心脏疾病脏数据集
该数据集是一个包含心脏疾病患者临床特征和诊断指标的结构化表格数据，专门设计为存在缺失值、噪声和不一致性的脏数据集，主要用于数据清洗、异常检测和机器学习鲁棒性研究，以评估医疗数据分析中预处理算法的效果。
基本信息
资源简介
心脏疾病脏数据集
【数据集背景】
本数据集源站标题为《Heart Disease Dirty Dataset》。源站首次发布：2026-03-25。
【数据内容】
源站原始描述：**Overview** This dataset is inspired by the UCI Heart Disease Dataset and has been intentionally modified to simulate real-world data quality issues. It contains patient-level information related to heart health, along with a target variable indicating the presence of heart disease. **Purpose** This dataset is designed for: - Data cleaning practice - Handling missing values - Outlier detection - Feature engineering - Exploratory Data Analysis (EDA) - Machine learning preprocessing pipelines
【数据结构与技术规格】
文件数 1 个，合计 110.73 KB。
【主题与分类】
主题标签：data analytics、data visualization、data cleaning、heart conditions、diseases。
【获取与许可】
源站页面：https://www.kaggle.com/datasets/abhishekkaggle8585/heart-patients-dirty-dataset
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("abhishekkaggle8585/heart-patients-dirty-dataset")
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 abhishekkaggle8585/heart-patients-dirty-dataset
unzip heart-patients-dirty-dataset.zip -d heart-patients-dirty-dataset/
数据说明
该数据集是一个包含多种数据质量问题的脏数据集，专门针对心脏疾病相关数据。它包含患者临床特征、诊断指标等结构化表格数据，但存在缺失值、噪声和不一致性，例如异常值、重复记录或格式错误。数据来源于公开的心脏疾病患者记录，经过人工或半自动方式引入常见数据质量问题，主要用于数据清洗、数据预处理、异常检测和机器学习鲁棒性研究，特别适用于评估数据清洗算法在医疗数据分析中的效果。
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。
