Alumno: Franco Giordano

In [1]:

import pandas as pd

Dataset 1: Diabetes, hipertensión y ACV¶

Consiste en un dataset de aproximadamente 71 mil encuestados.

Fuente del dataset

In [2]:

# Importación del dataset
url1 = "https://docs.google.com/spreadsheets/d/e/2PACX-1vSJIHhvX0P1dCnfskv0EKQlYNt95BRPGta4-yu5kzlKPIly7Hg33_BiuJtzQ8mkNs4lLwqdjgTcmZIC/pub?gid=1513689152&single=true&output=csv"
df1 = pd.read_csv(url1)
display(df1)

	Age	Sex	HighChol	CholCheck	BMI	Smoker	HeartDiseaseorAttack	PhysActivity	Fruits	Veggies	HvyAlcoholConsump	GenHlth	MentHlth	PhysHlth	DiffWalk	Stroke	HighBP	Diabetes
0	4	1	0	1	26	0	0	1	0	1	0	3	5	30	0	0	1	0
1	12	1	1	1	26	1	0	0	1	0	0	3	0	0	0	1	1	0
2	13	1	0	1	26	0	0	1	1	1	0	1	0	10	0	0	0	0
3	11	1	1	1	28	1	0	1	1	1	0	3	0	3	0	0	1	0
4	8	0	0	1	29	1	0	1	1	1	0	2	0	0	0	0	0	0
...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...
70687	6	0	1	1	37	0	0	0	0	1	0	4	0	0	0	0	0	1
70688	10	1	1	1	29	1	1	0	1	1	0	2	0	0	1	0	0	1
70689	13	0	1	1	25	0	1	0	1	0	0	5	15	0	1	0	1	1
70690	11	0	1	1	18	0	0	0	0	0	0	4	0	0	1	0	1	1
70691	9	0	1	1	25	0	1	1	1	0	0	2	0	0	0	0	1	1

70692 rows × 18 columns

Variables significativas:

Variable	Descripción
Age	Edad divida en 13 categorías (1 = 18-24, 9 = 60-64...)
Sex	Sexo
HighChol	Posee colesterol alto
CholCheck	Se hizo un chequeo de colesterol en los últimos 5 años
BMI	Índice de masa corporal
Smoker	Ha fumado más de 100 cigarrillos en su vida
HeartDiseaseorAttack	Sufre de CHD o MI
PhysActivity	Realizó actividad física en los últimos 30 días
Fruits	Consume frutas una o más veces por día
Veggies	Consume vegetales una o más veces por día
HvyAlcoholConsump	Bebe más de 14 tragos en la semana (o 7 para mujeres)
GenHlth	En la escala del 1 al 5 (siendo 1 excelente y 5 muy pobre) que tan bien considera su salud1
MentHlth	Días con salud mental pobre (escala 1-30 días)
PhysHlth	Sufrió alguna lesión en los últimos 30 días (escala 1-30 días)
DiffWalk	Posee dificultad caminando o subiendo escaleras
Diabetes	Sufre de diabetes
HighBP	Sufre de presión de sangre alta
Stroke	Sufrió un ACV

Dataset 2: Cáncer de pulmón¶

El dataset contiene información de pacientes con cáncer de pulmón, de tal forma que se pueda utilizar dicha información para predecir si un paciente puede desarrollar tal enfermedad.

Fuente del dataset

In [3]:

# Importación del dataset
url2 = "https://docs.google.com/spreadsheets/d/e/2PACX-1vR7nK1QU1CEf2Trka3jHG-aRzZ4psWdf7tijRbGNErwPJHIfXraTbn8XrX9M2XqDJUs4vzsGsloo4T3/pub?gid=1131270073&single=true&output=csv"
df2 = pd.read_csv(url2)
display(df2)

	index	Patient Id	Age	Gender	Air Pollution	Alcohol use	Dust Allergy	OccuPational Hazards	Genetic Risk	chronic Lung Disease	...	Fatigue	Weight Loss	Shortness of Breath	Wheezing	Swallowing Difficulty	Clubbing of Finger Nails	Frequent Cold	Dry Cough	Snoring	Level
0	0	P1	33	1	2	4	5	4	3	2	...	3	4	2	2	3	1	2	3	4	Low
1	1	P10	17	1	3	1	5	3	4	2	...	1	3	7	8	6	2	1	7	2	Medium
2	2	P100	35	1	4	5	6	5	5	4	...	8	7	9	2	1	4	6	7	2	High
3	3	P1000	37	1	7	7	7	7	6	7	...	4	2	3	1	4	5	6	7	5	High
4	4	P101	46	1	6	8	7	7	7	6	...	3	2	4	1	4	2	4	2	3	High
...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...
995	995	P995	44	1	6	7	7	7	7	6	...	5	3	2	7	8	2	4	5	3	High
996	996	P996	37	2	6	8	7	7	7	6	...	9	6	5	7	2	4	3	1	4	High
997	997	P997	25	2	4	5	6	5	5	4	...	8	7	9	2	1	4	6	7	2	High
998	998	P998	18	2	6	8	7	7	7	6	...	3	2	4	1	4	2	4	2	3	High
999	999	P999	47	1	6	5	6	5	5	4	...	8	7	9	2	1	4	6	7	2	High

