Kaggle慢性肾脏病数据集
Kaggle慢性肾脏病数据集收录慢性肾脏病临床测量、实验室检查和二分类诊断标签，数据模态为表格，适合糖尿病肾病相关病例识别、诊断建模、分割检测、风险评估或临床研究复现。
基本信息
资源简介
Kaggle慢性肾脏病数据集
【数据集背景】
本数据集源站标题为《chronic kidney disease》。源站首次发布：2020-02-21。
【数据内容】
源站原始描述：### Context This dataset is originally from UCI Machine Learning Repository. The objective of the dataset is to diagnostically predict whether a patient is having chronic kidney disease or not, based on certain diagnostic measurements included in the dataset. ### Content The datasets consists of several medical predictor variables and one target variable, Class. Predictor variables includes Blood Pressure(Bp), Albumin(Al), etc. ### Inspiration Can you build a machine learning model to accurately…
【数据结构与技术规格】
文件数 1 个，合计 26.30 KB。
【主题与分类】
主题标签：earth and nature、classification、health、health conditions。
【适用方向】
结构化表格数据可直接用于统计建模、特征工程与队列分析。
【获取与许可】
源站页面：https://www.kaggle.com/datasets/abhia1999/chronic-kidney-disease
使用许可：CC0: Public Domain。
下载信息
注册下载
需要注册 Kaggle 账号并登录后下载，适合需要跟踪下载记录和使用 API 的用户。
需登录公开下载
无需注册即可直接获取公开样本或文档，适合快速预览和评估数据集质量。
暂未开放有偿下载
公开数据集受托下载与技术交付服务。
提供高速下载与技术交付服务（收技术服务费，非数据销售）
暂未开放当前数据集主要来源为 Kaggle 公开托管，完整影像包建议通过原始链接或 Kaggle API 获取。
使用方式
数据集获取
方式一：KaggleHub（Python，推荐 AI Agent 使用）
# 前置依赖: pip install kagglehub
import kagglehub
path = kagglehub.dataset_download("abhia1999/chronic-kidney-disease")
print("数据已下载至:", path)
方式二：Kaggle CLI（命令行）
# 前置条件: 注册 Kaggle 账号, Settings > API > Create New Token
# 将 kaggle.json 放到 ~/.kaggle/ 并 chmod 600
pip install kaggle
kaggle datasets download -d abhia1999/chronic-kidney-disease
unzip chronic-kidney-disease.zip -d chronic-kidney-disease/
数据说明
Chronic Kidney Disease Kaggle Dataset 数据集包含慢性肾脏病临床测量、实验室检查和二分类诊断标签，可围绕糖尿病肾病（Diabetic nephropathy (kidney disease)）开展病例筛选、特征提取、诊断分类、分割检测、风险评估或预后分析。
数据加载示例（表格/文本类）
import pandas as pd, glob, os
files = (glob.glob(os.path.join(path, "**", "*.csv"), recursive=True)
+ glob.glob(os.path.join(path, "**", "*.tsv"), recursive=True)
+ glob.glob(os.path.join(path, "**", "*.xlsx"), recursive=True))
print("数据文件:", files)
df = pd.read_csv(files[0])
print(df.shape); print(df.columns.tolist()); print(df.head(3))
数据缺失？
依托陕西、四川两大基地，我们与超过十家三甲医院建立直接合作关系，覆盖合规授权、采集治理、专业标注、数据交付的全流程，为AI医疗团队提供即拿即用的高质量临床数据。
⚡️ 需要数据支持或标注服务？立即联系我们获取专业方案。
