Анализ полово-возрастного состава выборки используя Python

Автор: Лебедев Василий Борисович Добавлено: 2007-11-26 07:49:54

Версия для печати Скачать статью

Анализ полово-возрастного состава выборки используя Python

В своей работе я использую архив PhysioNet. Я скачал обучающую базу суточных записей RR-интервалов. И первое, что я решил, выяснить полово-возрастной состав выборки.

Предварительно я создал описание класса CRRData (см. файл cfile.py). Класс содержит следующие свойства и методы:

• fFileName – имя файла без расширения
  
• HighAge – верхний предел возрастной группы
  
• LowAge – нижний предел возрастной группы
  
• Gender – пол ('M', 'F')
  
• Medication – медикамент
  
• StartTime – время начала записи (в формате Python)
  
• RRLow – наименьшее значение RR-интервала
  
• RRHigh – наибольшее значение RR-интервала
  
• __init__ - конструктор класса, в него передается имя файла без расширения
  
• ReadHead – метод чтения данных из файла-заголовка
  

Также я воспользуюсь собственным модулем mfutils.py для построения списка файлов.
Оба модуля надо скачать и положить в одну папку (пусть это будет d:python), также надо скачать данные с сайта PhysioNet и распаковать их (предположим, что Вы распаковали их в папку d:/studybase)

Теперь приступим:

• запускаем python
  
• сначала добавим путь d:python в список доступных путей с помощью модуля sys и импортируем наши модули:
  
  
  import sys
  sys.path.append('d/:python')
  import mfutils
  import cfile
  
  
  
• сканируем папку с данными и создаем список файлов (заметьте в процедуре BuildFileList я использовал маску 'a.hea', это нужно для того чтобы в наш список попали только файлы заголовки записей проводимых без медикаментозного воздействия):
  fList = []
  mfutils.BuildFileList('D:studybase','a.hea', fList)
  
• теперь создадим кортедж для хранения данных о возрасте и поле:
  cData =[]
  
• для того чтобы добавлять данные в кортедж создадим процедуру add, в которую будем передавать возрастные рамки и пол из текущего файла заголовка:
  
  
  def add(corData, lA, hA, gen):
      bFind = 0
      i = 0
      for x in corData:
          if ((x[0]==lA) and (x[1]==hA)):             bFind = 1             a = int(x[2])
              b = int(x[3])
              if (gen=='M'):
                  a = a + 1
              else:
                  b = b + 1
              corData[i] = (lA, hA, a, b)
          i = i + 1
      if (bFind == 0):
          if (gen=='M'):
              corData.append((lA,hA,1,0))
          else:
              corData.append((lA,hA,0,1))
  
  
  
• наконец, пробежимся по списку:
  
          for d in fList:
              d = d.replace('.hea', '')
              frr = cfile.CRRData(d)
              add(cData, frr.LowAge, frr.HighAge, frr.Gender)
  
  
  
• теперь осталось лишь вывести полученный результат в виде таблицы:
  
  slTable = []
          for x in cData:
              slTable.append(str(x[0]) + '-' + str(x[1]) + ' ' + str(x[2]).rjust(6) + ' ' + str(x[3]).rjust(7))
          slTable.sort()
          print ' age male female'
          for x in slTable:
              print x
  
  
  Вот что получилось:
  
  
  

  age	male	female
  20-24	1	0
  30-34	2	0
  35-39	11	2
  40-44	25	4
  45-49	55	7
  50-54	73	8
  55-59	106	22
  60-64	122	34
  65-69	113	31
  70-74	78	19
  75-79	40	9

  
  

Теперь, данные можно скопировать в офисное приложение (MicroSoft Excel, OpenOffice Calc и т.д.) и построить графики, или вставить в отчет.

Файлы с с примером можно найти в разделе Download по ссылке : http://www.ibmt.ru/index.php?nma=downloads&fla=index&cat=2&action=id&ids=2&idd=2

Оглавление   |  На верх