انا عاوز اعرف ما هي الفئات العمرية الأكثر عرضة للإصابة بمرض السكري وكمان عدد حالات الحمل لمرض السكري في رسم بياني وحد ؟

بتاريخ 27 دقائق مضت قال Ail Ahmed:

السلام عليكم

انا كتبت الكود لمعرفت ما هي الفئات العمرية الأكثر عرضة للإصابة بمرض السكري بس انا عاوز اعرف كمان عدد حالات الحمل لمريض 

 

وعليكم السلام!

 لإضافة تحليل لحالات الحمل ضمن هذه الفئات العمرية، يمكنك حساب المتوسط أو مجموع عدد حالات الحمل لكل فئة عمرية.

بيانات الحمل موجودة في عمود Pregnancies، يمكنك استخدام الكود التالي لإضافة هذا التحليل إلى الكود الذي كتبته:

# إضافة عمود الفئات العمرية
bins = [20, 30, 40, 50, 60, 70, 80, np.inf]
label = ['20-29', '30-39', '40-49', '50-59', '60-69', '70-97', '80+']
diabetes['Age Group'] = pd.cut(diabetes['Age'], bins=bins, labels=label, right=False)

# حساب عدد حالات الحمل لمصابين السكري في كل فئة عمرية
pregnancy_counts = diabetes[diabetes['Outcome'] == 1].groupby('Age Group')['Pregnancies'].sum()

# عرض النتائج
print("عدد حالات الحمل لمصابين السكري في كل فئة عمرية:")
print(pregnancy_counts)

# رسم مخطط بياني
pregnancy_counts.plot(kind='bar', color='lightcoral')

plt.title("Total Pregnancies Among Diabetic Patients by Age Group")
plt.xlabel("Age Group")
plt.ylabel("Number of Pregnancies")
plt.xticks(rotation=45)
plt.tight_layout()
plt.show()

و فى ذلك الكود:

• تم تقسيم البيانات إلى فئات عمرية كما فعلت انت.
• ثم استخدمنا groupby لجمع عدد حالات الحمل (Pregnancies) في كل فئة عمرية لمن لديهم نتيجة إصابة بالسكري.
• ثم رسم المخطط البياني لعرض عدد حالات الحمل لكل فئة عمرية.

و فى النهاية سيظهر المخطط البياني إجمالي حالات الحمل لمصابي السكري في كل فئة عمرية، مما يسهل التعرف على الفئات العمرية ذات عدد حالات الحمل المرتفع بين المصابين.

بتاريخ 2 ساعة قال Khaled Osama3:

وعليكم السلام!

 لإضافة تحليل لحالات الحمل ضمن هذه الفئات العمرية، يمكنك حساب المتوسط أو مجموع عدد حالات الحمل لكل فئة عمرية.

بيانات الحمل موجودة في عمود Pregnancies، يمكنك استخدام الكود التالي لإضافة هذا التحليل إلى الكود الذي كتبته:

# إضافة عمود الفئات العمرية
bins = [20, 30, 40, 50, 60, 70, 80, np.inf]
label = ['20-29', '30-39', '40-49', '50-59', '60-69', '70-97', '80+']
diabetes['Age Group'] = pd.cut(diabetes['Age'], bins=bins, labels=label, right=False)

# حساب عدد حالات الحمل لمصابين السكري في كل فئة عمرية
pregnancy_counts = diabetes[diabetes['Outcome'] == 1].groupby('Age Group')['Pregnancies'].sum()

# عرض النتائج
print("عدد حالات الحمل لمصابين السكري في كل فئة عمرية:")
print(pregnancy_counts)

# رسم مخطط بياني
pregnancy_counts.plot(kind='bar', color='lightcoral')

plt.title("Total Pregnancies Among Diabetic Patients by Age Group")
plt.xlabel("Age Group")
plt.ylabel("Number of Pregnancies")
plt.xticks(rotation=45)
plt.tight_layout()
plt.show()

و فى ذلك الكود:

• تم تقسيم البيانات إلى فئات عمرية كما فعلت انت.
• ثم استخدمنا groupby لجمع عدد حالات الحمل (Pregnancies) في كل فئة عمرية لمن لديهم نتيجة إصابة بالسكري.
• ثم رسم المخطط البياني لعرض عدد حالات الحمل لكل فئة عمرية.

و فى النهاية سيظهر المخطط البياني إجمالي حالات الحمل لمصابي السكري في كل فئة عمرية، مما يسهل التعرف على الفئات العمرية ذات عدد حالات الحمل المرتفع بين المصابين.

تمام ,لكن انا عاوز اعرف ما هي الفئات العمرية الأكثر عرضة للإصابة يعني ده يظهر في الرسم البياني وكمان متوسط حالات الحمل الفئاء العمري دي 

و انا عملت الكو ده ظهر الرسم دي انا الصرح مش فهم حاجه يعني هنا الفئاء مابين 40-49 وصل لحد 500 يعني اي ؟

وكمان لم تفيذات الكود ده 

print(pregnancy_counts)

ظهرات النتجيه دي وبرد مش فهم منها حاجه ؟

Age Group
20-29    181
30-39    376
40-49    491
50-59    222
60-69     30
70-97      4
80+        0
Name: Pregnancies, dtype: int64

وكمان هل الافضل ان استخدم الكود ده 

pregnancy_counts = diabetes[diabetes['Outcome'] == 1].groupby("Age Group")['Pregnancies'].nunique()

والا ده 

pregnancy_counts = diabetes[diabetes['Outcome'] == 1].groupby('Age Group')['Pregnancies'].sum()

يعني استخد sum والا nunique ؟