Heart-Failure-Prediction 1. 수치형 데이터 히스토그램

심부전증 예측 모델 개발

1. 데이터 프레임 각 컬럼 분석

import matplotlib.pyplot as plt
import seaborn as sns
import pandas as pd
# pd.read_csv()로 csv파일 읽어들이기
df = pd.read_csv('content/heart_failure_clinical_records_dataset.csv')

컬럼명	설명
age	환자의 나이
anaemia	환자의 빈혈증 여부 (0: 정상, 1: 빈혈)
creatinine_phosphokinase	크레아틴키나제 검사 결과
diabetes	당뇨병 여부 (0: 정상, 1: 당뇨)
ejection_fraction	박출계수 (%)
high_blood_pressure	고혈압 여부 (0: 정상, 1: 고혈압)
platelets	혈소판 수 (kiloplatelets/mL)
serum_creatinine	혈중 크레아틴 레벨 (mg/dL)
serum_sodium	혈중 나트륨 레벨 (mEq/L)
sex	성별 (0: 여성, 1: 남성)
smoking	흡연 여부 (0: 비흡연, 1: 흡연)
time	관찰 기간 (일)
DEATH_EVENT	사망 여부 (0: 생존, 1: 사망)

df.info()

RangeIndex: 299 entries, 0 to 298
Data columns (total 13 columns):
 #   Column                    Non-Null Count  Dtype  
---  ------                    --------------  -----  
 0   age                       299 non-null    float64
 1   anaemia                   299 non-null    int64  
 2   creatinine_phosphokinase  299 non-null    int64  
 3   diabetes                  299 non-null    int64  
 4   ejection_fraction         299 non-null    int64  
 5   high_blood_pressure       299 non-null    int64  
 6   platelets                 299 non-null    float64
 7   serum_creatinine          299 non-null    float64
 8   serum_sodium              299 non-null    int64  
 9   sex                       299 non-null    int64  
 10  smoking                   299 non-null    int64  
 11  time                      299 non-null    int64  
 12  DEATH_EVENT               299 non-null    int64  
dtypes: float64(3), int64(10)
memory usage: 30.5 KB

RangeIndex: 299 entries, 0 to 298

모든 데이터는 299로 결측치 X

df.describe()

	age	anaemia	creatinine_phosphokinase	diabetes	ejection_fraction	high_blood_pressure	platelets	serum_creatinine	serum_sodium	sex	smoking	time	DEATH_EVENT
count	299.000000	299.000000	299.000000	299.000000	299.000000	299.000000	299.000000	299.00000	299.000000	299.000000	299.00000	299.000000	299.00000
mean	60.833893	0.431438	581.839465	0.418060	38.083612	0.351171	263358.029264	1.39388	136.625418	0.648829	0.32107	130.260870	0.32107
std	11.894809	0.496107	970.287881	0.494067	11.834841	0.478136	97804.236869	1.03451	4.412477	0.478136	0.46767	77.614208	0.46767
min	40.000000	0.000000	23.000000	0.000000	14.000000	0.000000	25100.000000	0.50000	113.000000	0.000000	0.00000	4.000000	0.00000
25%	51.000000	0.000000	116.500000	0.000000	30.000000	0.000000	212500.000000	0.90000	134.000000	0.000000	0.00000	73.000000	0.00000
50%	60.000000	0.000000	250.000000	0.000000	38.000000	0.000000	262000.000000	1.10000	137.000000	1.000000	0.00000	115.000000	0.00000
75%	70.000000	1.000000	582.000000	1.000000	45.000000	1.000000	303500.000000	1.40000	140.000000	1.000000	1.00000	203.000000	1.00000
max	95.000000	1.000000	7861.000000	1.000000	80.000000	1.000000	850000.000000	9.40000	148.000000	1.000000	1.00000	285.000000	1.00000

2.수치형 데이터 히스토그램

2 - 1. 히스토그램 - 나이 & 죽음

1. 연령대별 생존율 차이

   • 50세 이하에서는 DEATH_EVENT=1(사망)이 거의 발생하지 않음.

   • 60~80세 사이에서 사망률이 점점 증가하는 경향을 보임.

2. 생존자와 사망자의 비율 차이

   • 대부분의 연령대에서 DEATH_EVENT=0(생존)이 우세함.

   • 80세 이상에서는 DEATH_EVENT=1(사망) 비율이 상대적으로 높아짐.

3. KDE 곡선의 역할

   • KDE 곡선을 보면 연령이 증가할수록 DEATH_EVENT=1 확률이 점진적으로 증가.

   • KDE가 없으면 단순한 분포만 보이지만, KDE가 있으면 연령에 따른 패턴이 더 명확해짐.

fig, axes = plt.subplots(1, 2, figsize=(12,5))

axes = fig.add_subplot(1, 2, 1)
sns.histplot(x='age' , data = df, hue= 'DEATH_EVENT' , kde = True)
axes = fig.add_subplot(1, 2, 2)
sns.histplot(x='age' , data = df, hue= 'DEATH_EVENT' , kde = False)

2 - 2. 히스토그램 - 박출계수(%) & 죽음

1. (좌상) 기본 히스토그램 (No options)

   • 박출계수 분포를 단순히 보여줌.

   • 대체로 3040% 구간에 집중되어 있으며, 일부 환자는 5060% 이상.

