edit pre-final
This commit is contained in:
TheOriginalGraLargeShrimpakaReaper
parent
b8c420621b
commit
568c13053c
@ -11,7 +11,6 @@ month_translation = {
|
||||
|
||||
# Funktion zur Umwandlung von '6h 11min' in numerische Stundenwerte
|
||||
def convert_sleep_duration(sleep_duration_str):
|
||||
print(sleep_duration_str)
|
||||
hours = 0
|
||||
minutes = 0
|
||||
if 'h' in sleep_duration_str:
|
||||
@ -22,78 +21,53 @@ def convert_sleep_duration(sleep_duration_str):
|
||||
minutes = int(minutes_part)
|
||||
return hours + (minutes / 60)
|
||||
|
||||
# Funktion, um Datumsbereiche wie 'Mrz 29-Apr 4', 'Dez 22-28 2023' oder 'Dez 28' in Kalenderwoche und Jahr zu konvertieren
|
||||
# Funktion, um Datumsbereiche in Kalenderwoche und Jahr zu konvertieren
|
||||
def convert_to_week_and_year(date_range_str):
|
||||
# Entferne zusätzliche Leerzeichen um den Bindestrich herum und entferne Kommas
|
||||
date_range_str = date_range_str.replace(" - ", "-").replace(",", "")
|
||||
|
||||
# Prüfen, ob das Format nur einen Tag und Monat enthält (z.B. 'Dez 28')
|
||||
if "-" not in date_range_str and len(date_range_str.split(" ")) == 2:
|
||||
# Nur ein Datum (Monat und Tag)
|
||||
month_str, day_str = date_range_str.split(" ")
|
||||
day = int(day_str.strip())
|
||||
year_str = str(datetime.now().year) # Verwende das aktuelle Jahr
|
||||
year_str = str(datetime.now().year)
|
||||
|
||||
# Konvertiere den deutschen Monatsnamen in den englischen
|
||||
if month_str in month_translation:
|
||||
month_str = month_translation[month_str]
|
||||
|
||||
# Konvertiere das Datum
|
||||
start_date = datetime.strptime(f"{month_str} {day} {year_str}", "%b %d %Y")
|
||||
|
||||
# Berechne die Kalenderwoche und das Jahr
|
||||
week_number = start_date.isocalendar()[1]
|
||||
year = start_date.year
|
||||
|
||||
return f"W{week_number}-{year}"
|
||||
|
||||
# Prüfen, ob das Jahr am Ende steht (z.B. 'Dez 22-28 2023')
|
||||
if date_range_str[-4:].isdigit():
|
||||
# Jahr am Ende des Datums
|
||||
year_str = date_range_str[-4:]
|
||||
date_range_str = date_range_str[:-5] # Entferne das Jahr aus der Datumsangabe
|
||||
date_range_str = date_range_str[:-5]
|
||||
else:
|
||||
# Kein Jahr am Ende -> nutze das aktuelle Jahr
|
||||
year_str = str(datetime.now().year)
|
||||
|
||||
# Splitte den Datumsbereich in Start- und Endteil
|
||||
start_part, end_part = date_range_str.split("-")
|
||||
|
||||
# Verarbeite den Startteil
|
||||
start_parts = start_part.split(" ")
|
||||
start_month_str = start_parts[0]
|
||||
start_day = int(start_parts[1].strip()) # Nimm den Starttag und entferne etwaige Leerzeichen
|
||||
|
||||
# Verarbeite den Endteil
|
||||
start_day = int(start_parts[1].strip())
|
||||
end_parts = end_part.split(" ")
|
||||
|
||||
# Verarbeite das Enddatum, basierend darauf, ob der Endteil das Jahr enthält
|
||||
if len(end_parts) == 2: # Fall: 'Apr 4'
|
||||
if len(end_parts) == 2:
|
||||
end_month_str = end_parts[0]
|
||||
end_day = int(end_parts[1].strip())
|
||||
else:
|
||||
# Fall: kein Monat -> nur Tag (z.B. '28' im Format 'Dez 22-28 2023')
|
||||
end_month_str = start_month_str
|
||||
end_day = int(end_parts[0].strip())
|
||||
|
||||
# Konvertiere den deutschen Monatsnamen in den englischen für beide Monate
|
||||
if start_month_str in month_translation:
|
||||
start_month_str = month_translation[start_month_str]
|
||||
if end_month_str in month_translation:
