本项目基于 UCI 机器学习库中的公开乳腺癌(Breast Cancer Wisconsin)数据集,旨在通过数据挖掘与可视化分析,探索关键医学特征与肿瘤良恶性之间的关联。 我负责了完整的数据清洗与探索性分析(EDA)工作。通过 Python 的 Pandas 库处理缺失值并构建特征矩阵,利用 Matplotlib 和 Seaborn 对 30 个核心特征(如半径、纹理、平滑度等)进行了相关性热力图与分布对比图绘制。最终产出包含各项指标分布、特征相关矩阵及良恶性比例的可视化分析报告,直观揭示了影响乳腺癌诊断的关键因子,为后续机器学习建模提供了可靠的数据基础。...
本项目旨在通过数据可视化和统计分析技术,研究不同种类企鹅(如阿德利企鹅、帽带企鹅、巴布亚企鹅)在生理特征与栖息地环境之间的差异。 我独立完成了数据清洗、特征工程及视觉呈现的全过程。首先使用 Pandas 清理了包含缺失值和异常值的观测数据,随后对企鹅的喙长、喙深、鳍足长度及体重等关键指标进行了相关性分析。利用 Matplotlib 和 Seaborn 绘制了多维度的箱型图、散点图及分类对比热力图。项目最终产出了一份直观的数据分析报告,清晰揭示了不同物种在形态学上的显著区别及地理分布规律,展示了扎实的数据处理与图表呈现能力。...