Advertisement

吸烟与药物相关数据集(2020-2024年),包含10K+记录,CSV格式

  •  5星
  •     浏览量: 0
  •     大小:None
  •      文件类型:ZIP


简介:
本数据集收录了从2020年至2024年间超过一万条关于吸烟和药物使用的详细记录,以CSV文件形式存储,便于研究与分析。 该数据集全面概述了2020年至2024年间青少年吸烟及药物实验的趋势变化,并包含约10,000条记录。这些记录涵盖了多种人口统计因素,如年龄组、性别、社会经济地位以及家庭和同龄人的影响。 此数据旨在促进对年轻人物质使用模式及其背后原因的研究与理解。通过分析该数据集,研究人员及政策制定者能够更好地了解当前青少年面临的挑战,并据此提出策略以推动更健康的选择并减少药物滥用现象的发生。 主要特点包括: - 年龄组:涵盖10至80岁年龄段。 - 吸烟率:提供各年龄层内青少年吸烟的百分比数据。 - 药物实验率:追踪不同时间段内的药物尝试流行度变化情况。 - 社会经济影响:揭示社会经济因素与物质使用之间的关系。 - 朋友和家庭的影响:研究社交网络及家族支持对年轻人行为模式的具体作用。 利用此资源,您可以推进相关领域的学术探索、识别趋势,并为促进青少年健康以及预防药物滥用的讨论提供有价值的见解。

全部评论 (0)

还没有任何评论哟~
客服
客服
  • 2020-2024),10K+CSV
    优质
    本数据集收录了从2020年至2024年间超过一万条关于吸烟和药物使用的详细记录,以CSV文件形式存储,便于研究与分析。 该数据集全面概述了2020年至2024年间青少年吸烟及药物实验的趋势变化,并包含约10,000条记录。这些记录涵盖了多种人口统计因素,如年龄组、性别、社会经济地位以及家庭和同龄人的影响。 此数据旨在促进对年轻人物质使用模式及其背后原因的研究与理解。通过分析该数据集,研究人员及政策制定者能够更好地了解当前青少年面临的挑战,并据此提出策略以推动更健康的选择并减少药物滥用现象的发生。 主要特点包括: - 年龄组:涵盖10至80岁年龄段。 - 吸烟率:提供各年龄层内青少年吸烟的百分比数据。 - 药物实验率:追踪不同时间段内的药物尝试流行度变化情况。 - 社会经济影响:揭示社会经济因素与物质使用之间的关系。 - 朋友和家庭的影响:研究社交网络及家族支持对年轻人行为模式的具体作用。 利用此资源,您可以推进相关领域的学术探索、识别趋势,并为促进青少年健康以及预防药物滥用的讨论提供有价值的见解。
  • .rar
    优质
    简介:该文件包含关于吸烟行为的相关数据集,涵盖不同人群的吸烟习惯、健康影响及戒烟尝试等多方面信息。适合用于研究烟草使用对健康的长期影响和开发辅助戒烟策略。 无法下载私聊我关于吸烟的数据集,该数据集包含大约5000张图片,由真实摄像头拍摄而成,并且需要自行进行标注。
  • 近十飞机航班CSV1.5万条
    优质
    本数据集包含近十年全球航班运营信息,共计1.5万余条记录,以CSV格式呈现,涵盖航班日期、起飞降落时间、延误情况等关键指标。 标题中的“近10年飞机航班数据集 CSV 1.5W+记录”指的是一个包含大量航班信息的数据集合,以CSV格式存储,大约有15,000条记录。CSV(Comma Separated Values)是一种常见的数据交换格式,便于在不同应用程序之间交换数据。这种数据集通常用于数据分析、挖掘或机器学习任务。 该数据集中包括以下关键字段: - **航班号**:每个航班都有一个唯一的识别号,用于区分不同的飞行。 - **机型**:飞机的型号,如波音737、空客A320等,这会影响飞机的载客量、飞行距离和燃油效率。 - **出发及到达时间**:航班预计起飞和到达的具体时间,用于规划行程和计算飞行时长。 - **出发及到达省份/城市/机场**:航班的起止地点,包括省、市和具体机场,有助于了解航线网络和地理分布。 - **飞行里程**:航班的总距离,可以衡量飞行时间和消耗的燃料。 - **经纬度**:提供航班起点和终点的精确地理位置坐标,可用于地图可视化或地理分析。 - **准时率**:航班按照预定时间起飞和到达的概率,反映了航空公司的运营效率和服务质量。 - **航司**:运营该航班的航空公司,可能涉及其服务、价格策略和市场份额。 - **航班计划**:可能指的是航班的日常或季节性安排,包括频率和时刻表。 这样的数据集对于多种用途非常有用: - **市场分析**:通过分析不同航空公司的航班数量、航线分布及准时率来评估各公司在市场上的表现与竞争力。 - **乘客行为研究**:结合出发和到达城市的数据可以理解乘客流动模式,并预测热门航线及出行高峰。 - **航班优化**:通过对飞行里程和经纬度的分析,可能有助于航空公司优化飞行路线以节省燃油成本。 - **预测模型**:利用历史准时率数据构建预测模型来预估未来航班是否可能发生延误。 - **政策制定**:政府与监管机构可以使用这些信息调整航线分配或提升服务质量标准。 由于提供的文件名为“机票航班数据.xlsx”,这表明数据集可能还包含Excel版本,该格式提供了丰富的数据处理和可视化功能,如筛选、排序及图表制作等。对于初学者或需要快速分析的用户而言,这种格式更为直观。 这个数据集为研究人员、数据分析专家以及对航空业感兴趣的用户提供了一个全面且宝贵的资源,通过清洗与整理这些信息可以获取有关航空市场的深度见解,并推动决策制定和业务优化。
  • 糖尿病CSV770条(Diabetes Dataset)
    优质
    本数据集为糖尿病相关研究设计,包含770条详细记录,以CSV格式存储。每一记录均提供多项关键指标,便于分析与建模。 糖尿病是一种全球性的慢性疾病,严重影响着人们的健康状况。科研人员与医疗工作者常利用数据集来研究如何更好地理解和预防这种病症。本篇文章将详细介绍一个名为“糖尿病数据集 CSV”的资源,其中包括770条记录,涵盖其来源、内容以及潜在的应用价值。 该数据集由美国国家糖尿病、消化和肾脏疾病研究所提供,是科研领域的重要资料之一。它的主要目标在于通过一系列的诊断测量来预测患者是否患有糖尿病。每个记录代表一个个体,并包含多个特征变量,这些变量反映了患者的生理指标,有助于评估患糖尿病的风险。 CSV文件格式是一种通用的数据交换格式,特别适合于存储结构化的表格数据。“糖尿病数据集 CSV”中的每行表示一位患者的信息,而各个列则包含了各种特征和结果变量。例如,该数据集中可能包括年龄、性别、体重、身高及血压等基本信息,以及空腹血糖水平与胰岛素水平等直接关联到糖尿病的生物指标。 在770条记录中,每个个体的特征通常可以分为以下几类: 1. 基本人口统计信息:如年龄和性别。这些因素可能影响着患糖尿病的风险。 2. 生理测量值:例如体重、身体质量指数(BMI)及血压等。这些都是与糖尿病发生和发展密切相关的指标。 3. 生化标志物:包括空腹血糖水平以及糖化血红蛋白浓度,它们是诊断糖尿病的关键依据。 4. 长期并发症的迹象:如视网膜病变和肾功能情况,这些信息可以反映疾病的严重程度。 通过分析此数据集,研究者们能够探究不同特征与糖尿病患病率之间的关系,并揭示风险因素、建立预测模型或评估现有干预措施的效果。此外,该数据集规模适中,非常适合初学者进行数据分析实践,例如使用Python的Pandas库执行数据清洗和探索性数据分析(EDA),并应用机器学习算法如逻辑回归、决策树和支持向量机来构建预测模型。 总的来说,“糖尿病数据集 CSV”为研究提供了丰富的实证材料。无论是在学术领域还是临床实践中,该资源都能帮助我们更深入地了解糖尿病的成因,预测疾病的发展趋势,并可能推动新的预防和治疗策略的研发。通过CSV格式存储的数据易于处理与共享,从而促进了全球范围内的科研合作。
  • 印度犯罪统计(2001-2013),9K+条 CSV
    优质
