数据预处理在脑卒中病例数据中应用

《数据预处理在脑卒中病例数据中应用》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、数据预处理在脑卒中病例数据中应用　　摘要：利用数据预处理技术，将脑卒中发病病例信息数据中的大量信息进行处理，去除了数据中的数据不一致、冗余、错误信息等，提高了数据质量，有助于筛选出相对可靠的数据，从而有利于得出真实、准确的数据分析结果。关键词：数据预处理；数据质量；脑卒中；Excel中图分类号：TP311文献标志码：A文章编号：1006-8228（2013）12-55-02ApplicationofdatapreprocessingtechnologyinstrokepatientsinformationdatabaseYuCuila

2、n（Departmentofcomputerscience，DehongTeacher’sCollege，Luxi，Yunnan678400，China）Abstract：Datapreprocessingtechnologyisappliedtoprocesslargeamountsofinformationinstrokepatientdata，tosolvetheproblemofdatainconsistency，redundancy，errorinformation，etc.Thepreprocessingresultsim

3、provedataquality，helptoselectrelativelyreliabledata，drawthetrueandaccuratedataanalysisresults.8Keywords：datapreprocessing；dataquality；stroke；Excel0引言现实世界的数据一般是不完整的、含噪声的、不一致的，并且数据量大，多数还来自多个异构数据源。这就给后续的数据分析和数据挖掘带来极大的麻烦，甚至导致错误的结论，所以有必要对数据进行预处理，以提高数据质量，从而提高分析结果的质量。数据预处理[1-2

4、]主要是指数据的抽取、转化、和清理。抽取是指从外围系统或源系统中把数据导入；转化一般是指对数据进行统一（包括数据格式和数据编码的统一），清理是指把一些垃圾数据清理掉，保留有用数据。脑卒中是脑中风的学名，是一种突然起病的脑血液循环障碍性疾病。人们想要根据病例数据，对发病人群进行统计描述，研究脑卒中发病率与气温、气压、年龄、职业的关系，对高危人群提出预警和干预的建议方案等。本文以中国某城市四家医院2007年1月至2010年12月的脑卒中发病病例信息数据集（共61927条）为例，阐述了对这些数据进行预处理的过程。1数据预处理1.1数据说明8

5、数据来源于中国某城市四家医院2007年1月至2010年12月的脑卒中发病病例信息（每家医院一个excel数据表，分别是data1.xls、data2.xls、data3.xls、data4.xls，共有61927条记录），数据字段格式如表1所示。表1数据字段格式[Sex＼&Age＼&Occupation＼&Timeofincidence＼&Reporttime＼&2＼&80＼&3＼&02-03-1990＼&03-01-2008＼&1＼&72＼&＼&03/07/2008＼&20/07/2008＼&1＼&31＼&1＼&2009-9-9＼&

6、2009-9-22＼&2＼&79＼&＼&2009-03-08＼&2009-03-08＼&2＼&67＼&7＼&2009-3-17＼&＼&1＼&63＼&＼&2009-4-9＼&2009-04-09＼&2＼&80＼&1＼&03/07/2008＼&04/07/2008＼&2＼&83＼&1＼&03-05-2007＼&19-01-2008＼&]先对数据进行预处理：根据四个数据表的Timeofincidenc（发病时间）找出2007年至2010年每年的脑卒中病人信息。以下是对四个数据表的数据预处理的过程。1.2data1.xls数据预处理⑴工作表“

7、脑卒中”中，字段Timeofincidence的值不规范，首先对它进行处理，例如将值为“18-01-2007”的格式转换为“2007-1-18”的格式，步骤如下：①选择Timeofincidence列，单击“数据”-“分列”，分割符号用“-”，目标区域到“$g$1”，使Timeofincidence列的值分割成了三列，分别放到了g、h、i列；②8单击“数据”-“自动筛选”，单击i列的“自定义”，条件为“大于或等于2007”且“小于或等于2007”，例如筛选出所有格式为“18-01-2007”的病人记录；③单击筛选出的病人记录，按ctr

8、l+A键，按ctrl+x键，新建一工作表dateformat，单击A2，按ctrl+v键，则将筛选出的全部数据剪切到另一个工作表dateformat中；④在工作表dateformat中，在单元格j2输入公式“=date（