基于spark进行数据分析的心力衰竭可视化大屏项目

spark_0">基于spark进行数据分析的心力衰竭可视化大屏项目

项目背景

在当今的医疗领域，数据驱动的决策变得日益重要。心力衰竭作为常见的心血管疾病，其临床数据的分析对于改善患者治疗结果至关重要。本文将介绍如何利用Apache Spark进行大规模心力衰竭临床数据的分析，并结合机器学习模型，构建一个交互式的可视化大屏，以直观展示数据分析结果。

数据读取与清洗

使用PySpark库，我们首先读取CSV文件中的心力衰竭临床记录数据，并进行必要的数据清洗工作，包括处理缺失值和异常值。

from pyspark.sql import SparkSessiondef read_data_csv(spark):df = spark.read.csv("heart_failure_clinical_records_dataset.csv", header=True, inferSchema=True)df.show()return df

在这里插入图片描述

数据分析

我们设计了多个SQL查询，以分析心力衰竭患者的不同临床特征：

1、患者年龄分布：分析不同年龄段患者的死亡事件频率。

def age_death(spark):df = spark.sql("""SELECT(CASE WHEN age >= 0 AND age < 50 THEN '0-49'WHEN age >= 50 AND age < 70 THEN '50-69'WHEN age >= 70 THEN '70+'END) AS age_group,sum(DEATH_EVENT) AS frequencyFROMheartGROUP BYage_group;""")df.show()return df

在这里插入图片描述

2、性别比例：统计患者性别分布。

def sex_ana(spark):df = spark.sql("""SELECTsex,COUNT(*) AS count
FROMheart
GROUP BYsex;""")df.show()return df

在这里插入图片描述

3、糖尿病与CPK水平：对比糖尿病与非糖尿病患者的肌酸磷酸激酶（CPK）水平。

#3.糖尿病与非糖尿病患者的肌酸磷酸激酶（CPK）水平对比
def average_cpk(spark):df = spark.sql("""SELECTdiabetes,AVG(creatinine_phosphokinase) AS average_cpk
FROM heart
GROUP BY diabetes;""")df.show()return df

在这里插入图片描述

4、死亡事件时间分布：统计每个时间段内的死亡事件数量。

#4.每个时间段的死亡事件数量
def death_sum(spark):df = spark.sql("""SELECTtime,COUNT(*) AS death_countFROM heartWHERE death_event = 1GROUP BY timeORDER BY time;""")df.show()return df

在这里插入图片描述

5、射血分数区间分布：分析不同射血分数区间的患者数量。

def hypertension_prevalence(spark):df = spark.sql("""SELECT(CASE WHEN ejection_fraction < 30 THEN '< 30%'WHEN ejection_fraction >= 30 AND ejection_fraction < 40 THEN '30-39%'WHEN ejection_fraction >= 40 AND ejection_fraction < 50 THEN '40-49%'WHEN ejection_fraction >= 50 AND ejection_fraction < 60 THEN '50-59%'WHEN ejection_fraction >= 60 THEN '60% and Above'END) AS ef_range,COUNT(*) AS patient_countFROM heartGROUP BY ef_rangeORDER BY ef_range;""")df.show()return df

在这里插入图片描述

6、血小板计数与死亡事件：探索血小板计数与死亡事件之间的关系。

#6.血小板计数与死亡事件的关系
def platelet_range_count(spark):df = spark.sql("""SELECT(CASE WHEN platelets < 100000 THEN '< 100000'WHEN platelets >= 100000 AND platelets < 150000 THEN '100000-150000'WHEN platelets >= 1500000 AND platelets < 300000 THEN '150000-300000'WHEN platelets >= 300000 AND platelets < 450000 THEN '300000-450000'WHEN platelets >= 450000 THEN '450000 and Above'END) AS platelet_range,SUM(CASE WHEN death_event = 1 THEN 1 ELSE 0 END) AS death_count
FROM heart
GROUP BY platelet_range;""")df.show()return df

在这里插入图片描述

7、糖尿病与死亡事件：分析糖尿病患者的死亡事件数量。

#7.糖尿病与死亡事件的关系
def death_rate_diabetes(spark):df = spark.sql("""SELECTdiabetes,SUM(death_event) AS death_eventsFROMheartGROUP BYdiabetes;""")df.show()return df

在这里插入图片描述

机器学习模型

使用Pandas和Scikit-learn库对数据进行预处理，并应用KMeans聚类算法来识别心力衰竭患者中的不同亚群。

数据预处理

我们选择特征列，使用StandardScaler进行数据标准化处理。

from sklearn.preprocessing import StandardScalerscaler = StandardScaler()
scaled_features = scaler.fit_transform(features)

确定最优聚类数

通过Elbow Method和轮廓系数（Silhouette Score）分析，我们确定最佳的聚类数。

K_values = range(2, 50)
wcss_values = []for K in K_values:# 创建KMeans实例kmeans = KMeans(n_clusters=K, random_state=2)# 拟合模型kmeans.fit(scaled_features)# 计算WCSSwcss = kmeans.inertia_wcss_values.append(wcss)

绘制WCSS与K值的关系图

K_values = range(2, 50)
wcss_values = []for K in K_values:# 创建KMeans实例kmeans = KMeans(n_clusters=K, random_state=2)# 拟合模型kmeans.fit(scaled_features)# 计算WCSSwcss = kmeans.inertia_wcss_values.append(wcss)# 绘制WCSS与K值的关系图
plt.plot(K_values, wcss_values, 'bo-')
plt.xlabel('Number of clusters (K)')
plt.ylabel('WCSS')
plt.title('The Elbow Method showing the optimal k')
plt.show()