    本数据集涵盖了2001年至2013年间印度各类犯罪活动的详细统计信息,包括超过9000个数据点,以CSV文件形式提供。 从2001年至2013年期间的犯罪数据分析涵盖了印度各州/联邦直辖区(STATE/UT)及地区(DISTRICT)的年度分类犯罪统计数据。这些数据为了解不同地区的各种报告犯罪活动提供了宝贵的信息。 具体来说,该数据集包括了以下关键信息: - 州/UT:记录犯罪行为发生的特定州或联邦直辖区。 - 区域:指明发生在各州/UT内的具体地区。 - 年份:案件被举报的年份。 此外,还详细列出了各类具体的犯罪情况: - 谋杀案和谋杀未遂事件的数量; - 不构成谋杀罪名但有罪杀人行为的数据; - 各类强奸(包括拘禁内与之外)的发生次数; - 绑架案件的总数以及针对妇女、儿童及其他人的情况具体数据; - DACOITY及其准备阶段的相关案例数,抢劫案数量等。 此外还有: - 入室盗窃和普通盗窃事件的数量; - 汽车被盗情况统计; - 各类刑事背信行为的发生次数; - 与欺骗、假冒伪劣商品有关的案件数据; - 纵火及伤害/严重伤害事件数量等。 此外,还记录了: - 嫁妆死亡案例数; - 殴打妇女以侮辱其谦虚的行为以及直接侮辱女性尊严的情况; - 丈夫或亲属对妻子施暴行为的发生次数; - 违法从国外引进女童的案件统计; - 因疏忽导致他人死亡的报告个案数目。 最后,数据还提供了: - 其他印度刑法(IPC)犯罪案件的数量; - 总体上的所有记录在册的IPC犯罪总数。
  • 飞猪景点CSV5万多条
    优质
    该数据集包含超过5万条飞猪平台上的景点信息,以CSV格式存储,便于数据分析与挖掘。内容详尽丰富,涵盖众多旅游目的地详情。 使用Python爬取飞猪网站以获取全国景点的数据。包含的字段有:序号、景点标题、封面图、销量、价格以及对应飞猪网站的地址和景点城市。
  • 发动机故障检测10K,12特征)CSV
    优质
    这是一个包含10,000条记录的数据集,每条记录有12个特征值,用于检测发动机故障情况。所有数据以CSV格式存储。 此数据集旨在利用高级信号处理及机器学习技术来检测并分类发动机故障。它包含了在不同运行条件下收集的传感器读数,涵盖正常、轻微故障以及严重故障状态。 该数据集包含11个自变量(包括传感器读数和衍生特征)与1个因变量(即发动机状况标签)。以下是各列的具体说明: | 色谱柱名称 | 描述 | 单位范围 | |---------------------|-------------------------------|----------------------| | Vibration_Amplitude | 发动机测得的峰值振动幅度 | mms² | 0.1 - 10.0 | | RMS_Vibration | 发动机振动均方根(RMS) | mms² | 0.05 - 5.0 | | Vibration_Frequency | 发动机振动频率 | Hz | 20 - 2000 | | Surface_Temperature | 发动机表面温度 | °C | 30 - 150 | | Exhaust_Temperature | 废气温度 | °C | 200 - 600 | | Acoustic_dB | 发动机产生的噪声级 | dB | 60 - 120 | | Acoustic_Frequency | 发动机的声学信号频率 | Hz | 100 - 5000 | | Intake_Pressure | 进气歧管压力 | kPa | 90 - 120 | | Exhaust_Pressure | 废气压力 | kPa | 80 - 110 | | Frequency_Band_Energy| 特定频段内信号的能量(来自短时傅里叶变换)|任意单位 | 0.1 - 1.0 | | Amplitude_Mean | 指定时间窗口内的平均信号振幅 |任意单位 | 0.01 - 0.5 | 数据特性: - 总样本数:10,000 - 类别分布: - 正常(标签为“0”):60%,表示发动机运行无故障。 - 轻微故障(标签为“1”):30%,表明存在轻微问题。 - 严重故障(标签为“2”):10%,显示在严重故障条件下运行。