2. (우상) bin=13 적용

   • bin 수를 13으로 설정하여 좀 더 세분화된 분포를 보여줌.

   • 여전히 30~40% 구간에서 높은 빈도를 보임.

3. (좌하) 사망 여부별 분포(bin=13, hue=DEATH_EVENT)

   • 파란색(생존자)이 대부분이며, 주황색(사망자)은 상대적으로 적음.

   • 사망자(주황색)는 박출계수가 낮은 구간(20~40%)에 집중됨.

   • 박출계수 50% 이상에서는 사망자가 거의 없음.

4. (우하) KDE 곡선 포함(bin=13, hue=DEATH_EVENT, kde=True)

   • KDE(커널 밀도 추정)를 통해 분포의 흐름을 부드럽게 시각화.

   • 생존자의 경우 박출계수 30~40%에서 피크(최고점)를 가짐.

   • 사망자의 경우 박출계수 20~30%에서 확률이 높아짐.

   • 박출계수가 높을수록 사망 확률이 낮아지는 경향.

fig, axes = plt.subplots(2,2, figsize=(16,12) )

sns.histplot(data = df, x='ejection_fraction', ax=axes[0,0])
axes[0,0].set_title('No options')

sns.histplot(data = df, x='ejection_fraction', bins = 13 , ax=axes[0,1])
axes[0,1].set_title('bin = 13')

sns.histplot(data = df, x='ejection_fraction', bins=13 , hue = 'DEATH_EVENT',ax=axes[1,0])
axes[1,0].set_title('bin = 13, hue=DEATH_EVENT')

sns.histplot(data = df, x='ejection_fraction', bins = 13,hue = 'DEATH_EVENT', kde=True, ax=axes[1,1])
axes[1,1].set_title('bin = 13, hue=DEATH_EVENT, kde=True')

Text(0.5, 1.0, 'bin = 13, hue=DEATH_EVENT, kde=True')

2 - 3. 히스토그램 - 관찰기간 & 죽음

• 초기 50일 내 사망률이 높음

• 생존자는 전 기간에 걸쳐 꾸준히 분포

• 시간이 지날수록 사망 확률 감소

sns.histplot(x='time', data=df, hue='DEATH_EVENT', kde=True)

2 - 4. 조인트풀롯 혈소판 & 크레아틴키나제 사망여부 관계 분석

• 혈소판(Platelets)과 CPK는 사망 여부와 강한 연관성을 보이지 않음.

• 높은 CPK 수치에서도 생존자가 많으며, 혈소판 수치는 일정한 분포를 가짐

sns.jointplot(x='platelets', y='creatinine_phosphokinase', hue='DEATH_EVENT', data=df, alpha=0.3)

2 - 5. 조인트 플롯 박출계수 & 혈중 크레아티닌 사망 여부 관계 분석

1. 사망자(주황색)는 혈중 크레아티닌이 높은 경우가 많음.

2. 낮은 박출계수(20~40%)에서 사망자 비율이 높음.

3. 생존자(파란색)는 박출계수가 높은 경향을 보임.

sns.jointplot(x='ejection_fraction', y='serum_creatinine', data=df, hue='DEATH_EVENT')

2 - 6. 박스플롯 죽음 & 박출계수

1. 박출계수가 낮을수록 사망 위험이 증가, 특히 30% 이하에서 위험성 큼

2. 박출계수 50% 이상에서는 생존 가능성이 높아짐짐

sns.boxplot(data = df, x = 'DEATH_EVENT', y= 'ejection_fraction')

2 - 7. 박스플롯 흡연여부 & 박출계수

1. 흡연자(1)와 비흡연자(0)의 박출계수 차이는 크지 않음.

   • 비흡연자 중앙값 ≈ 38%

   • 흡연자 중앙값 ≈ 35%

sns.boxplot(data = df , x = 'smoking', y='ejection_fraction')

2 - 8 바이올린 플롯 사망 여부와 박출계수 관계 분석

1. 사망자(빨간색)는 박출계수가 낮은 경향.

2. 생존자(파란색)는 박출계수가 높은 경향.

• 박출계수가 낮을수록(특히 30% 이하) 사망 위험 증가.

• 생존자는 박출계수가 높은 경향(40% 이상)이며, 50% 이상에서 사망자가 거의 없음.

sns.violinplot(x='DEATH_EVENT', y='ejection_fraction', data=df, palette={"0": "blue", "1": "red"})

C:\Users\Public\Documents\ESTsoft\CreatorTemp\ipykernel_16716\2443994392.py:1: FutureWarning: 

Passing `palette` without assigning `hue` is deprecated and will be removed in v0.14.0. Assign the `x` variable to `hue` and set `legend=False` for the same effect.

  sns.violinplot(x='DEATH_EVENT', y='ejection_fraction', data=df, palette={"0": "blue", "1": "red"})

2 - 9 사망 여부(Death Event), 혈소판(Platelets) & 흡연(Smoking) 관계분석(Swarmplot)

1. 혈소판 수치는 사망 여부와 뚜렷한 관계가 없어 보임.

2. 흡연 여부와 혈소판 수치의 차이도 크지 않음.

3. 사망자 그룹에서도 혈소판 수치가 크게 낮거나 높은 경향이 없음.

sns.swarmplot(x='DEATH_EVENT', y='platelets', hue='smoking', data=df)