Controle da evolução corporal
Em processo de emagrecer registrando as medidas de "sucesso"
Sempre tive um barriguinha redonda, na minha guerra constante resolvi usar um pouco de ciência de dados para ajudar em mais uma batalha, me desafiando por 100 dias para alcançar 85Kg
O projeto completo está no Repositorio GitHub
Carregar os dados
Definindo o foco de 100 dias para alcançar os 85Kg desejados
focoDias = 100
focoPeso = 85Usando o arquivo de dados em csv com o seguinte formato
Data,Peso,Imagem,AtividadeFisica,AlimentacaoTipo,AlimentacaoNivel,AlimentacaoCondicao
2018-09-23,96.7,1.jpg,'[{"Tipo":"Corrida", "Distancia":5.43, "Velocidade":9.92}]','["Laticínios", "Frutas"]',Moderada,
2018-09-24,96.1,,'[{"Tipo":"Corrida", "Distancia":5.40, "Velocidade":9.80}]','["Frutas", "Legumes", "Raízes"]',Moderada,
2018-09-25,94.7,,'[{"Tipo":"Musculação", "Foco":"Pernas"}]','["Frutas", "Legumes", "Raízes"]',Baixa,
2018-09-26,94.4,,,'["Frutas", "Raízes"]',Moderada,Carregando os dados as bibliotecas de pandas, manipular os dados, e numpy, funções matemáticas.
Lendo e carregando o arquivo convertendo os textos em json, para acumular os históricos de atividades físicas e tipo de alimentação ambos objetos com listagens
import pandas as pd
import numpy as np
def LerJSON(data):
import json
if (data == ''):
return json.loads('[]')
else:
return json.loads(data)
df_dados = pd.read_csv('./dados.csv', quotechar='\'', converters={'AtividadeFisica':LerJSON, 'AlimentacaoTipo':LerJSON}, header=0)Cálculo do limite de peso
Extraindo os dados de contagem e valor máximo das medidas, posteriormente usando extrapolação linear para preencher os dados faltantes
count = df_dados['Peso'].count()
max = df_dados['Peso'].max()
df_dados['Peso'] = df_dados['Peso'].interpolate()Com uma projeção linear de peso máximo para o objetivo
linha_limite = pd.Series(range(0, focoDias))
linha_limite = max - (linha_limite * ((max - focoPeso) / focoDias))
df_dados['Limite'] = linha_limiteNível de atividades físicas
Para o resultado do fluxo ser negativo é necessário ter saída, aumentar esse fluxo com muita atividade física
def scoreAtividade(data):
score = 0
for atividade in data:
score = score + {
'Corrida': lambda: atividade['Distancia'] * atividade['Velocidade'],
'Caminhada': lambda: atividade['Distancia'] * atividade['Velocidade'] * 0.5,
'Funcional': lambda: 30,
'Musculação': lambda: 15,
}.get(atividade['Tipo'], lambda: 0)()
return score
df_dados['ScoreAtividade'] = df_dados['AtividadeFisica'].apply(scoreAtividade)
df_dados['ScoreAtividade'] = 15 * df_dados['ScoreAtividade']Usando elevação de 2, para impedir que as somas deve possuir um valor igual com os outros
def tipoAtividade(data):
tipo = 0
for atividade in data:
tipo = tipo + {
'Corrida': lambda: 1,
'Musculação': lambda: 2,
'Funcional': lambda: 4
}.get(atividade['Tipo'], lambda: 0)()
return tipo
df_dados['Tipo'] = df_dados['AtividadeFisica'].apply(tipoAtividade)Nível de alimentação
Usando as regras de
def tipoAlimentacao(data):
tipo = 0
for alimentacao in data:
tipo = tipo + {
'Raízes': lambda: 1,
'Legumes': lambda: 2,
'Frutas': lambda: 4,
'Laticínios': lambda: 8,
'Farinários': lambda: 16,
'Proteína Animal': lambda: 32,
'Açúcar': lambda: 64
}.get(alimentacao, lambda: 0)()
return tipo
def nivelAlimentacao(data):
return {
'Baixa': lambda: 1,
'Moderada': lambda: 2,
'Alta': lambda: 4,
'Exagerada': lambda: 8,
}.get(data, lambda: 0)()
alimentacaoTipo = df_dados['AlimentacaoTipo'].apply(tipoAlimentacao)
alimentacaoVolume = df_dados['AlimentacaoNivel'].apply(nivelAlimentacao)
df_dados["ScoreAlimentacao"] = 0.025 * np.sqrt(alimentacaoTipo * alimentacaoVolume)Número de dias
Adicionando a coluna de Número de dias para facilitar no processo
df_dados["NumeroDias"] = df_dados.index + 1Geração do gráfico
E finalmente gerando a visualização
import matplotlib.pyplot as plt
plt.plot(df_dados["NumeroDias"], df_dados["Peso"])
plt.plot(df_dados["NumeroDias"], df_dados["Limite"])
plt.scatter(df_dados["NumeroDias"], df_dados["Peso"],
s=df_dados["ScoreAtividade"], c=df_dados["Tipo"], alpha=0.5)
plt.errorbar(df_dados["NumeroDias"], df_dados["Peso"],
yerr=df_dados['ScoreAlimentacao'], ecolor="grey", elinewidth=4, alpha=0.75, fmt='none')
plt.xlabel("Dias")
plt.ylabel("Medida")
plt.legend(['Evolução', 'Objetivo'])
plt.savefig('evolution.png', dpi=300)
plt.show()
Visualização da Tabela
tabela = df_dados[['Data', 'NumeroDias', 'Peso', 'Limite', 'ScoreAtividade', 'ScoreAlimentacao', 'AlimentacaoCondicao']]
tabela.to_csv('dadosOrganizados.csv')
tabela.head(15)
