قمت في هذا المشروع بالتعامل مع مجموعة بيانات ضخمة تحتوي على أكثر من مليون سجل طبي لمرضى كوفيد-19 (COVID-19 Patient Clinical Dataset).
قمت بتطبيق:
تنظيف وتجهيز البيانات (Data Cleaning & Handling Missing Values): كشف وتحليل القيم المفقودة والخاصة (مثل الترميزات الطبية المبهمة 97، 98، 99) ومعالجتها علمياً باستخدام مكتبة Pandas ونظام NaN.
إعادة ترميز البيانات (Data Encoding): تحويل الرموز الرقمية الجافة إلى تصنيفات نصية مفهومة (مثل تحويل أرقام الحالات الطبية ونوع الرعاية وجنس المريض وتاريخ الوفاة إلى مؤشرات واضحة تسهل قراءتها من قبل متخذي القرار).
التحليل الاستكشافي (Exploratory Data Analysis - EDA): حساب نسب الوفيات الإجمالية، واستخراج الفروقات بين متوسط أعمار المتوفين والناجين، وتحليل تأثير الأمراض المزمنة (مثل السكري وضغط الدم) على نسب الوفيات.
تمثيل البيانات بصرياً (Data Visualization): بناء رسومات بيانية عالية الجودة ومخصصة باستخدام Matplotlib و Seaborn توضح بوضوح وبساطة الفروق ونسب الوفيات الإجمالية وتأثير الإصابة بالسكري.
الأدوات: Python, Pandas, NumPy, Matplotlib, Seaborn.