A

test/.claude/settings.local.json

@@ -0,0 +1,10 @@
+{
+  "permissions": {
+    "allow": [
+      "Bash(python -c \"import pandas as pd; df = pd.read_excel\\('data/心血管疾病.xlsx', nrows=5\\); print\\('Columns:', df.columns.tolist\\(\\)\\); print\\('Data types:', df.dtypes\\); print\\('Sample data:'\\); print\\(df.head\\(\\)\\)\")",
+      "Bash(\"D:\\\\software\\\\anaconda\\\\Scripts\\\\conda.exe\" run:*)",
+      "Bash(\"D:\\\\software\\\\anaconda\\\\envs\\\\cardioenv\\\\python.exe\" module1_dashboard/test_data.py)",
+      "Bash(\"D:\\\\software\\\\anaconda\\\\envs\\\\cardioenv\\\\python.exe\" -m streamlit run module1_dashboard/cardio_dashboard.py --help)"
+    ]
+  }
+}

test/.env

@@ -0,0 +1,36 @@
+# CardioAI Configuration
+# Environment variables for the cardiovascular disease intelligent assistant system
+
+# Data file path (relative to project root)
+DATA_PATH=./data/心血管疾病.xlsx
+
+# Flask server configuration
+FLASK_APP=module2_predictor/app.py
+FLASK_ENV=development
+FLASK_DEBUG=True
+FLASK_HOST=0.0.0.0
+FLASK_PORT=5000
+
+# Streamlit dashboard configuration
+STREAMLIT_PORT=8501
+STREAMLIT_THEME=light
+
+# AI Model API Keys (replace with your actual keys)
+# DeepSeek API (from dashscope)
+DASHSCOPE_API_KEY=your_dashscope_api_key_here
+
+# OpenAI API (for langchain-openai, if used)
+OPENAI_API_KEY=your_openai_api_key_here
+
+# Voice assistant configuration
+VOICE_ASSISTANT_PORT=5001
+VOICE_ASSISTANT_HOST=0.0.0.0
+
+# Model file paths (will be generated during training)
+MODEL_PATH=./module2_predictor/models/xgb_model.pkl
+SCALER_PATH=./module2_predictor/models/scaler.pkl
+ENCODER_PATH=./module2_predictor/models/encoder.pkl
+
+# Feature configuration
+NUMERICAL_FEATURES=age,trestbps,chol,thalach,oldpeak
+CATEGORICAL_FEATURES=sex,cp,fbs,restecg,exang,slope,ca,thal

test/.idea/.gitignore

@@ -0,0 +1,8 @@
+# 默认忽略的文件
+/shelf/
+/workspace.xml
+# 基于编辑器的 HTTP 客户端请求
+/httpRequests/
+# Datasource local storage ignored files
+/dataSources/
+/dataSources.local.xml

test/.idea/inspectionProfiles/profiles_settings.xml

@@ -0,0 +1,6 @@
+<component name="InspectionProjectProfileManager">
+  <settings>
+    <option name="USE_PROJECT_PROFILE" value="false" />
+    <version value="1.0" />
+  </settings>
+</component>

test/.idea/misc.xml

@@ -0,0 +1,4 @@
+<?xml version="1.0" encoding="UTF-8"?>
+<project version="4">
+  <component name="ProjectRootManager" version="2" project-jdk-name="cardioenv" project-jdk-type="Python SDK" />
+</project>

test/.idea/modules.xml

@@ -0,0 +1,8 @@
+<?xml version="1.0" encoding="UTF-8"?>
+<project version="4">
+  <component name="ProjectModuleManager">
+    <modules>
+      <module fileurl="file://$PROJECT_DIR$/.idea/test.iml" filepath="$PROJECT_DIR$/.idea/test.iml" />
+    </modules>
+  </component>
+</project>

test/.idea/test.iml

@@ -0,0 +1,16 @@
+<?xml version="1.0" encoding="UTF-8"?>
+<module type="PYTHON_MODULE" version="4">
+  <component name="NewModuleRootManager">
+    <content url="file://$MODULE_DIR$" />
+    <orderEntry type="jdk" jdkName="cardioenv" jdkType="Python SDK" />
+    <orderEntry type="sourceFolder" forTests="false" />
+  </component>
+  <component name="TemplatesService">
+    <option name="TEMPLATE_CONFIGURATION" value="Jinja2" />
+    <option name="TEMPLATE_FOLDERS">
+      <list>
+        <option value="$MODULE_DIR$/module2_predictor/templates" />
+      </list>
+    </option>
+  </component>
+</module>

test/.idea/vcs.xml

@@ -0,0 +1,6 @@
+<?xml version="1.0" encoding="UTF-8"?>
+<project version="4">
+  <component name="VcsDirectoryMappings">
+    <mapping directory="$PROJECT_DIR$/.." vcs="Git" />
+  </component>
+</project>

test/README.md

@@ -0,0 +1,264 @@
+# CardioAI - 心血管疾病智能辅助系统
+
+## 项目概述
+
+CardioAI是一个多模块应用系统，集成了数据可视化、机器学习预测和AI语音问答功能，用于心血管疾病的智能辅助分析和诊断。
+
+### 系统模块
+
+1. **Module 1: 数据可视化仪表板** (Streamlit) - 本模块
+   - 数据清洗与特征工程
+   - 交互式数据筛选
+   - 可视化分析图表
+
+2. **Module 2: 机器学习预测器** (Flask + XGBoost)
+   - 心血管疾病风险预测模型
+   - RESTful API接口
+   - 实时预测服务
+
+3. **Module 3: AI语音助手** (DeepSeek + CosyVoice)
+   - 自然语言问答
+   - 语音交互界面
+   - 疾病知识查询
+
+## Module 1: 数据可视化仪表板
+
+### 功能特性
+
+- ✅ **数据加载与清洗**: 自动处理异常值和缺失数据
+- ✅ **特征工程**: 年龄转换、BMI计算、类别编码
+- ✅ **交互式筛选**: 侧边栏多维度数据筛选
+- ✅ **可视化分析**: Plotly交互式图表
+- ✅ **性能优化**: 使用缓存加速数据加载
+
+### 数据处理流程
+
+1. **数据加载**: 从Excel文件加载原始数据
+2. **年龄转换**: 将天数转换为年数（四舍五入）
+3. **BMI计算**: `BMI = 体重(kg) / (身高(m)^2)`
+4. **异常值处理**:
+   - 删除舒张压 ≥ 收缩压的记录
+   - 删除收缩压不在[90, 250] mmHg范围的记录
+   - 删除舒张压不在[60, 150] mmHg范围的记录
+5. **类别转换**:
+   - 胆固醇水平: 1=正常, 2=高于正常, 3=极高
+   - 血糖水平: 1=正常, 2=高于正常, 3=极高
+   - 性别: 1=女性, 2=男性
+   - BMI分类: <18.5=偏瘦, 18.5-24.9=正常, 25-29.9=超重, ≥30=肥胖
+
+### 快速开始
+
+#### 1. 环境配置
+
+```bash
+# 创建并激活conda虚拟环境
+conda create -n cardioenv python=3.10
+conda activate cardioenv
+
+# 安装依赖包
+pip install -r requirements.txt
+```
+
+#### 2. 数据准备
+
+确保数据文件位于正确路径：
+```
+项目根目录/
+├── data/
+│   └── 心血管疾病.xlsx
+└── module1_dashboard/
+    └── cardio_dashboard.py
+```
+
+#### 3. 启动仪表板
+
+```bash
+# 进入项目根目录
+cd D:\Project\PythonProject\AIcode\test
+
+# 激活conda环境
+conda activate cardioenv
+
+# 启动Streamlit应用程序
+streamlit run module1_dashboard/cardio_dashboard.py
+```
+
+或者使用conda直接运行：
+
+```bash
+"D:\software\anaconda\Scripts\conda.exe" run -n cardioenv streamlit run module1_dashboard/cardio_dashboard.py
+```
+
+#### 4. 访问应用
+
+打开浏览器，访问: [http://localhost:8501](http://localhost:8501)
+
+### 界面说明
+
+#### 侧边栏筛选器
+- **年龄范围**: 滑动选择器，筛选指定年龄范围的记录
+- **性别**: 多选框，选择要分析的性别（女性/男性）
+- **心血管疾病状态**: 多选框，选择疾病状态（有/无）
+- **BMI分类**: 多选框，选择BMI分类（偏瘦/正常/超重/肥胖）
+- **胆固醇水平**: 多选框，选择胆固醇水平
+- **血糖水平**: 多选框，选择血糖水平
+
+#### 主界面区域
+
+1. **关键指标面板**
+   - 筛选后记录数
+   - 心血管疾病风险率
+   - 平均年龄
+   - 平均BMI
+
+2. **数据可视化图表**
+   - 年龄分布与心血管疾病关系直方图
+   - BMI分类对心血管疾病影响的堆叠柱状图
+   - 血压关系散点图
+   - 胆固醇水平分布饼图
+   - 血糖水平分布饼图
+
+3. **数据预览**
+   - 数据摘要（形状、类型、缺失值）
+   - 原始数据表格（可自定义显示的列）
+
+### 配置文件说明
+
+`.env` 文件包含以下配置项：
+
+```ini
+# 数据文件路径
+DATA_PATH=./data/心血管疾病.xlsx
+
+# Flask服务器配置
+FLASK_APP=module2_predictor/app.py
+FLASK_ENV=development
+
+# Streamlit配置
+STREAMLIT_PORT=8501
+
+# AI模型API密钥（需要替换为实际值）
+DASHSCOPE_API_KEY=your_dashscope_api_key_here
+OPENAI_API_KEY=your_openai_api_key_here
+
+# 模型文件路径
+MODEL_PATH=./module2_predictor/models/xgb_model.pkl
+```
+
+### 依赖包说明
+
+详细依赖见 `requirements.txt`：
+
+- **数据处理**: pandas, numpy, openpyxl
+- **机器学习**: scikit-learn, xgboost, joblib
+- **可视化**: streamlit, plotly
+- **Web服务**: Flask
+- **环境管理**: python-dotenv
+- **AI集成**: langchain-openai, dashscope, requests
+
+### 常见问题
+
+#### Q1: 数据加载失败
+**症状**: 应用程序无法启动，提示文件找不到或格式错误
+**解决**:
+1. 检查 `data/心血管疾病.xlsx` 文件是否存在
+2. 确认文件格式为Excel 2007+ (.xlsx)
+3. 检查文件编码，确保不是二进制损坏
+
+#### Q2: 图表显示异常
+**症状**: 图表不显示或显示错误
+**解决**:
+1. 检查Plotly是否正确安装：`pip install plotly`
+2. 确保数据经过正确清洗，没有无限值或NaN
+3. 检查筛选条件是否过于严格导致无数据
+
+#### Q3: 应用程序运行缓慢
+**症状**: 页面响应慢，筛选操作延迟
+**解决**:
+1. 利用 `@st.cache_data` 装饰器的缓存功能
+2. 减少一次性加载的数据量
+3. 优化图表复杂度，减少数据点数量
+
+#### Q4: 中文显示乱码
+**症状**: 中文文字显示为乱码
+**解决**:
+1. 确保系统支持中文字体
+2. Streamlit默认支持UTF-8编码，检查源代码文件保存为UTF-8
+3. 在Windows系统上，设置控制台编码为UTF-8
+
+### 开发说明
+
+#### 项目结构
+```
+D:\Project\PythonProject\AIcode\test\
+├── data\                   # 数据文件目录
+│   └── 心血管疾病.xlsx
+├── module1_dashboard\     # 数据可视化模块
+│   ├── cardio_dashboard.py
+│   └── test_data.py
+├── module2_predictor\     # 机器学习预测模块
+│   └── templates\
+├── module3_voice_assistant\ # AI语音助手模块
+│   └── templates\
+├── requirements.txt       # Python依赖包
+├── .env                  # 环境配置
+└── README.md            # 项目文档
+```
+
+#### 代码结构
+- `load_and_process_data()`: 数据加载和清洗主函数，使用 `@st.cache_data` 缓存
+- `create_filters()`: 创建侧边栏筛选器组件
+- `apply_filters()`: 应用筛选条件到数据框
+- `display_metrics()`: 显示关键指标卡片
+- `create_visualizations()`: 创建所有可视化图表
+- `display_data_preview()`: 显示数据预览和摘要
+
+#### 扩展开发
+
+1. **添加新图表**
+   ```python
+   def create_new_chart(df):
+       fig = px.scatter(df, x='column1', y='column2', color='cardio_str')
+       st.plotly_chart(fig, use_container_width=True)
+   ```
+
+2. **添加新筛选器**
+   ```python
+   # 在create_filters函数中添加
+   new_filter = st.sidebar.selectbox("新筛选器", options=['选项1', '选项2'])
+   ```
+
+3. **自定义样式**
+   ```python
+   st.markdown("""
+   <style>
+       .custom-class { color: blue; }
+   </style>
+   """, unsafe_allow_html=True)
+   ```
+
+### 性能优化建议
+
+1. **数据缓存**: 所有数据处理函数使用 `@st.cache_data` 装饰器
+2. **增量加载**: 对于大型数据集，考虑分页或懒加载
+3. **图表优化**: 使用采样或聚合减少数据点数量
+4. **异步处理**: 长时间操作使用异步函数避免阻塞UI
+
+### 下一步计划
+
+1. **Module 2开发**: 实现XGBoost预测模型和Flask API
+2. **Module 3开发**: 集成DeepSeek和CosyVoice语音助手
+3. **功能增强**: 添加数据导出、报告生成功能
+4. **部署优化**: Docker容器化，云平台部署
+
+### 技术支持
+
+- **问题反馈**: 检查GitHub Issues或联系开发团队
+- **文档更新**: 随着功能迭代保持文档同步
+- **版本管理**: 使用Git进行版本控制，定期发布稳定版本
+
+---
+
+**版权所有 © 2024 CardioAI项目组**  
+**版本**: 1.0.0  
+**最后更新**: 2024-04-02