1000 rows × 26 columns

Variables significativas:

Variable	Descripción
Age	Edad del paciente
Gender	Género del paciente
Air Pollution	Nivel de exposición de aire contaminado
Alcohol use	Nivel de uso de alcohol
Dust Allergy	Nivel de alergia al polvo
OccuPational Hazards	Nivel de riesgo laboral
Genetic Risk	Nivel de riesgo genético
chronic Lung Disease	Nivel de enfermedades de pulmón crónicas
Balanced Diet	Nivel de dieta balanceada del paciente
Obesity	Nivel de obesidad
Smoking	Nivel de cuanto fuma el paciente
Passive Smoker	Nivel de cuanto fuma de forma pasiva
Chest Pain	Nivel de dolor de dolor de pecho
Coughing of Blood	Nivel de tos de sangre
Fatigue	Nivel de fatiga
Weight Loss	Nivel de pérdida de peso
Shortness of Breath	Nivel de dificultad para respirar
Wheezing	Nivel de jadeo
Swallowing Difficulty	Nivel de dificultad para tragar
Clubbing of Finger Nails	Nivel de uñas golpeadas

Dataset 3: Predicción de reclamo del seguro del auto¶

El dataset busca predecir si el tenedor de la póliza realizará un reclamo en los siguientes 6 meses o no.

Fuente del dataset

In [4]:

# Importación del dataset
url3 = "https://docs.google.com/spreadsheets/d/e/2PACX-1vSXSR4-vzprG_Hv2Ab6JUSoAa2dO9idHpd0nUHg0CRBUQQccCqrjb3h4mpxj5VM-E0iWysCyH7-DwaQ/pub?gid=975569180&single=true&output=csv"
df3 = pd.read_csv(url3)
display(df3)

	policy_id	policy_tenure	age_of_car	age_of_policyholder	area_cluster	population_density	make	segment	model	fuel_type	...	is_brake_assist	is_power_door_locks	is_central_locking	is_power_steering	is_driver_seat_height_adjustable	is_day_night_rear_view_mirror	is_ecw	is_speed_alert	ncap_rating	is_claim
0	ID00001	0.515874	0.05	0.644231	C1	4990	1	A	M1	CNG	...	No	No	No	Yes	No	No	No	Yes	0	0
1	ID00002	0.672619	0.02	0.375000	C2	27003	1	A	M1	CNG	...	No	No	No	Yes	No	No	No	Yes	0	0
2	ID00003	0.841110	0.02	0.384615	C3	4076	1	A	M1	CNG	...	No	No	No	Yes	No	No	No	Yes	0	0
3	ID00004	0.900277	0.11	0.432692	C4	21622	1	C1	M2	Petrol	...	Yes	Yes	Yes	Yes	Yes	Yes	Yes	Yes	2	0
4	ID00005	0.596403	0.11	0.634615	C5	34738	2	A	M3	Petrol	...	No	Yes	Yes	Yes	No	Yes	Yes	Yes	2	0
...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...	...
58587	ID58588	0.355089	0.13	0.644231	C8	8794	2	A	M3	Petrol	...	No	Yes	Yes	Yes	No	Yes	Yes	Yes	2	0
58588	ID58589	1.199642	0.02	0.519231	C14	7788	1	A	M1	CNG	...	No	No	No	Yes	No	No	No	Yes	0	0
58589	ID58590	1.162273	0.05	0.451923	C5	34738	1	A	M1	CNG	...	No	No	No	Yes	No	No	No	Yes	0	0
58590	ID58591	1.236307	0.14	0.557692	C8	8794	1	B2	M6	Petrol	...	Yes	Yes	Yes	Yes	Yes	Yes	Yes	Yes	2	0
58591	ID58592	0.124429	0.02	0.442308	C8	8794	3	C2	M4	Diesel	...	Yes	Yes	Yes	Yes	Yes	No	Yes	Yes	3	0

58592 rows × 44 columns

Variables significativas:

Variable	Descripción
age_of_car	Año del auto normalizado en años
age_of_policyholder	Año normalizado del tenedor de la poliza
population_density	Densidad de población de la ciudad del tenedor
make	Empresa manufactora del auto
fuel_type	Tipo de combustible usado en el auto
engine_type	Tipo de motor usado en el auto
cylinder	Cantidad de cilindros en el motor del auto
transmission_type	Tipo de transmisión
turning_radius	El espacio que necesita el vehículo para realizar un cierto giro (en metros)
length	Longitud del auto (milimetros)
width	Ancho del auto (milimetros)
height	Alto del auto (milimetros)
is_front_fog_lights	Posee luces delanteras para niebla funcionales
is_speed_alert	Posee un sistema de alerta de velocidad funcional
ncap_rating	Rating dado por el NCAP (hasta 5)
is_claim	Booleano que indica si el tenedor ha hecho un reclamo en los últimos 6 meses

Explicación de todas las variables: