visit_follow-up, visit_urgent; rote Diagonale, wait_min und satisfaction als tiefblaues Paar

Nach deinen Codezeilen beschreibt Coddy deine Heatmap.

Probier es selbst

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt

visit = input()
df = pd.read_csv("clinic.csv")

# Schreibe deinen Code unten

Teste dich selbst

Diese Lektion enthält ein kurzes Quiz. Starte die Lektion, um es zu beantworten und deinen Fortschritt zu speichern.

Alle Lektionen in Statistik für ML

3Wahrscheinlichkeit durch Simulation

Wahrscheinlichkeit als Häufigkeit Das Gesetz der großen Zahlen Augensummen beim Würfeln Erwartungswert Bedingte Wahrscheinlichkeit Rückblick: Gewinnchancen am Würfelstand

6Zusammenhänge

Streudiagramme lesen Korrelation Korrelationsmatrix Korrelations-Heatmaps Korrelation ist keine Kausalität Rückblick: Eiscreme und Sonne

9Merkmalsskalierung

Warum Merkmale skalieren Min-Max-Skalierung Standardisierung StandardScaler Rückblick: Kletterpartner

12Abschließende Herausforderungen

Zugverspätungen Luftqualität WeinchemieKlinikumfrage

Übe selbstständig: Online-Python-Compiler