test/module1_dashboard/cardio_dashboard.py

@@ -0,0 +1,581 @@
+#!/usr/bin/env python
+# -*- coding: utf-8 -*-
+"""
+CardioAI - 心血管疾病智能辅助系统
+数据可视化仪表板模块
+
+功能：
+1. 数据加载与清洗
+2. 特征工程（年龄转换、BMI计算、类别转换）
+3. 交互式数据筛选
+4. 可视化分析（Plotly图表）
+"""
+
+import streamlit as st
+import pandas as pd
+import numpy as np
+import plotly.express as px
+import plotly.graph_objects as go
+from pathlib import Path
+import sys
+import os
+
+# 设置页面配置
+st.set_page_config(
+    page_title="CardioAI - 心血管疾病分析仪表板",
+    page_icon="❤️",
+    layout="wide",
+    initial_sidebar_state="expanded"
+)
+
+# 添加项目根目录到Python路径，确保可以导入其他模块
+project_root = Path(__file__).parent.parent
+sys.path.append(str(project_root))
+
+# 设置中文显示
+st.markdown("""
+<style>
+    .main-header {
+        font-size: 2.5rem;
+        color: #e63946;
+        text-align: center;
+        margin-bottom: 2rem;
+        font-weight: bold;
+    }
+    .sub-header {
+        font-size: 1.5rem;
+        color: #457b9d;
+        margin-top: 1.5rem;
+        margin-bottom: 1rem;
+        font-weight: bold;
+    }
+    .metric-card {
+        background-color: #f1faee;
+        padding: 1.5rem;
+        border-radius: 10px;
+        border-left: 5px solid #1d3557;
+        margin-bottom: 1rem;
+    }
+    .stButton>button {
+        background-color: #1d3557;
+        color: white;
+        border: none;
+        padding: 0.5rem 1rem;
+        border-radius: 5px;
+    }
+</style>
+""", unsafe_allow_html=True)
+
+# 数据文件路径
+DATA_PATH = Path(__file__).parent.parent / "data" / "心血管疾病.xlsx"
+
+@st.cache_data(show_spinner="正在加载和清洗数据...")
+def load_and_process_data():
+    """
+    加载Excel数据并进行清洗和特征工程
+
+    返回:
+        pd.DataFrame: 处理后的数据框
+    """
+    try:
+        # 加载数据
+        st.info(f"正在从 {DATA_PATH} 加载数据...")
+        df = pd.read_excel(DATA_PATH)
+
+        # 检查必要列是否存在
+        required_columns = ['age', 'gender', 'height', 'weight', 'ap_hi', 'ap_lo',
+                           'cholesterol', 'gluc', 'cardio']
+        missing_columns = [col for col in required_columns if col not in df.columns]
+        if missing_columns:
+            st.error(f"数据文件中缺少必要列: {missing_columns}")
+            return pd.DataFrame()
+
+        # 创建数据副本
+        df_processed = df.copy()
+
+        # 1. 年龄转换：从天转换为年（四舍五入）
+        df_processed['age_years'] = (df_processed['age'] / 365.25).round().astype(int)
+
+        # 2. 计算BMI: BMI = weight(kg) / (height(m)^2)
+        # 注意：height数据单位为厘米，需要转换为米
+        df_processed['bmi'] = df_processed['weight'] / ((df_processed['height'] / 100) ** 2)
+        df_processed['bmi'] = df_processed['bmi'].round(2)
+
+        # 3. 异常值处理
+        # 删除舒张压 >= 收缩压的记录
+        invalid_bp = df_processed['ap_lo'] >= df_processed['ap_hi']
+        if invalid_bp.any():
+            st.warning(f"删除 {invalid_bp.sum()} 条舒张压 >= 收缩压的异常记录")
+            df_processed = df_processed[~invalid_bp].copy()
+
+        # 删除血压极端异常值
+        # 收缩压 ∈ [90, 250], 舒张压 ∈ [60, 150]
+        bp_outliers = ~((df_processed['ap_hi'] >= 90) & (df_processed['ap_hi'] <= 250) &
+                       (df_processed['ap_lo'] >= 60) & (df_processed['ap_lo'] <= 150))
+        if bp_outliers.any():
+            st.warning(f"删除 {bp_outliers.sum()} 条血压极端异常值记录")
+            df_processed = df_processed[~bp_outliers].copy()
+
+        # 4. 类别转换
+        # cholesterol转换
+        cholesterol_map = {
+            1: "正常",
+            2: "高于正常",
+            3: "极高"
+        }
+        df_processed['cholesterol_str'] = df_processed['cholesterol'].map(cholesterol_map)
+
+        # gluc转换
+        gluc_map = {
+            1: "正常",
+            2: "高于正常",
+            3: "极高"
+        }
+        df_processed['gluc_str'] = df_processed['gluc'].map(gluc_map)
+
+        # gender转换
+        gender_map = {
+            1: "女性",
+            2: "男性"
+        }
+        df_processed['gender_str'] = df_processed['gender'].map(gender_map)
+
+        # cardio转换
+        cardio_map = {
