甲状腺疾病数据
该数据集是一个包含2800个样本、35个属性的甲状腺疾病临床表格数据，涵盖患者基本信息、用药记录、症状表现及多种甲状腺相关激素的实验室检测指标，主要用于构建机器学习模型以辅助甲状腺疾病（如甲状腺功能亢进、甲状腺功能减退）的诊断与预测，支持医疗健康领域的统计分析、疾病分类与临床决策研究。
基本信息
资源简介
甲状腺疾病数据
【一句话概览】
该数据集通过合并 UCI 机器学习存储库提供的甲状腺疾病数据集创建，包含 all_conditions.csv、all_conditions_test.csv、all_甲状腺.csv 和 all_thyroid_test.csv 四个文件，每个文件均为 2800 个观测值、35 个属性。数据集标签涉及甲状腺疾病、人口统计、血液检查、分类、EDA 和数据可视化（来源 datacastle.cn）。
【数据集背景】
本数据集源站标题为《Thyroid Disease 甲状腺疾病数据》。
【数据内容】
源站原始描述：下面的数据集是通过合并 UCI 机器学习存储库提供的甲状腺疾病数据集创建的。 此 Kaggle 数据集中所有文件的大小如下所示——以及每个文件的属性列表及其描述摘要： all_conditions.csv - 2800 个观察 x 35 个属性 all_conditions_test.csv - 2800 个观察 x 35 个属性 all_甲状腺.csv - 2800 个观察 x 35 个属性 all_thyroid_test.csv - 2800 个观测值 x 35 个属性
中文译文（机器翻译，仅供快速理解，请以原文为准）：以下数据集是通过合并 UCI 机器学习存储库提供的甲状腺疾病数据集而创建的。此 Kaggle 数据集中所有文件的大小如下所示——以及每个文件的属性列表及其描述摘要：all_conditions.csv - 2800 个观测值 x 35 个属性 all_conditions_test.csv - 2800 个观测值 x 35 个属性 all_thyroid.csv - 2800 个观测值 x 35 个属性 all_thyroid_test.csv - 2800 个观测值 x 35 个属性
【主题与分类】
主题标签：甲状腺疾病、人口统计、血液检查、分类、EDA、数据可视化。
【获取与许可】
源站页面：https://www.datacastle.cn/dataset_description.html?type=dataset&id=1808
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。
暂未开放公开下载
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。
免登录有偿下载
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
源站：https://www.datacastle.cn/dataset_description.html?type=dataset&id=1808
标准获取流程：
- 访问源站链接，注册/登录账号；
- 进入数据集详情页，按页面指引申请权限或直接下载；
- 部分平台提供 SDK，例如：
- OpenDataLab:
pip install openxlab后openxlab.dataset.get(...) - ModelScope:
pip install modelscope后modelscope download - 天池: 登录后页面提供直链下载
以源站「数据下载/使用文档」页面为准。
- OpenDataLab:
数据说明
该数据集是一个用于甲状腺疾病诊断的临床数据集，源自UCI机器学习存储库的甲状腺疾病数据。数据集包含2800个观测样本，每个样本具有35个属性，涵盖患者的基本信息（如年龄、性别）、甲状腺相关药物使用情况、临床症状（如甲状腺肿、肿瘤）、实验室检测指标（TSH、T3、TT4、T4U、FTI、TBG的测量值与水平）以及多个诊断目标变量（甲状腺功能亢进、甲状腺功能减退、结合蛋白异常等）。数据以结构化表格形式呈现，主要用于机器学习模型训练、甲状腺疾病辅助诊断、临床指标分析与预测等医疗健康研究方向。
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。