|
||||
end_month_str = month_translation[end_month_str]
|
||||
|
||||
try:
|
||||
# Konvertiere das Startdatum in ein Datum
|
||||
start_date = datetime.strptime(f"{start_month_str} {start_day} {year_str}", "%b %d %Y")
|
||||
except ValueError:
|
||||
raise ValueError(f"Ungültiges Startdatum: {start_month_str} {start_day} {year_str}")
|
||||
|
||||
# Berechne die Kalenderwoche und das Jahr basierend auf dem Startdatum
|
||||
week_number = start_date.isocalendar()[1]
|
||||
year = start_date.year
|
||||
|
||||
return f"W{week_number}-{year}" # Gib Kalenderwoche und Jahr im Format W-YYYY zurück
|
||||
|
||||
return f"W{week_number}-{year}"
|
||||
|
||||
# Datei Pfade
|
||||
hr_data_path = '/home/gra/PycharmProjects/cds_introduction_data_science_assignment/data/raw/hr_gramic.csv'
|
||||
@ -104,84 +78,62 @@ combined_data_path = '/home/gra/PycharmProjects/cds_introduction_data_science_as
|
||||
graphic_corr_path = '/home/gra/PycharmProjects/cds_introduction_data_science_assignment/data/final/gramic_sleep_hr_correlation.png'
|
||||
graphic_weekly_path = '/home/gra/PycharmProjects/cds_introduction_data_science_assignment/data/final/weekly_hr_sleep.png'
|
||||
|
||||
|
||||
# Schritt 1: Lade die HR-Daten (mit Semikolon separiert) und entferne 'bpm'
|
||||
# Schritt 1: Lade die HR-Daten und entferne 'bpm'
|
||||
hr_data = pd.read_csv(hr_data_path, sep=';')
|
||||
|
||||
# Entferne 'bpm' und konvertiere die Werte in numerische Daten
|
||||
hr_data['In Ruhe'] = hr_data['In Ruhe'].str.replace(' bpm', '').astype(float)
|
||||
hr_data['Hoch'] = hr_data['Hoch'].str.replace(' bpm', '').astype(float)
|
||||
|
||||
# Konvertiere die Spalte 'Datum' in Kalenderwoche (KW und Jahr)
|
||||
hr_data['Woche'] = hr_data['Datum'].apply(convert_to_week_and_year)
|
||||
|
||||
# Berechne den Durchschnitt der Herzfrequenzdaten (In Ruhe und Hoch)
|
||||
hr_data['avg_hr'] = hr_data[['In Ruhe', 'Hoch']].mean(axis=1)
|
||||
|
||||
# Speichere nur die Spalten 'Woche' und 'avg_hr' in einer neuen CSV-Datei
|
||||
hr_data_clean = hr_data[['Woche', 'avg_hr']]
|
||||
hr_data_clean.to_csv(hr_clean_path, index=False)
|
||||
|
||||
# Schritt 2: Lade die Schlafdaten (mit Komma separiert)
|
||||
# Schritt 2: Lade die Schlafdaten
|
||||
sleep_data = pd.read_csv(sleep_data_path, sep=';')
|
||||
|
||||
# Konvertiere die Spalte 'Datum' in Kalenderwoche (KW und Jahr)
|
||||
sleep_data['Woche'] = sleep_data['Datum'].apply(convert_to_week_and_year)
|
||||
|
||||
# Konvertiere die Spalte 'Durchschnittliche Dauer' in numerische Stunden
|
||||
sleep_data['Durchschnittliche Dauer'] = sleep_data['Durchschnittliche Dauer'].apply(convert_sleep_duration)
|
||||
|
||||
|
||||
# Speichere nur die Spalten 'Woche' und 'Durchschnittliche Dauer' in einer neuen CSV-Datei
|
||||
sleep_data_clean = sleep_data[['Woche', 'Durchschnittliche Dauer']]
|
||||
sleep_data_clean.to_csv(sleep_clean_path, index=False)
|
||||
|
||||
# Schritt 3: Kombiniere die HR- und Schlafdaten basierend auf der 'Woche'
|
||||
# Schritt 3: Kombiniere die HR- und Schlafdaten
|
||||
combined_data = pd.merge(hr_data_clean, sleep_data_clean, on='Woche', how='inner')
|
||||
|
||||
# Speichere das kombinierte Dataset in einer neuen CSV-Datei
|
||||
combined_data.to_csv(combined_data_path, index=False)
|
||||
|
||||
# Schritt 4: Berechne die Korrelation zwischen avg_hr und der Schlafdauer
|
||||
# Schritt 4: Berechne die Korrelation
|