+            0: "无心血管疾病",
+            1: "有心血管疾病"
+        }
+        df_processed['cardio_str'] = df_processed['cardio'].map(cardio_map)
+
+        # 5. BMI分类
+        def categorize_bmi(bmi):
+            if bmi < 18.5:
+                return "偏瘦"
+            elif 18.5 <= bmi < 24.9:
+                return "正常"
+            elif 25 <= bmi < 29.9:
+                return "超重"
+            else:
+                return "肥胖"
+
+        df_processed['bmi_category'] = df_processed['bmi'].apply(categorize_bmi)
+
+        # 记录处理后的数据信息
+        st.success(f"数据加载和清洗完成！共处理 {len(df_processed)} 条记录")
+        st.info(f"原始数据: {len(df)} 条记录, 清洗后: {len(df_processed)} 条记录")
+
+        return df_processed
+
+    except Exception as e:
+        st.error(f"数据加载失败: {str(e)}")
+        return pd.DataFrame()
+
+def create_filters(df):
+    """
+    创建侧边栏筛选器
+
+    参数:
+        df: 处理后的数据框
+
+    返回:
+        dict: 筛选条件字典
+    """
+    st.sidebar.markdown("## 🔍 数据筛选")
+
+    # 年龄范围筛选
+    min_age = int(df['age_years'].min())
+    max_age = int(df['age_years'].max())
+    age_range = st.sidebar.slider(
+        "选择年龄范围:",
+        min_value=min_age,
+        max_value=max_age,
+        value=(min_age, max_age),
+        help="筛选指定年龄范围内的记录"
+    )
+
+    # 性别筛选
+    gender_options = df['gender_str'].unique().tolist()
+    selected_genders = st.sidebar.multiselect(
+        "选择性别:",
+        options=gender_options,
+        default=gender_options,
+        help="选择要分析的性别"
+    )
+
+    # 心血管疾病状态筛选
+    cardio_options = df['cardio_str'].unique().tolist()
+    selected_cardio = st.sidebar.multiselect(
+        "选择心血管疾病状态:",
+        options=cardio_options,
+        default=cardio_options,
+        help="选择要分析的心血管疾病状态"
+    )
+
+    # BMI分类筛选
+    bmi_options = df['bmi_category'].unique().tolist()
+    selected_bmi = st.sidebar.multiselect(
+        "选择BMI分类:",
+        options=bmi_options,
+        default=bmi_options,
+        help="选择要分析的BMI分类"
+    )
+
+    # 胆固醇水平筛选
+    cholesterol_options = df['cholesterol_str'].unique().tolist()
+    selected_cholesterol = st.sidebar.multiselect(
+        "选择胆固醇水平:",
+        options=cholesterol_options,
+        default=cholesterol_options,
+        help="选择要分析的胆固醇水平"
+    )
+
+    # 血糖水平筛选
+    gluc_options = df['gluc_str'].unique().tolist()
+    selected_gluc = st.sidebar.multiselect(
+        "选择血糖水平:",
+        options=gluc_options,
+        default=gluc_options,
+        help="选择要分析的血糖水平"
+    )
+
+    return {
+        'age_range': age_range,
+        'genders': selected_genders,
+        'cardio': selected_cardio,
+        'bmi_categories': selected_bmi,
+        'cholesterol': selected_cholesterol,
+        'gluc': selected_gluc
+    }
+
+def apply_filters(df, filters):
+    """
+    应用筛选条件到数据框
+
+    参数:
+        df: 原始数据框
+        filters: 筛选条件字典
+
+    返回:
+        pd.DataFrame: 筛选后的数据框
+    """
+    filtered_df = df.copy()
+
+    # 应用年龄筛选
+    filtered_df = filtered_df[
+        (filtered_df['age_years'] >= filters['age_range'][0]) &
+        (filtered_df['age_years'] <= filters['age_range'][1])
+    ]
+
+    # 应用性别筛选
+    if filters['genders']:
+        filtered_df = filtered_df[filtered_df['gender_str'].isin(filters['genders'])]
+
+    # 应用心血管疾病筛选
+    if filters['cardio']:
+        filtered_df = filtered_df[filtered_df['cardio_str'].isin(filters['cardio'])]
+
+    # 应用BMI分类筛选
+    if filters['bmi_categories']:
+        filtered_df = filtered_df[filtered_df['bmi_category'].isin(filters['bmi_categories'])]
+
+    # 应用胆固醇筛选
+    if filters['cholesterol']:
+        filtered_df = filtered_df[filtered_df['cholesterol_str'].isin(filters['cholesterol'])]
+
+    # 应用血糖筛选
+    if filters['gluc']:
+        filtered_df = filtered_df[filtered_df['gluc_str'].isin(filters['gluc'])]
+
+    return filtered_df
+
+def display_metrics(filtered_df, original_df):
+    """
+    显示关键指标
+
+    参数:
+        filtered_df: 筛选后的数据框
+        original_df: 原始数据框
+    """
