进一步统计特征，学业和出勤特征没有进一步统计进去

Feature_Process_2.py

@@ -0,0 +1,31 @@
+import pandas as pd
+
+# 读取新表
+df_feature = pd.read_excel("feature.xlsx")
+
+# 父亲教养方式数字化
+df_feature['父亲教养方式数字化'] = df_feature['父亲教养方式'].apply(lambda x: 0.59 if x == '温暖与理解' else 0.46)
+
+# 母亲教养方式数字化
+df_feature['母亲教养方式数字化'] = df_feature['母亲教养方式'].apply(lambda x: 0.69 if x == '温暖与理解' else 0.56)
+
+# 自评家庭经济条件数字化
+df_feature['自评家庭经济条件数字化'] = df_feature['自评家庭经济条件'].apply(lambda x: 0.54 if x in ['贫困', '较差'] else 0.47)
+
+# 有无心理治疗（咨询）史数字化
+df_feature['有无心理治疗（咨询）史数字化'] = df_feature['心理治疗（咨询）史'].apply(lambda x: 0.09 if x in ['无', '没有'] else 0.21)
+
+# 强迫症状数字化
+df_feature['强迫症状数字化'] = df_feature['强迫症状'] / 4
+
+# 人际关系敏感数字化
+df_feature['人际关系敏感数字化'] = df_feature['人际关系敏感'] / 4
+
+# 抑郁症状数字化
+df_feature['抑郁症状数字化'] = df_feature['抑郁'] / 4
+
+# 计算多因子症状
+df_feature['多因子症状'] = df_feature[['躯体化', '强迫症状', '人际关系敏感', '抑郁', '焦虑', '敌对', '恐怖', '偏执', '精神病性', '其他']].apply(lambda x: sum(x > 3.0) / 10, axis=1)
+
+# 保存处理后的表
+df_feature.to_excel("feature_processed.xlsx", index=False)

record.txt

@@ -20,7 +20,7 @@
 姓名重合：莫琰,莫䶮
 
 2023年7月3日
-完成学业预警统计统计，去除错误数据
+完成学业预警统计统计，去除错误数据，一个错误
 姓名重合：扎西尼玛, 扎西尼马
 
 2023年7月8日
@@ -29,3 +29,8 @@
 2023年7月12日
 最后筛选出需要的特征
 
+2023年7月13日
+按照特征数字量化表的要求，完成了除学业和考勤外所有特征的量化，在Feature_Processed_2.py这个文件中处理，进一步统计特征，学业和出勤特征没有进一步统计进去
+
+
+