站点图标 AI技术聚合

通过分析我的 Fitbit 数据档案来评估我的健康状况

社会演员多
通过分析我的 Fitbit 数据档案来评估我的健康状况

通过分析我的 Fitbit 数据档案来评估我的健康状况

在日常生活中使用数据分析

数据分析是一个专业领域。作为一名数据分析师，我的日常活动是强调它的需求和重要性，挖掘它以发现我正在处理的实体的见解。我太习惯于为了工作和商业利益而深入挖掘数据，并且没有意识到如何利用它来改善我自己的生活。

健身追踪器在过去几年中一直是一种新兴趋势。我在过去一年开始使用它，它有助于跟踪我的日常健康状况，并在我通过每日步数目标或看到锻炼后燃烧的卡路里数量时给我一些成就感。但这主要是它。

日复一日，Fitbit 收集了如此多的数据，而我并没有深入研究它。好的，我们看到 70 的睡眠分数；或燃烧 138 卡路里，但它们是什么意思？就其本身而言，数据可能意义不大，但一旦我们将它们结合起来，并将它们可视化，可能会出现一些模式，向我们展示我们的日常行为和个人健康状况。

这篇文章是个人探索性数据分析期刊，旨在揭示我的日常行为和健康水平，并（希望）想出一些改进方法。

数据处理和分析中使用的完整代码可以在这个 Github 存储库中找到。[0]

获取 Fitbit 数据存档

我使用 Fitbit 作为我的健身追踪器，幸运的是，导出 Fitbit 收集的数据以进行进一步处理非常容易。此支持页面汇总了直接检索您最近的 Fitbit 数据或请求完整存档您的数据的步骤；全部来自您的 fitbit.com 仪表板。[0][1]

可以导出多种数据类型，从您的活动、社交和睡眠，甚至女性的月经数据。

我检索了我的完整档案，它根据上述数据类型位于多个文件夹中。每个文件夹都包含记录数据的 JSON 文件。

Data processing

由于数据大多采用 JSON 格式，因此结构与一个数据类别略有不同。例如，有一个“心率”文件显示每分钟捕获的心率；而“心率区时间”则显示每分钟的心率区/类别。

另一方面，睡眠数据包含许多不同深度的字段。有一些字段直接归因于睡眠（即时间开始、每个睡眠类别的持续时间等）以及每个睡眠类别的 30 天平均值作为比较。

这需要多次解析，具体取决于要探索的数据本身。在这种情况下，我专注于身体活动数据、每日睡眠数据和运动活动数据。

我使用 `glob` 库进行递归数据导入。这是将心率数据从多个 JSON 文件转换为数据帧的示例代码。

import globpath = r'Downloads/MyFitbitData/OliviaOlivia/Physical Activity/' # use your path
all_files = glob.glob(path + "/heart_rate-*.json")li = []for filename in all_files:
    with open(filename) as data_file:    
        data = json.load(data_file)
    df = pd.json_normalize(data)
    li.append(df)df_heart_rate_all = pd.DataFrame()
df_heart_rate_all = pd.concat(li, axis=0, ignore_index=True)

数据处理和分析中使用的完整代码可以在这个 Github 存储库中找到。[0]

数据探索：通过分析我的 Fitbit 数据，我了解到关于我的健康状况的 4 件事

1.正常的下限心率，很好

Fitbit 每隔几秒提取一次我们的心率每分钟跳动 (bpm) 值及其置信度。我按日期、日期和时间对数据进行分组，以了解我在一天中某个时间的总体心率。

心率在 55-125 bpm 左右不等。在我睡觉的晚上，它仍然低于 55-75 bpm。与哈佛医学院共享的 60-100 bpm 标准相比，这略低一些。一件好事，还有人说，处于该频谱低端的静息心率可能会提供一些针对心脏病发作的保护。[0]