+    col1, col2, col3, col4 = st.columns(4)
+
+    with col1:
+        st.metric(
+            label="筛选后记录数",
+            value=f"{len(filtered_df):,}",
+            delta=f"{len(filtered_df) - len(original_df):+,}"
+        )
+
+    with col2:
+        # 心血管疾病风险率
+        if len(filtered_df) > 0:
+            risk_rate = (filtered_df['cardio'].sum() / len(filtered_df) * 100).round(2)
+            st.metric(
+                label="心血管疾病风险率",
+                value=f"{risk_rate}%",
+                help="当前筛选条件下心血管疾病患者比例"
+            )
+        else:
+            st.metric(label="心血管疾病风险率", value="N/A")
+
+    with col3:
+        # 平均年龄
+        if len(filtered_df) > 0:
+            avg_age = filtered_df['age_years'].mean().round(1)
+            st.metric(
+                label="平均年龄",
+                value=f"{avg_age} 岁",
+                help="当前筛选条件下的平均年龄"
+            )
+        else:
+            st.metric(label="平均年龄", value="N/A")
+
+    with col4:
+        # 平均BMI
+        if len(filtered_df) > 0:
+            avg_bmi = filtered_df['bmi'].mean().round(1)
+            st.metric(
+                label="平均BMI",
+                value=str(avg_bmi),
+                help="当前筛选条件下的平均身体质量指数"
+            )
+        else:
+            st.metric(label="平均BMI", value="N/A")
+
+def create_visualizations(df):
+    """
+    创建可视化图表
+
+    参数:
+        df: 要可视化的数据框
+    """
+    if len(df) == 0:
+        st.warning("没有可用的数据进行可视化")
+        return
+
+    st.markdown("## 📊 数据可视化分析")
+
+    # 图1: 年龄分布直方图（按心血管疾病状态区分）
+    col1, col2 = st.columns(2)
+
+    with col1:
+        st.markdown("### 年龄分布分析")
+        fig_age = px.histogram(
+            df,
+            x='age_years',
+            color='cardio_str',
+            nbins=30,
+            barmode='overlay',
+            opacity=0.7,
+            labels={
+                'age_years': '年龄（岁）',
+                'cardio_str': '心血管疾病状态',
+                'count': '人数'
+            },
+            title="年龄分布与心血管疾病关系",
+            color_discrete_map={
+                "有心血管疾病": "#e63946",
+                "无心血管疾病": "#457b9d"
+            }
+        )
+        fig_age.update_layout(
+            legend_title="疾病状态",
+            hovermode='x unified'
+        )
+        st.plotly_chart(fig_age, use_container_width=True)
+
+    with col2:
+        st.markdown("### BMI分类与心血管疾病关系")
+        # 创建交叉表
+        bmi_cardio_cross = pd.crosstab(
+            df['bmi_category'],
+            df['cardio_str'],
+            normalize='index'
+        ).reset_index()
+
+        # 转换为长格式
+        bmi_cardio_long = bmi_cardio_cross.melt(
+            id_vars='bmi_category',
+            var_name='cardio_status',
+            value_name='proportion'
+        )
+
+        fig_bmi = px.bar(
+            bmi_cardio_long,
+            x='bmi_category',
+            y='proportion',
+            color='cardio_status',
+            barmode='stack',
+            labels={
+                'bmi_category': 'BMI分类',
+                'proportion': '比例',
+                'cardio_status': '心血管疾病状态'
+            },
+            title="BMI分类对心血管疾病的影响",
+            color_discrete_map={
+                "有心血管疾病": "#e63946",
+                "无心血管疾病": "#457b9d"
+            }
+        )
+        fig_bmi.update_layout(
+            yaxis_tickformat='.1%',
+            legend_title="疾病状态"
+        )
+        st.plotly_chart(fig_bmi, use_container_width=True)
+
+    # 图3: 血压关系散点图
+    st.markdown("### 血压关系分析")
+    fig_bp = px.scatter(
+        df,
+        x='ap_hi',
+        y='ap_lo',
+        color='cardio_str',
+        size='bmi',
+        hover_data=['age_years', 'gender_str', 'cholesterol_str'],
+        labels={
+            'ap_hi': '收缩压 (mmHg)',
+            'ap_lo': '舒张压 (mmHg)',
+            'cardio_str': '心血管疾病状态',
+            'bmi': 'BMI'
+        },
+        title="血压关系散点图",
+        color_discrete_map={
+            "有心血管疾病": "#e63946",
+            "无心血管疾病": "#457b9d"
