肥胖项目数据集
该数据集是一个包含2015年美国各州肥胖人口比例的结构化表格数据，数据模态为人口统计表格，记录了各州肥胖率的具体数值，主要用于公共健康研究、区域健康差异分析和健康政策制定等方向，为肥胖流行病学研究和地理分布分析提供量化依据。
基本信息
资源简介
肥胖项目数据集
【数据集背景】
本数据集源站标题为《Obesity Project》。源站首次发布：2024-12-17。
【数据内容】
源站原始描述：## Estudo sobre quantidade da população norte americana que se encontra em nível de obesidade por estado *Visualização em Tableau* - ## **Estudo feito a partir dos dados do data.gov com dados coletados no ano de 2015** **Ferramentas** *R - Pré-visualização dos dados e ajuste* *Tableau - Criação de Viz* ## Insights *Por ser um dado do ano de 2015 seria ideal realizar uma nova survey em 2025 onde seria possível aplicarmos comparações de uma década para verificarmos de as políticas públicas impleme…
【数据结构与技术规格】
文件数 1 个，合计 2.73 KB。
【主题与分类】
主题标签：health conditions、diabetes、healthcare、diseases、graph。
【获取与许可】
源站页面：https://www.kaggle.com/datasets/matheusbonilha123456/obesity-project
使用许可：Database: Open Database, Contents: Database Contents。
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("matheusbonilha123456/obesity-project")
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 matheusbonilha123456/obesity-project
unzip obesity-project.zip -d obesity-project/
数据说明
该数据集是一个关于美国各州肥胖人口比例的公共健康数据集，记录了2015年各州肥胖人口占总人口的百分比。数据来源于Kaggle平台，以结构化表格形式呈现，包含州名、肥胖率等关键字段。该数据集主要用于公共健康研究、流行病学分析、区域健康差异比较以及健康政策制定等方向，为研究人员和政策制定者提供基于地理分布的肥胖状况量化参考。
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。
