Python打造个人健康追踪系统

在这个快节奏的时代，健康成为了每个人最为关注的话题之一。如何高效地管理自己的健康状况，成为了许多人追求的目标。今天，我们将用Python语言，打造一个简单易用的个人健康追踪系统，帮助你实时监控身体状况，迈向更健康的生活。

Python打造个人健康追踪系统

系统设计思路

首先，我们需要明确系统的核心功能。一个基本的健康追踪系统应包括以下几部分：

数据录入：记录用户的体重、心率、步数等基础健康数据。
数据存储：将录入的数据保存到本地文件或数据库中。
数据分析：对存储的数据进行分析，生成健康报告。
可视化展示：将分析结果以图表形式展示，便于用户直观了解。

环境准备

在开始编写代码之前，我们需要安装一些必要的库。这里我们主要使用pandas进行数据处理，matplotlib进行数据可视化。

pip install pandas matplotlib

代码实现

1. 数据录入

首先，我们设计一个简单的数据录入功能，让用户可以输入自己的健康数据。

import pandas as pd
from datetime import datetime

def input_health_data():
    data = {
        '日期': [datetime.now().strftime('%Y-%m-%d')],
        '体重': [float(input("请输入体重（kg）："))],
        '心率': [int(input("请输入心率（次/分钟）："))],
        '步数': [int(input("请输入步数："))]
    }
    return pd.DataFrame(data)

health_data = input_health_data()

2. 数据存储

我们将用户输入的数据保存到一个CSV文件中，以便后续分析和展示。

def save_data(df, filename='health_data.csv'):
    try:
        existing_data = pd.read_csv(filename)
        updated_data = pd.concat([existing_data, df], ignore_index=True)
        updated_data.to_csv(filename, index=False)
    except FileNotFoundError:
        df.to_csv(filename, index=False)

save_data(health_data)

3. 数据分析

接下来，我们编写一个简单的数据分析函数，计算用户的平均体重、心率和步数。

def analyze_data(filename='health_data.csv'):
    data = pd.read_csv(filename)
    avg_weight = data['体重'].mean()
    avg_heart_rate = data['心率'].mean()
    avg_steps = data['步数'].mean()
    return avg_weight, avg_heart_rate, avg_steps

avg_weight, avg_heart_rate, avg_steps = analyze_data()
print(f"平均体重：{avg_weight:.2f} kg")
print(f"平均心率：{avg_heart_rate:.2f} 次/分钟")
print(f"平均步数：{avg_steps:.2f} 步")

4. 数据可视化

最后，我们将分析结果以图表形式展示，使用matplotlib库生成折线图。

import matplotlib.pyplot as plt

def plot_data(filename='health_data.csv'):
    data = pd.read_csv(filename)
    data['日期'] = pd.to_datetime(data['日期'])
    plt.figure(figsize=(10, 6))

    plt.subplot(3, 1, 1)
    plt.plot(data['日期'], data['体重'], marker='o')
    plt.title('体重变化趋势')
    plt.xlabel('日期')
    plt.ylabel('体重 (kg)')

    plt.subplot(3, 1, 2)
    plt.plot(data['日期'], data['心率'], marker='o', color='green')
    plt.title('心率变化趋势')
    plt.xlabel('日期')
    plt.ylabel('心率 (次/分钟)')

    plt.subplot(3, 1, 3)
    plt.plot(data['日期'], data['步数'], marker='o', color='red')
    plt.title('步数变化趋势')
    plt.xlabel('日期')
    plt.ylabel('步数')

    plt.tight_layout()
    plt.show()

plot_data()