+        }
+    )
+    fig_bp.update_layout(legend_title="疾病状态")
+    st.plotly_chart(fig_bp, use_container_width=True)
+
+    # 图4: 胆固醇和血糖水平分析
+    col3, col4 = st.columns(2)
+
+    with col3:
+        st.markdown("### 胆固醇水平分布")
+        cholesterol_counts = df['cholesterol_str'].value_counts().reset_index()
+        cholesterol_counts.columns = ['cholesterol_level', 'count']
+
+        fig_chol = px.pie(
+            cholesterol_counts,
+            values='count',
+            names='cholesterol_level',
+            title="胆固醇水平分布",
+            color_discrete_sequence=px.colors.sequential.RdBu
+        )
+        fig_chol.update_traces(textposition='inside', textinfo='percent+label')
+        st.plotly_chart(fig_chol, use_container_width=True)
+
+    with col4:
+        st.markdown("### 血糖水平分布")
+        gluc_counts = df['gluc_str'].value_counts().reset_index()
+        gluc_counts.columns = ['gluc_level', 'count']
+
+        fig_gluc = px.pie(
+            gluc_counts,
+            values='count',
+            names='gluc_level',
+            title="血糖水平分布",
+            color_discrete_sequence=px.colors.sequential.Blues
+        )
+        fig_gluc.update_traces(textposition='inside', textinfo='percent+label')
+        st.plotly_chart(fig_gluc, use_container_width=True)
+
+def display_data_preview(df):
+    """
+    显示数据预览
+
+    参数:
+        df: 要预览的数据框
+    """
+    st.markdown("## 📋 数据预览")
+
+    # 显示数据摘要
+    with st.expander("数据摘要", expanded=False):
+        col1, col2 = st.columns(2)
+        with col1:
+            st.write("**数据形状:**", df.shape)
+            st.write("**数据类型:**")
+            st.write(df.dtypes.astype(str).reset_index().rename(columns={0: '类型', 'index': '列名'}))
+
+        with col2:
+            st.write("**缺失值统计:**")
+            missing = df.isnull().sum().reset_index()
+            missing.columns = ['列名', '缺失值数量']
+            missing = missing[missing['缺失值数量'] > 0]
+            if len(missing) > 0:
+                st.write(missing)
+            else:
+                st.write("无缺失值")
+
+    # 显示数据表格
+    with st.expander("查看原始数据", expanded=False):
+        # 选择要显示的列
+        available_columns = df.columns.tolist()
+        default_columns = ['age_years', 'gender_str', 'bmi', 'bmi_category',
+                          'ap_hi', 'ap_lo', 'cholesterol_str', 'gluc_str', 'cardio_str']
+
+        selected_columns = st.multiselect(
+            "选择要显示的列:",
+            options=available_columns,
+            default=default_columns
+        )
+
+        if selected_columns:
+            display_df = df[selected_columns].copy()
+            st.dataframe(display_df.head(100), use_container_width=True)
+            st.caption(f"显示前 100 行（共 {len(df)} 行）")
+        else:
+            st.info("请选择要显示的列")
+
+def main():
+    """
+    主函数
+    """
+    # 标题
+    st.markdown('<h1 class="main-header">❤️ CardioAI - 心血管疾病智能分析仪表板</h1>', unsafe_allow_html=True)
+    st.markdown("---")
+
+    # 加载数据
+    with st.spinner("正在加载数据，请稍候..."):
+        df = load_and_process_data()
+
+    if df.empty:
+        st.error("数据加载失败，请检查数据文件路径和格式")
+        return
+
+    # 创建筛选器
+    filters = create_filters(df)
+
+    # 应用筛选
+    filtered_df = apply_filters(df, filters)
+
+    # 显示关键指标
+    st.markdown("## 📈 关键指标")
+    display_metrics(filtered_df, df)
+
+    # 显示数据预览
+    display_data_preview(filtered_df)
+
+    # 创建可视化图表
+    create_visualizations(filtered_df)
+
+    # 侧边栏信息
+    st.sidebar.markdown("---")
+    st.sidebar.markdown("## ℹ️ 使用说明")
+    st.sidebar.info("""
+    1. 使用左侧筛选器选择要分析的数据子集
+    2. 查看上方的关键指标了解数据概况
+    3. 探索下方的可视化图表分析趋势和关系
+    4. 点击数据预览查看详细数据
+    """)
+
+    st.sidebar.markdown("## 📊 数据说明")
+    st.sidebar.info("""
+    - **年龄**: 原始数据为天数，已转换为岁数
+    - **BMI**: 身体质量指数，计算公式：体重(kg)/身高(m)²
+    - **血压**: 收缩压(ap_hi)和舒张压(ap_lo)
+    - **胆固醇/血糖**: 1=正常, 2=高于正常, 3=极高
+    - **心血管疾病**: 0=无, 1=有
+    """)
+
+if __name__ == "__main__":
+    main()

