stroke_data.xls 数据读取、筛选与可视化：男性心脏病患者年龄与血糖关系揭秘

以下是完整的代码填空解答： ```python import pandas as pd import seaborn as sns # (1) import matplotlib.pyplot as plt df = pd.read_excel("stroke_data.xls") # (2) # 输出前10条记录 print(df.head(10)) # (3) # 筛选：男性且患有心脏病 htdata = df[(df['gender'] == 'Male') & (df['heart_disease'] == 1)] # (4) 和 (5) plt.rcParams['font.sans-serif'] = ['SimHei'] # 创建图形窗口 plt.figure(figsize=(10, 6)) # 绘制散点图，颜色根据stroke分组 sns.scatterplot( # (6) data=htdata, # (7) x="age", # (8) y="avg_glucose_level", hue="stroke", # (9) palette="Set1" ) # 设置与轴标签 plt.title("男性心脏病患者：年龄与平均血糖水平的关系") plt.xlabel("年龄") plt.ylabel("平均血糖水平") # 显示图例，设置图例为“是否中风” plt.legend(title="是否中风") # (10) plt.show() ``` 填空解析： 1. `(1)`：`seaborn` 库的缩写是 `sns`。 2. `(2)`：使用 `pandas` 的 `read_excel` 方法读取 `.xls` 文件。 3. `(3)`：`head(10)` 方法用于输出前 10 条记录。 4. `(4)` 和 `(5)`：筛选条件为性别为 "Male" 且患心脏病 (`heart_disease == 1`)。 5. `(6)`：绘制散点图的方法为 `sns.scatterplot`。 6. `(7)`：数据来源为 `htdata`。 7. `(8)`：横轴为年龄字段 `"age"`。 8. `(9)`：颜色分类依据 `"stroke"` 字段。 9. `(10)`：通过 `plt.legend(title="是否中风")` 设置图例。 ######[AI问答 | 467点数解答 | 2025-05-18 14:35:44]