健康数据集血压阈值定义求助：如何标记Bloodpressure>=160为患病并分组分析

一、定义血压患病状态 #

无需用阈值排序，直接通过条件判断生成患病状态变量即可，以Python pandas为例：

• 读取数据集后，新增Hypertension列标记患病状态：

import pandas as pd
import numpy as np

# 假设数据集已读取为df
df['Hypertension'] = np.where(df['Bloodpressure'] >= 160, 1, 0)
# 或用apply方法（数据量小时可用）
df['Hypertension'] = df['Bloodpressure'].apply(lambda x: 1 if x >= 160 else 0)

• 验证逻辑：执行df['Hypertension'].value_counts()，查看患病/未患病的数量分布，确认规则是否生效。

二、按性别和年龄组分析血压数据 #

1. 划分年龄组 #

先根据需求自定义年龄区间，示例分为青年、中年、老年三组：

# 按年龄区间分组，bins可根据实际需求调整
df['AgeGroup'] = pd.cut(df['Age'], bins=[0, 30, 60, 100], labels=['青年', '中年', '老年'])
# 若年龄为字符串类型，需先转数值：df['Age'] = pd.to_numeric(df['Age'], errors='coerce')

2. 核心分析操作 #

（1）各分组的患病比例统计

# 按性别+年龄组分组，计算每组患病比例
grouped_prevalence = df.groupby(['Gender', 'AgeGroup'])['Hypertension'].mean().reset_index()
grouped_prevalence.rename(columns={'Hypertension': '患病比例'}, inplace=True)
print(grouped_prevalence)

（2）各分组的血压描述性统计

# 获取每组血压的均值、中位数、标准差等关键指标
grouped_bp_stats = df.groupby(['Gender', 'AgeGroup'])['Bloodpressure'].describe()
print(grouped_bp_stats)

（3）患病状态的交叉分布统计

# 生成交叉表，查看各分组的患病/未患病人数分布
cross_distribution = pd.crosstab([df['Gender'], df['AgeGroup']], df['Hypertension'], margins=True)
cross_distribution.columns = ['未患病', '患病', '总计']
print(cross_distribution)

内容的提问来源于stack exchange，提问作者Amin Vahdati