基于机器学习的抑郁症分析 - 数据预处理篇

项目背景

抑郁症是当今社会一个严重的心理健康问题，尤其在青少年群体中日益突出。本项目旨在通过机器学习方法，分析影响青少年抑郁症的各项因素，为心理健康研究提供数据支持。

数据来源

本项目使用了心理健康测评数据集，包含了多个维度的调查数据：

• 基础人口统计学信息（年级、年龄、性别等）
• 家庭背景（是否留守儿童、是否独生子女等）
• 心理健康指标（抑郁症状、压力水平等）
• 自伤/自杀倾向评估
  自杀行为数据的不均衡性
  
  从图中可以看出，自杀行为（Suicidal behavior）表现出明显的不均衡性。具体地：
  ① 没有发生过自杀行为的组（标记为“no”）中，过去一周发生自杀行为的数量为372。
  ② 有发生过自杀行为的组（标记为“yes”）中，过去一周发生自杀行为的数量为1646。
  可以看到自杀行为在有和没有历史自杀行为的群体中分布极不均衡。对于机器学习模型，如果训练数据在某些类别上的分布远不均匀，模型可能会倾向于忽视那些较少出现的类别，因为这样做在统计上会提高它的整体准确率，但这通常会牺牲模型对小众类别的预测性能。

数据展示

1. 数据读取

使用pandas读取Excel文件中的Sheet2工作表：

df = pd.read_excel('251096941_0_心理健康测评_2018_2018(4).xlsx', sheet_name='Sheet2')

2. 特征选择

从原始数据中选择了17个关键列，包括：

• 基础信息列（年级、年龄、性别等）
• 心理状态相关列
• 压力评估相关列

selected_columns = df.iloc[:, [0, 1, 2, 3, 4, 5, 6, 7, 28, 29, 55, 57, 58, 59, 60, 73, 75]]

3. 数据编码转换

定义了多个映射字典，将文本数据转换为数值型：

• 性别编码：男=1，女=0
• 布尔值编码：是=1，否=0
• 城乡编码：城市=1，农村=0
• 抑郁症状编码：无=0，有=1
• 年级编码：初三=2，初二=1，初一=0
• 自杀想法/行为编码：没有=0，有过=1

4. 数据清洗

• 使用第一行作为列名
• 删除重复的第一行数据
• 重置索引
• 统一数据类型为float

# 人口统计学变量处理
selected_columns['2、年级'] = selected_columns['2、年级'].map(nj_dict)

selected_columns['4、性别'] = selected_columns['4、性别'].map(sex_dict)
selected_columns['5、是否为留守儿童'] = selected_columns['5、是否为留守儿童'].map(bool_dict)
selected_columns['6、居住所在地'] = selected_columns['6、居住所在地'].map(city_dict)
selected_columns['7、是否为独生子女'] = selected_columns['7、是否为独生子女'].map(bool_dict)
# 标签列处理
selected_columns['8、最近一年内，有过自杀想法吗？（自杀想法）'] = selected_columns['8、最近一年内，有过自杀想法吗？（自杀想法）'].replace('考虑过一次', '考虑过1次')
# 转换'8、最近一年内，有过自伤想法吗？'列
selected_columns['8、最近一年内，有过自杀想法吗？（自杀想法）'] = selected_columns['8、最近一年内，有过自杀想法吗？（自杀想法）'].map(zs_to_number_dict)
# 转换'9、最近一年内，有过自伤行为吗？'列
selected_columns['9、最近一年内，有过自杀行为吗？（自杀行为）'] = selected_columns['9、最近一年内，有过自杀行为吗？（自杀行为）'].map(zs_to_number_dict)
selected_columns['是否具有抑郁症状'] = selected_columns['是否具有抑郁症状'].map(yyz_dict)
selected_columns['同时存在NSSI与SA'] = selected_columns['同时存在NSSI与SA'].map(bool_dict)

5. 特征重命名

将中文列名转换为英文，便于后续处理

selected_columns.columns = ['Grade', 'Age', 'Gender', 'Whether a left-behind child', 'Residential address',
                            'Only child', 'SI', 'SA', 'Depression', 'Depressive symptoms',
                            'Study stress', 'Parental stress', 'Self stress', 'Teacher stress', 'Social stress', 'NSSI',
                            'NSSI_SA']