  • 适用于YOLO
    优质
    本数据集专为YOLO物体检测模型设计,包含大量标记的吸烟行为图像,旨在提升在各种环境下识别和监测吸烟行为的准确性。 吸烟数据集,适用于YOLO格式。
  • CSV的抑郁症心理健康825条
    优质
    这是一个包含825条记录的CSV格式的数据集合,专门用于研究抑郁症及其他心理健康问题。 RHMCD-20 数据集包含来自广泛来源的信息,包括孟加拉国的青少年、大学生、家庭主妇以及企业和公司的专业人士等群体的数据。这些数据用于分析抑郁症和心理健康状况。 该数据集中包含以下信息: - Age:代表参与者的年龄。 - Gender:表示参与者的性别。 - Occupation:代表参与者的职业。 - Days_Indoors :表示参与者未出门的天数。 - Growing_Stress:表示参与者的压力与日俱增(是/否)。 - Quarantine_Frustration:隔离前两周的挫败感(是/也许/否)。 - Changes_Habits:代表饮食习惯和睡眠的重大变化(是/可能/否)。 - Mental_Health_History : 上一代精神障碍的先例(是/否)。 - Weight_Change :突出显示隔离期间体重的变化(是/可能/否) - Mood_Swings:代表极端的情绪变化,分为低、中和高三个等级。 - Coping_Struggles:表示无法应对日常问题或压力(是/也许/否)。 - Work_Interest :表示参与者是否对工作失去兴趣(是/否)。 - Social_Weakness :在与他人互动时传达精神虚弱的感觉(是/否)。
  • CSV的金融欺诈检测104万+条
    优质
    本数据集包含超过104万条记录,采用CSV格式存储,专为金融欺诈检测设计,涵盖多种交易类型与特征信息,助力模型训练及算法优化。 该数据集展示了移动货币交易的全面表示,并经过精心设计以反映现实世界金融活动中的复杂性以及欺诈行为的研究目的。此数据来源于名为PaySim的模拟器,利用了非洲某国实际财务日志中汇总的数据来填补公开可用金融数据集中用于检测欺诈研究方面的空白。它涵盖了多种类型的交易,包括现金存入、兑现输出、借记、支付和转账等,并为评估各种欺诈检测方法提供了一个全面的环境。 **数据集结构** - **step:** 表示现实世界中的时间单位,1 步等于 1 小时;整个模拟历时744步,相当于30天。 - **type:** 包括CASH-IN、CASH-OUT、BIT-OUT、PAYMENT 和 TRANSFER等交易类型。 - **amount:** 表示以当地货币单位表示的每笔交易金额。 - **nameOrig:** 发起该笔交易的客户名称。 - **oldbalanceOrg:** 代表发起方在进行特定操作前账户中的余额。 - **newbalanceOrig:** 指的是执行完相关操作后,发起方账户的新余额。 - **nameDest:** 接收这笔交易的客户的标识符(或称目的地)。 - **oldbalanceDest:** 表示接收方在收到资金前的账户余额。对于以M表示商家身份的客户而言,此字段不适用。 - **newbalanceDest:** 收到转账后的新收款人账户余额;同样地,如果交易涉及的是一个标识为“M”的实体,则该信息不被提供。 - **isFraud:** 标识由欺诈代理执行的那些企图通过诸如提现或转移等操作来耗尽客户资金的行为。 - **isFlaggedFraud:** 用于标记账户间未经授权的大额转账行为,任何单笔金额超过20万单位货币的交易都被视为非法。