import numpy as np

# 读取数据集 1分

data = _____________

# 创建新列'RiskLevel'，根据住院天数判断风险等级 3分

_____________ = _____________(_____________, '高风险患者', '低风险患者')

risk_counts = data_____________._____________

high_risk_ratio = risk_counts['高风险患者'] / _____________

low_risk_ratio = risk_counts['低风险患者'] / _____________

print("高风险患者数量:", risk_counts['高风险患者'])

print("低风险患者数量:", risk_counts['低风险患者'])

print("高风险患者占比:", high_risk_ratio)

print("低风险患者占比:", low_risk_ratio)

# 2. 统计不同BMI区间中高风险患者的比例和统计不同BMI区间中的患者数

# 定义BMI区间和标签

bmi_bins = [0, 18.5, 24, 28, np.inf]

bmi_labels = ['偏瘦', '正常', '超重', '肥胖']

# 根据BMI值划分指定区间 4分

data['BMIRange'] = _____________(_____________, _____________, _____________, right=False) # 使用左闭右开区间

bmi_risk_rate = _____________(_____________)['RiskLevel'].apply(lambda x: (x == '高风险患者').mean())

bmi_patient_count = data_____________

# 输出结果

print("BMI区间中高风险患者的比例和患者数:")

print(bmi_risk_rate)

print(bmi_patient_count)

# 定义年龄区间和标签

age_bins = [0, 26, 36, 46, 56, 66, np.inf]

age_labels = ['≤25岁', '26-35岁', '36-45岁', '46-55岁', '56-65岁', '＞65岁']

# 根据年龄值划分指定区间 4分

data['AgeRange'] = _____________(_____________, _____________, _____________, right=False) # 使用左闭右开区间

age_risk_rate = _____________(_____________)['RiskLevel'].apply(lambda x: (x == '高风险患者').mean())

age_patient_count = data_____________

# 输出结果

print("年龄区间中高风险患者的比例和患者数:")

print(age_risk_rate)

print(age_patient_count)

import numpy as np

import matplotlib.pyplot as plt

# 读取数据集 2分

data = _____________

# 对传感器类型进行分组，并计算每个组的数据数量和平均值 3分

sensor_stats = _____________(_____________)['Value']._____________

# 输出结果

print("传感器数据数量和平均值:")

print(sensor_stats)

# 筛选出温度和湿度数据，然后按位置和传感器类型分组，计算每个组的平均值 2分

location_stats = data[data['SensorType']._____________._____________['Value'].mean().unstack()

# 输出结果

print("每个位置的温度和湿度数据平均值:")

print(location_stats)

True, False

)

print("异常值数量:", data['is_abnormal']._____________)

# 使用前向填充和后向填充的方法填补缺失值 4分

data['Value']._____________(_____________, inplace=True)