Ankieta w przychodni

Część sekcji Statystyka w uczeniu maszynowym ścieżki Machine Learning w Coddy. Lekcja 64 z 64.

Przychodnia zapytała 48 pacjentów o ich wizytę: wiek, rodzaj wizyty, czas oczekiwania w minutach i poziom zadowolenia — od poor do excellent. Wszystko znajduje się w pliku clinic.csv.

Co wpływa na zadowolenie? Dwie kolumny zawierają tekst, więc najpierw je zakoduj. Poziomy zadowolenia mają określoną kolejność; typy wizyt nie:

Wiersz jednego pacjenta przed kodowaniem i po nim: wiek 58, wizyta kontrolna, czas oczekiwania 30, zadowolenie dobre zmieniają się w wiek 58, czas oczekiwania 30, zadowolenie 3, a następnie 0, 1, 0 w trzech kolumnach wizyt: kontrolna, kontrolna po leczeniu i pilna

Wtedy każda kolumna jest liczbą, a jedna mapa cieplna pokazuje, jak wszystko jest ze sobą powiązane. Menedżer chce też raportu dla każdego typu wizyty oraz informacji o najmniej zadowolonej grupie wiekowej.

Wyzwanie

Trudny

Program odczytuje typ wizyty. Zaokrąglij do 2 miejsc po przecinku.

Przypisz poziomom zadowolenia wartości od 1 do 4, zakoduj jednokrotnie zmienną visit w encoded (dtype=int) i zachowaj korelacje.
Dla danego typu wizyty: liczbę wizyt, średni czas oczekiwania i poziom zadowolenia oraz udział niezadowolonych (2 lub mniej) wśród nich i ogółem.
Podziel wiek na przedziały z granicami 17, 34, 54, 85, oznaczone jako 18-34, 35-54, 55-85; wypisz grupę o najniższym poziomie zadowolenia.
Narysuj macierz: coolwarm od -1 do 1, pasek kolorów, nazwy kolumn na obu osiach, tytuł Clinic Survey.

Dla innej kliniki i 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)

Mapa cieplna zatytułowana Clinic Survey z paskiem kolorów od -1 do 1 i sześcioma nazwami kolumn na obu osiach: age, wait_min, satisfaction, visit_checkup, visit_follow-up, visit_urgent; czerwona przekątna, wait_min i satisfaction tworzą parę o głębokim niebieskim kolorze

Po wykonaniu tych instrukcji Coddy opisze Twoją mapę cieplną.

Spróbuj swoich sił

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

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

# Napisz swój kod poniżej

Sprawdź się

Ta lekcja zawiera krótki quiz. Zacznij lekcję, żeby na niego odpowiedzieć i śledzić swoje postępy.

Wszystkie lekcje w sekcji Statystyka w uczeniu maszynowym

3Prawdopodobieństwo przez symulację

Prawdopodobieństwo jako częstość Prawo wielkich liczb Sumy oczek Wartość oczekiwana Prawdopodobieństwo warunkowe Podsumowanie: szanse na stoisku z kośćmi

6Relacje

Odczytywanie wykresów punktowych Korelacja Macierz korelacji Mapy cieplne korelacji Korelacja nie oznacza przyczynowości Podsumowanie: lody i słońce

9Skalowanie cech

Dlaczego skalować cechy Skalowanie min–max Standaryzacja StandardScaler Podsumowanie: partnerzy we wspinaczce

12Wyzwania końcowe

Opóźnienia pociągów Jakość powietrza Chemia winaAnkieta w przychodni

Poćwicz samodzielnie: Kompilator Python online