```python import os, pandas as pd, numpy as np ``` 这行代码导入了三个 Python 库：`os` 库用于操作系统相关的功能，如文件和目录操作；`pandas` 库（别名 `pd`）用于数据处理和分析，可进行数据读取、筛选、处理等操作；`numpy` 库（别名 `np`）用于数值计算，提供了高效的数组操作和数学函数 [^1]。 ```python #读取指定文件 q1_file = '共同结果整合.xlsx' outfile = '问题二_特征构建结果1.xlsx' df = pd.read_excel('数据(已清洗).xlsx') ``` - `q1_file`：定义了名为 `共同结果整合.xlsx` 的文件，后续可能会从该文件中读取关键指标信息。 - `outfile`：定义了输出文件的名称 `问题二_特征构建结果1.xlsx`，用于保存处理后的数据。 - `df`：使用 `pandas` 的 `read_excel` 函数读取 `数据(已清洗).xlsx` 文件，并将数据存储在 `DataFrame` 对象 `df` 中 [^3][^4]。 ```python #初始化一个空列表，用于存储关键指标 features = [] ``` 创建一个空列表 `features`，用于后续存储关键指标。 ```python #读取工作表'关键指标'，去除空值，转为字符串列表 if os.path.exists(q1_file): xls = pd.ExcelFile(q1_file) if '关键指标' in xls.sheet_names: features = pd.read_excel(q1_file, sheet_name='关键指标')['关键指标'].dropna().astype(str).tolist() elif '建模特征' in xls.sheet_names: features = pd.read_excel(q1_file, sheet_name='建模特征')['建模特征'].dropna().astype(str).tolist() ``` - `os.path.exists(q1_file)`：检查 `q1_file` 文件是否存在。 - `pd.ExcelFile(q1_file)`：创建一个 `ExcelFile` 对象 `xls`，用于读取 `q1_file` 文件。 - 如果文件中存在 '关键指标' 工作表，则读取该工作表中的 '关键指标' 列，去除空值，将数据转换为字符串类型，并将其存储为列表赋值给 `features`。 - 如果不存在 '关键指标' 工作表，但存在 '建模特征' 工作表，则读取 '建模特征' 列，进行相同的处理并赋值给 `features`。 ```python # 3) 加入痰湿质特征 tan_raw = '痰湿质' if '痰湿质' in df.columns else None tan_z = '痰湿质_z' if '痰湿质_z' in df.columns else None tan_col = tan_z or tan_raw if tan_col and tan_col not in features: features = [tan_col] + features ``` - `tan_raw`：检查 `df` 中是否存在 '痰湿质' 列，如果存在则赋值为 '痰湿质'，否则为 `None`。 - `tan_z`：检查 `df` 中是否存在 '痰湿质_z' 列，如果存在则赋值为 '痰湿质_z'，否则为 `None`。 - `tan_col`：优先选择 `tan_z`，如果 `tan_z` 为 `None` 则选择 `tan_raw`。 - 如果 `tan_col` 不为 `None` 且不在 `features` 列表中，则将 `tan_col` 添加到 `features` 列表的开头。 ```python # 4) 构造衍生特征 # 活动总分 act_raw = '活动量表总分（ADL总分+IADL总分）' if '活动量表总分（ADL总分+IADL总分）' in df.columns else None act_z = '活动量表总分（ADL总分+IADL总分）_z' if '活动量表总分（ADL总分+IADL总分）_z' in df.columns else None act_col = act_raw or act_z ``` - `act_raw`：检查 `df` 中是否存在 '活动量表总分（ADL总分+IADL总分）' 列，如果存在则赋值为该列名，否则为 `None`。 - `act_z`：检查 `df` 中是否存在 '活动量表总分（ADL总分+IADL总分）_z' 列，如果存在则赋值为该列名，否则为 `None`。 - `act_col`：优先选择 `act_z`，如果 `act_z` 为 `None` 则选择 `act_raw`。 ```python # BMI bmi_raw = 'BMI' if 'BMI' in df.columns else None bmi_z = 'BMI_z' if 'BMI_z' in df.columns else None bmi_col = bmi_raw or bmi_z ``` - `bmi_raw`：检查 `df` 中是否存在 'BMI' 列，如果存在则赋值为该列名，否则为 `None`。 - `bmi_z`：检查 `df` 中是否存在 'BMI_z' 列，如果存在则赋值为该列名，否则为 `None`。 - `bmi_col`：优先选择 `bmi_z`，如果 `bmi_z` 为 `None` 则选择 `bmi_raw`。 ```python # 痰湿-活动耦合 if tan_col and act_col: df['H_痰湿活动耦合'] = df[tan_col] / (df[act_col].replace(0, np.nan) + 1e-6) features.append('H_痰湿活动耦合') ``` 如果 `tan_col` 和 `act_col` 都不为 `None`，则计算 'H_痰湿活动耦合' 列，其值为 `tan_col` 列的值除以 `act_col` 列的值（将 `act_col` 列中的 0 替换为 `np.nan` 并加上一个极小值 `1e-6` 以避免除零错误），并将 'H_痰湿活动耦合' 添加到 `features` 列表中。 ```python # 痰湿-BMI 交互 if tan_col and bmi_col: df['H_痰湿_BMI交互'] = df[tan_col] * df[bmi_col] features.append('H_痰湿_BMI交互') ``` 如果 `tan_col` 和 `bmi_col` 都不为 `None`，则计算 'H_痰湿_BMI交互' 列，其值为 `tan_col` 列的值乘以 `bmi_col` 列的值，并将 'H_痰湿_BMI交互' 添加到 `features` 列表中。 ```python # 代谢异常负担：基于 z 值阈值构造 risk_positive = [c for c in ['BMI_z','空腹血糖_z','血尿酸_z','TG（甘油三酯）_z','TC（总胆固醇）_z','LDL-C（低密度脂蛋白）_z'] if c in df.columns] risk_negative = [c for c in ['HDL-C（高密度脂蛋白）_z','活动量表总分（ADL总分+IADL总分）_z'] if c in df.columns] df['H_代谢异常负担'] = 0 for c in risk_positive: df['H_代谢异常负担'] += (pd.to_numeric(df[c], errors='coerce') >= 1).astype(int) for c in risk_negative: df['H_代谢异常负担'] += (pd.to_numeric(df[c], errors='coerce') <= -1).astype(int) features.append('H_代谢异常负担') ``` - `risk_positive`：筛选出 `df` 中存在的正向风险指标列（如 'BMI_z' 等）。 - `risk_negative`：筛选出 `df` 中存在的负向风险指标列（如 'HDL-C（高密度脂蛋白）_z' 等）。 - 初始化 'H_代谢异常负担' 列为 0。 - 遍历 `risk_positive` 列表，将每个列中大于等于 1 的值记为 1，累加到 'H_代谢异常负担' 列中。 - 遍历 `risk_negative` 列表，将每个列中小于等于 -1 的值记为 1，累加到 'H_代谢异常负担' 列中。 - 将 'H_代谢异常负担' 添加到 `features` 列表中。 ```python features = list(dict.fromkeys([f for f in features if f in df.columns])) use_cols = features + ['高血脂症二分类标签'] data = df[use_cols].apply(pd.to_numeric, errors='coerce').dropna() ``` - `features`：去除 `features` 列表中重复的元素，并筛选出 `df` 中存在的列。 - `use_cols`：将 `features` 列表和 '高血脂症二分类标签' 列组合成一个新的列名列表。 - `data`：从 `df` 中选取 `use_cols` 列的数据，将数据转换为数值类型（无法转换的置为 `NaN`），并去除包含 `NaN` 的行。 ```python with pd.ExcelWriter(outfile) as w: data.to_excel(w, sheet_name='建模数据', index=False) pd.DataFrame({'特征名': features}).to_excel(w, sheet_name='特征清单', index=False) ``` 使用 `pd.ExcelWriter` 创建一个 Excel 写入对象 `w`，将 `data` 数据写入到 `outfile` 文件的 '建模数据' 工作表中，不写入行索引；将 `features` 列表转换为 `DataFrame` 并写入到 '特征清单' 工作表中，不写入行索引。 ```python print(f'完成：{outfile}') ``` 打印完成信息，显示输出文件名。