||||
correlation = combined_data['avg_hr'].corr(combined_data['Durchschnittliche Dauer'])
|
||||
print(f"Die Korrelation zwischen der durchschnittlichen Herzfrequenz und der Schlafdauer ist: {correlation}")
|
||||
|
||||
# Schritt 5: Visualisiere den Zusammenhang zwischen Herzfrequenz und Schlafdauer
|
||||
# Schritt 5: Visualisiere den Zusammenhang zwischen Herzfrequenz und Schlafdauer (invertierte x-Achse)
|
||||
plt.figure(figsize=(10, 6))
|
||||
plt.scatter(combined_data['avg_hr'], combined_data['Durchschnittliche Dauer'], color='blue', label='Datenpunkte')
|
||||
plt.title('Zusammenhang zwischen Herzfrequenz (Durchschnitt) und Schlafdauer')
|
||||
plt.xlabel('Durchschnittliche Herzfrequenz (bpm)')
|
||||
plt.ylabel('Schlafdauer (Stunden)')
|
||||
plt.grid(True)
|
||||
|
||||
# Linie zur Visualisierung des Trends hinzufügen
|
||||
m, b = np.polyfit(combined_data['avg_hr'], combined_data['Durchschnittliche Dauer'], 1)
|
||||
plt.plot(combined_data['avg_hr'], m * combined_data['avg_hr'] + b, color='red',
|
||||
label=f'Trendlinie (Kor = {correlation:.2f})')
|
||||
|
||||
plt.plot(combined_data['avg_hr'], m * combined_data['avg_hr'] + b, color='red', label=f'Trendlinie (Kor = {correlation:.2f})')
|
||||
plt.gca().invert_xaxis() # X-Achse invertieren
|
||||
plt.legend()
|
||||
# Speichern der Grafik
|
||||
plt.savefig(graphic_corr_path)
|
||||
plt.show()
|
||||
|
||||
# Schritt 6: Erstelle eine Grafik pro Kalenderwoche (Herzfrequenz und Schlafdaten)
|
||||
plt.figure(figsize=(12, 6))
|
||||
# Schritt 6: Erstelle eine Grafik pro Kalenderwoche (HR und Schlafdaten)
|
||||
fig, ax1 = plt.subplots(figsize=(12, 6))
|
||||
|
||||
# Plot für die Herzfrequenz
|
||||
plt.bar(combined_data['Woche'], combined_data['avg_hr'], width=0.4, label='Durchschnittliche Herzfrequenz', align='center')
|
||||
# Erste Achse: Herzfrequenz
|
||||
ax1.bar(combined_data['Woche'], combined_data['avg_hr'], width=0.4, label='Durchschnittliche Herzfrequenz', align='center', color='b')
|
||||
ax1.set_xlabel('Kalenderwoche')
|
||||
ax1.set_ylabel('Durchschnittliche Herzfrequenz (bpm)', color='b')
|
||||
ax1.tick_params(axis='y', labelcolor='b')
|
||||
|
||||
# Plot für die Schlafdauer (mit Verschiebung, um Überlappung zu vermeiden)
|
||||
plt.bar(combined_data['Woche'], combined_data['Durchschnittliche Dauer'], width=0.4, label='Schlafdauer', align='edge')
|
||||
# Zweite Achse: Schlafdauer
|
||||
ax2 = ax1.twinx()
|
||||
ax2.bar(combined_data['Woche'], combined_data['Durchschnittliche Dauer'], width=0.4, label='Schlafdauer', align='edge', color='g')
|
||||
ax2.set_ylabel('Schlafdauer (Stunden)', color='g')
|
||||
ax2.tick_params(axis='y', labelcolor='g')
|
||||
|
||||
# Diagrammtitel und Achsenbeschriftungen
|
||||
plt.title('Durchschnittliche Herzfrequenz und Schlafdauer pro Kalenderwoche')
|
||||
plt.xlabel('Kalenderwoche')
|
||||
plt.ylabel('Wert')
|
||||
|
||||
# Legende und Rotation der x-Achse
|
||||
plt.legend()
|
||||
plt.xticks(rotation=45, ha='right')
|
||||
fig.tight_layout()
|
||||
|
||||
# Speichern der zweiten Grafik
|
||||
plt.savefig(graphic_weekly_path)
|
||||
plt.show()
|
||||
|
||||
Binary file not shown.
|
Before Width: | Height: | Size: 38 KiB After Width: | Height: | Size: 37 KiB |
Binary file not shown.
|
Before Width: | Height: | Size: 42 KiB After Width: | Height: | Size: 45 KiB |
Loading…
x
Reference in New Issue
Block a user