这可能很大程度上是由我的锻炼习惯造成的。我经常在早上做一些以家庭为基础的运动，这表现为我每 7 点到 9 点的高心率（大约 100 到 125 次/分）。虽然进行一些有氧运动很好，但建议仍将心率保持在目标和最大限制范围内。根据 CDC，最大心率是 220 减去您的年龄，中等体力活动的目标心率是最大心率的 64-76%。知道我的运动心率刚好在目标心率范围内，这让我很欣慰。[0]

2. 多跑步燃烧更多卡路里

锻炼的衡量标准之一是燃烧的卡路里数量。根据 Healthhub SG 的说法，需要卡路里来为您提供进行日常活动的能量，但在不燃烧卡路里的情况下摄入过多可能会导致体重增加和健康问题。[0]

作为一个生活在新加坡、一天吃三顿饭的典型人，我每天消耗大约 1200-1600 大卡。虽然我是一天大部分时间都坐着的上班族，但我每天需要 1425 大卡 [来源]。我需要燃烧通过体育活动获得的额外 100-200 卡路里热量。[0]

在这里，我按活动类型可视化每分钟运动消耗的卡路里。

它似乎有所不同，但最低的是约 1 大卡/分钟的瑜伽，其次是约 3.9 大卡/分钟的步行，约 4.6 大卡/分钟的锻炼，最终以约 6 大卡/分钟的速度跑步。

话虽这么说，可以通过步行 20 分钟和锻炼 15 分钟来燃烧我过多的卡路里消耗的一种组合。或者跑步 25 分钟。现在我可以估计我的练习的最短持续时间:)

一些额外的可视化——总步行步数和步行活动消耗的卡路里之间的高度相关性。

3. More sleep, please

关于健康的另一项重要信息是关于你的睡眠。根据睡眠基金会的说法，充足的良好睡眠可以降低患某些疾病和医疗状况的风险，例如心脏病、2 型糖尿病、中风等。它也有利于防止疲劳，让您感到精力充沛，可以从事富有成效的工作。[0]

我大部分时间每天睡大约 6 到 7 个小时。这略低于建议的成人睡眠时间，即每天 7-9 小时。我的总体 Fitbit 睡眠评分（源自持续时间、质量（深度睡眠）和恢复/不安）也不是那么令人满意，只有 70-75。当然，有待改进的地方。[0]

深度睡眠是睡眠之旅的重要组成部分。根据睡眠基金会的说法，这是身体真正放松的时候，生长激素被释放出来，用于构建和修复肌肉、骨骼和组织，以及免疫系统功能。对于成年人，建议将我们整体睡眠的 13-23% 置于深度睡眠中。[0]

对我来说一件好事是，我的深度睡眠百分比已经在推荐的阈值之内。因此，我只需要努力获得更长的睡眠时间。也许想早点睡觉？

4. 燃烧更多卡路里并不能保证睡个好觉

虽然霍普金斯医学的研究表明，运动对睡眠质量有积极影响，但我的个人数据显示结果好坏参半。我起草了每日步数和消耗的卡路里与可用的各种睡眠分数之间的相关性，结果表明它们之间没有显着的正相关。[0]

由于这是个人数据，我可能缺乏评估它的医学专业知识，可能还有其他一些因素会影响它们。也许是因为我的日常习惯非常符合数据的低方差？

我应该做些什么来改善我的健康？

与一般数据分析一样，它是揭示洞察力并最终对其采取行动以实现预期目标。从这个数据探索中，我发现我的心率和燃烧的卡路里已经达到了一个理想和推荐的阈值，这很棒。但是，我的睡眠分数仍然很差，可以提高，尤其是从持续时间的角度来看。希望这也可以增加深度睡眠的持续时间。

一些保持健康甚至改善健康的想法：

发现一些关于我自己的事实和见解，以及一些改进它的行动点是很有趣的。如果您有兴趣探索您的 Fitbit 数据，可以参考我的 Python 笔记本，其中包含此 Github 存储库中的完整数据分析。[0]

文章出处登录后可见！

已经登录？立即刷新
退出移动版