cds_introduction_data_science_assignment/code/corelation.py

import pandas as pd
import matplotlib.pyplot as plt
import numpy as np
from datetime import datetime


# Manuelle Zuordnung der Monatsnamen von Deutsch auf Englisch
month_translation = {
    'Jan': 'Jan', 'Feb': 'Feb', 'Mär': 'Mar', 'Apr': 'Apr', 'Mai': 'May', 'Jun': 'Jun',
    'Jul': 'Jul', 'Aug': 'Aug', 'Sep': 'Sep', 'Okt': 'Oct', 'Nov': 'Nov', 'Dez': 'Dec'
}

# Funktion, um 'Okt 10-16' in eine Kalenderwoche zu konvertieren
def convert_to_week_number(date_range_str):
    # Splitte den Datumsbereich in Monat und Tage
    month_str, day_range = date_range_str.split(" ")
    start_day = int(day_range.split("-")[0])  # Nimm den Starttag
    current_year = datetime.now().year

    # Konvertiere den deutschen Monatsnamen in den englischen
    if month_str in month_translation:
        month_str = month_translation[month_str]

    # Erstelle das Datum basierend auf dem Starttag und dem aktuellen Jahr
    date_str = f"{month_str} {start_day} {current_year}"
    start_date = datetime.strptime(date_str, "%b %d %Y")  # Konvertiere in ein Datum
    return start_date.isocalendar()[1]  # Gib die Kalenderwoche zurück


# Schritt 1: Lade die HR-Daten (mit Semikolon separiert) und entferne 'bpm'
hr_data = pd.read_csv('/home/gra/PycharmProjects/cds_introduction_data_science_assignment/data/raw/hr_gramic.csv', sep=';')

# Zeige die ersten Zeilen der HR-Daten vor der Bereinigung
print("HR-Daten (vor der Bereinigung):")
print(hr_data.head())

# 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)
hr_data['week'] = hr_data['Datum'].apply(convert_to_week_number)

# Zeige die HR-Daten nach der Umwandlung in Wochen
print("\nHR-Daten (nach der Umwandlung in KW):")
print(hr_data.head())

# Schritt 2: Berechne den Durchschnitt der Herzfrequenzdaten (In Ruhe und Hoch)
hr_data['avg_hr'] = hr_data[['In Ruhe', 'Hoch']].mean(axis=1)

# Schritt 3: Lade die Schlafdaten (mit Komma separiert)
sleep_data = pd.read_csv('/home/gra/PycharmProjects/cds_introduction_data_science_assignment/data/raw/sleep_gramic.csv', sep=',')

# Zeige die ersten Zeilen der Schlafdaten
print("\nSchlafdaten:")
print(sleep_data.head())

# Konvertiere auch das 'Datum' der Schlafdaten in Kalenderwoche (KW)
sleep_data['week'] = sleep_data['Datum'].apply(convert_to_week_number)

# Schritt 4: Sicherstellen, dass beide Datensätze nach 'week' sortiert sind
hr_data = hr_data.sort_values(by='week')
sleep_data = sleep_data.sort_values(by='week')

# Schritt 5: Kombiniere die beiden Datensätze anhand der 'week' Spalte mit einem äußeren Join
combined_data = pd.merge(hr_data, sleep_data, on='week', how='outer')

# Zeige die kombinierten Daten
print("\nKombinierte Daten:")
print(combined_data)

# Schritt 6: Entferne alle Zeilen mit fehlenden Daten
combined_data = combined_data.dropna()

# Schritt 7: Berechne die Korrelation zwischen dem durchschnittlichen Herzfrequenzwert ('avg_hr') und der Schlafdauer ('Durchschnittliche Dauer')
correlation = combined_data['avg_hr'].corr(combined_data['Durchschnittliche Dauer'])

print(f"\nDie Korrelation zwischen der durchschnittlichen Herzfrequenz und der Schlafdauer ist: {correlation}")

# Schritt 8: Visualisiere den Zusammenhang zwischen Herzfrequenz und Schlafdauer
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.legend()
plt.show()