test/module1_dashboard/test_data.py

@@ -0,0 +1,84 @@
+#!/usr/bin/env python
+# -*- coding: utf-8 -*-
+"""
+测试数据加载和处理的脚本
+"""
+
+import sys
+import os
+
+# 添加父目录到路径
+sys.path.append(os.path.dirname(os.path.dirname(os.path.abspath(__file__))))
+
+# 导入数据处理函数
+from cardio_dashboard import load_and_process_data
+
+def test_data_loading():
+    """测试数据加载和清洗功能"""
+    print("开始测试数据加载和清洗...")
+
+    try:
+        # 加载数据
+        df = load_and_process_data()
+
+        if df.empty:
+            print("❌ 数据加载失败：返回空数据框")
+            return False
+
+        print(f"✅ 数据加载成功！共 {len(df)} 条记录")
+
+        # 检查必要的列
+        required_columns = ['age_years', 'bmi', 'bmi_category', 'cholesterol_str',
+                          'gluc_str', 'gender_str', 'cardio_str', 'ap_hi', 'ap_lo']
+
+        missing_columns = [col for col in required_columns if col not in df.columns]
+        if missing_columns:
+            print(f"❌ 缺少必要的列: {missing_columns}")
+            return False
+
+        print("✅ 所有必要的列都存在")
+
+        # 检查数据类型
+        print("\n数据摘要:")
+        print(f"- 年龄范围: {df['age_years'].min()} ~ {df['age_years'].max()} 岁")
+        print(f"- BMI范围: {df['bmi'].min():.1f} ~ {df['bmi'].max():.1f}")
+        print(f"- 收缩压范围: {df['ap_hi'].min()} ~ {df['ap_hi'].max()} mmHg")
+        print(f"- 舒张压范围: {df['ap_lo'].min()} ~ {df['ap_lo'].max()} mmHg")
+
+        # 检查类别转换
+        print("\n类别分布:")
+        print(f"- 性别: {df['gender_str'].value_counts().to_dict()}")
+        print(f"- 心血管疾病: {df['cardio_str'].value_counts().to_dict()}")
+        print(f"- BMI分类: {df['bmi_category'].value_counts().to_dict()}")
+        print(f"- 胆固醇水平: {df['cholesterol_str'].value_counts().to_dict()}")
+        print(f"- 血糖水平: {df['gluc_str'].value_counts().to_dict()}")
+
+        # 检查异常值处理
+        invalid_bp = df['ap_lo'] >= df['ap_hi']
+        if invalid_bp.any():
+            print(f"❌ 仍然存在舒张压 >= 收缩压的记录: {invalid_bp.sum()} 条")
+            return False
+        else:
+            print("✅ 已成功删除舒张压 >= 收缩压的记录")
+
+        # 检查血压范围
+        bp_in_range = ((df['ap_hi'] >= 90) & (df['ap_hi'] <= 250) &
+                      (df['ap_lo'] >= 60) & (df['ap_lo'] <= 150))
+        if not bp_in_range.all():
+            print(f"❌ 仍然存在血压异常值: {(~bp_in_range).sum()} 条")
+            return False
+        else:
+            print("✅ 所有血压值都在正常范围内")
+
+        print("\n🎉 所有测试通过！")
+        return True
+
+    except Exception as e:
+        print(f"❌ 测试过程中发生错误: {str(e)}")
+        import traceback
+        traceback.print_exc()
+        return False
+
+if __name__ == "__main__":
+    success = test_data_loading()
+    sys.exit(0 if success else 1)

test/requirements.txt

@@ -0,0 +1,33 @@
+# CardioAI - Cardiovascular Disease Intelligent Assistant System
+# Python dependencies for the multi-module application
+
+# Conda Environment Setup Instructions:
+# 1. Create a new conda environment named 'cardioenv' with Python 3.10:
+#    conda create -n cardioenv python=3.10
+# 2. Activate the environment:
+#    conda activate cardioenv
+# 3. Install dependencies from this file:
+#    pip install -r requirements.txt
+
+# Core data processing and machine learning
+pandas>=2.0.0
+openpyxl>=3.1.0
+numpy>=1.24.0
+scikit-learn>=1.3.0
+xgboost>=2.0.0
+joblib>=1.3.0
+
+# Data visualization and dashboard
+streamlit>=1.28.0
+plotly>=5.18.0
+
+# Web API and prediction server
+Flask>=3.0.0
+
+# Environment configuration
+python-dotenv>=1.0.0
+
+# AI and language model integration
+langchain-openai>=0.0.5
+dashscope>=1.14.0
+requests>=2.31.0