在这里插入图片描述

绘制轮廓系数与K值的关系图

# 计算每个K值的轮廓系数
silhouette_scores = []
for K in K_values:kmeans = KMeans(n_clusters=K, random_state=42)kmeans.fit(scaled_features)labels = kmeans.labels_score = silhouette_score(scaled_features, labels)silhouette_scores.append(score)# 绘制轮廓系数与K值的关系图
plt.plot(K_values, silhouette_scores, 'ro-')
plt.xlabel('Number of clusters (K)')
plt.ylabel('Silhouette Score')
plt.title('Silhouette Scores for varying K')
plt.show()

在这里插入图片描述

可视化大屏设计

结合Spark分析结果和机器学习模型的输出，我们设计了一个可视化大屏，该大屏包括以下组件：

年龄分布图表：展示不同年龄段患者的死亡事件频率。
性别比例饼图：直观展示患者性别分布。
CPK水平对比图：通过箱线图展示糖尿病与非糖尿病患者的CPK水平对比。
时间序列图表：展示随时间变化的死亡事件数量。
射血分数分布图：条形图展示不同射血分数区间的患者数量。
血小板计数与死亡事件：通过堆叠条形图展示不同血小板计数范围的死亡事件数量。
糖尿病与死亡事件图表：散点图展示糖尿病患者的死亡事件数量。

import jsonfrom service.task_service import get_age_death, get_diabetes_cpk, get_death_sum, get_hypertension_prevalence, \get_sex_ana, get_diabetes_deathclass SourceDataDemo:def __init__(self):self.title = ''a,b = get_sex_ana()self.counter = {'name': '女性患者数量', 'value': b}self.counter2 = {'name': '男性患者数量', 'value': a}self.echart1_data = {'title': '患者年龄分布','data': get_age_death()}self.echart2_data = {'title': '糖尿病与非糖尿病患者的（CPK）水平对比','data': get_diabetes_cpk()}self.echarts3_1_data = {'title': '死亡情况','data': get_death_sum()}self.echarts3_2_data = {'title': '性别分布','data': [{"name": "男性", "value": a},{"name": "女性", "value": b},]}self.echarts3_3_data = {'title': '糖尿病情况','data': get_diabetes_death()}self.echart4_data = {'title': '患者死亡时间','data': [{"name": "女性", "value": [3, 4, 3, 4, 3, 4, 3, 6, 2, 4, 2, 4, 3, 4, 3, 4, 3, 4, 3, 6, 2, 4, 4]},{"name": "男性", "value": [5, 3, 5, 6, 1, 5, 3, 5, 6, 4, 6, 4, 8, 3, 5, 6, 1, 5, 3, 7, 2, 5, 8]},],'xAxis': ['01', '02', '03', '04', '05', '06', '07', '08', '09', '11', '12', '13', '14', '15', '16', '17','18', '19', '20', '21', '22', '23', '24'],}self.echart5_data = {'title': '不同射血分数区间的患者分布','data': get_hypertension_prevalence()}self.echart6_data = {'title': '血小板计数与死亡事件的关系','data': get_diabetes_death()}self.map_1_data = {'symbolSize': 100,'data': [{'name': '海门', 'value': 239},{'name': '鄂尔多斯', 'value': 231},{'name': '招远', 'value': 203},]}@propertydef echart1(self):data = self.echart1_dataechart = {'title': data.get('title'),'xAxis': [i.get("name") for i in data.get('data')],'series': [i.get("value") for i in data.get('data')]}return echart@propertydef echart2(self):data = self.echart2_dataechart = {'title': data.get('title'),'xAxis': [i.get("name") for i in data.get('data')],'series': [i.get("value") for i in data.get('data')]}return echart@propertydef echarts3_1(self):data = self.echarts3_1_dataechart = {'title': data.get('title'),'xAxis': [i.get("name") for i in data.get('data')],'data': data.get('data'),}return echart@propertydef echarts3_2(self):data = self.echarts3_2_dataechart = {'title': data.get('title'),'xAxis': [i.get("name") for i in data.get('data')],'data': data.get('data'),}return echart@propertydef echarts3_3(self):data = self.echarts3_3_dataechart = {'title': data.get('title'),'xAxis': [i.get("name") for i in data.get('data')],'data': data.get('data'),}return echart@propertydef echart4(self):data = self.echart4_dataechart = {'title': data.get('title'),'names': [i.get("name") for i in data.get('data')],'xAxis': data.get('xAxis'),'data': data.get('data'),}return echart@propertydef echart5(self):data = self.echart5_dataechart = {'title': data.get('title'),'xAxis': [i.get("name") for i in data.get('data')],'series': [i.get("value") for i in data.get('data')],'data': data.get('data'),}return echart@propertydef echart6(self):data = self.echart6_dataechart = {'title': data.get('title'),'xAxis': [i.get("name") for i in data.get('data')],'data': data.get('data'),}return echart@propertydef map_1(self):data = self.map_1_dataechart = {'symbolSize': data.get('symbolSize'),'data': data.get('data'),}return echartclass SourceData(SourceDataDemo):def __init__(self):"""按照 SourceDataDemo 的格式覆盖数据即可"""super().__init__()self.title = '心力衰竭数据可视化大屏'if __name__ == '__main__':sd = SourceData()print(sd.echart1())