时间序列CSV文件按照标签进行绘图

最新推荐文章于 2022-04-11 11:17:17 发布

imrush

最新推荐文章于 2022-04-11 11:17:17 发布

阅读量387

点赞数

分类专栏： python

本文链接：https://blog.youkuaiyun.com/imrush2019/article/details/116102985

版权

python 专栏收录该内容

12 篇文章

订阅专栏

本文使用Python库对医疗样本数据进行预处理，针对异常值进行调整，并通过可视化展示不同健康状态的生命体征变化。通过对HR、PULSE、SBP和DBP四个生理指标的细致分析，有助于理解和诊断各类故障情况。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

import pandas as pd
import numpy as mp
import matplotlib.pyplot as plt
import seaborn as sns

df = pd.read_csv(r"F:\kaiti\055n\data\samples_labeled5.csv")
# print(df.info())
# print(df.cluster.value_counts())
'''0太多,4太少'''
from sklearn.utils import resample

# print(df.isnull().sum())
# 是否要删除重复的？
label_map = {
    0: "正常生命体征",
    1: "传感器掉落",
    2: "部分传感器故障",
    3: "fault_two",
    4: "fault_three",
    5: "接触不良",
    6: "middle",
}

def plot_condition(data):
    for i in range(0, 6):
        plt.figure(figsize=(4, 4))
        plt.plot(data[data['cluster'] == i].reset_index(drop=True)['HR'], alpha=.7, label='HR')
        plt.plot(data[data['cluster'] == i].reset_index(drop=True)['PULSE'], alpha=.7, label='PULSE')
        plt.plot(data[data['cluster'] == i].reset_index(drop=True)['SBP'], alpha=.7, label='SBP')
        plt.plot(data[data['cluster'] == i].reset_index(drop=True)['DBP'], alpha=.7, label='DBP')
        plt.title(f'{label_map[i]}')
        plt.legend()
        plt.show()


if __name__ == '__main__':
    plot_condition(df)