Python在数据可视化中的应用：欧洲人群饮食与健康状况分析（含源码、草稿及报告）

简介：
本项目运用Python进行数据可视化，深入剖析欧洲人群饮食习惯与其健康状况之间的关联，提供源代码、工作草稿和最终研究报告。 数据来自墨西哥、秘鲁和哥伦比亚的国家数据库，涵盖14至61岁人群的不同饮食习惯和身体状况记录共2111条。与饮食相关的属性包括：频繁摄入高热量食物（FAVC）、蔬菜摄入频率（FCVC）、主餐次数（NCP）、餐间零食摄入量（CAEC）、每日用水量（CH20）及饮酒量（CALC）。身体状况相关变量则涵盖卡路里消耗监测(SCC)、体育活动频次(FAF)、使用科技设备时间(TUE)，以及出行时使用的交通工具类型(MTRANS)。此外，数据还包括性别、年龄、身高和体重等信息。标签变量为NObesity，其值包括不足体重、正常体重及超重或肥胖的多个级别（I级至III级）。该数据集由UCL公开发布，并允许自由使用。此资料适用于初学者通过Pandas库进行Python大数据分析学习的理想教材。