2024电工杯B题保姆级分析完整思路+代码+数据教学

B题题目：大学生平衡膳食食谱的优化设计及评价 

接下来我们将按照题目总体分析-背景分析-各小问分析的形式来

总体分析：

题目要求对两份一日膳食食谱进行营养分析和调整，然后设计优化的平衡膳食食谱，并进行评价。具体步骤如下：

问题 1：膳食食谱的营养分析评价及调整

1.1 膳食营养评价

首先我们需要对附件1和附件2中的男、女大学生的膳食进行全面的营养评价。根据附件4的标准，评价内容包括能量、主要营养素含量（蛋白质、脂肪、碳水化合物等）、非产能营养素（钙、铁、锌、维生素等）及氨基酸评分等。

1.2 调整改进

基于附件3提供的食堂主要食物信息，对男、女大学生的膳食进行适当调整，使其更符合营养需求，然后再进行营养评价。

问题 2：基于附件3的日平衡膳食食谱的优化设计

2.1 目标一：蛋白质氨基酸评分最大化

建立优化模型，设计男、女大学生的日食谱，并进行膳食营养评价。

2.2 目标二：用餐费用最经济

建立优化模型，设计男、女大学生的日食谱，并进行膳食营养评价。

2.3 目标三：兼顾蛋白质氨基酸评分及经济性

建立综合优化模型，设计男、女大学生的日食谱，并进行膳食营养评价。

2.4 比较分析

对上述三种优化方案进行比较分析，找出最优方案。

问题 3：基于附件3的周平衡膳食食谱的优化设计

在问题2的基础上，分别以蛋白质氨基酸评分最大、用餐费用最经济、兼顾蛋白质氨基酸评分及经济性为目标，设计男、女大学生的周食谱，并进行评价及比较分析。

问题 4：健康饮食、平衡膳食的倡议书

基于以上分析和设计，针对大学生饮食结构及习惯，写一份健康饮食、平衡膳食的倡议书。

背景分析：

大学时代是学知识、长身体的重要阶段，这一时期的年轻人需要充足的能量和营养素来支持身体发育、脑力劳动和体育锻炼。然而，目前大学生饮食结构不合理、不良饮食习惯突出，如不吃早餐、经常食用外卖快餐等，导致营养不良或过度肥胖。解决这些问题对于大学生的生长发育和健康至关重要。

可以看到研究的对象是一名男大学生和一名女大学生，他们分别记录了一日三餐的食物摄入情况。并且还有某高校学生食堂提供的一日三餐主要食物信息。

数据文件包括3个数据集，在拆解后，我们的目标主要有以下几个：

1. 营养分析和评价：

• 对男、女大学生的膳食进行全面的营养分析和评价。

• 基于高校食堂的食物信息，对膳食进行调整改进，并重新进行评价。

• 优化设计：

• 建立优化模型，设计男、女大学生的日食谱，目标分别为蛋白质氨基酸评分最大、用餐费用最经济、兼顾评分和经济性。

• 在日食谱基础上，设计周食谱，并进行评价和比较分析。

• 健康倡议书：

• 针对大学生的饮食结构及习惯，撰写一份健康饮食、平衡膳食的倡议书。

现在就先对数据集进行预处理分析，我们以附件1为例，做数据预处理和探索性数据分析（EDA）

数据读取和展示：

import pandas as pd

# 读取数据

male_diet = pd.read_excel('/mnt/data/附件1：1名男大学生的一日食谱.xlsx')

# 展示前10行数据

male_diet_head = male_diet.head(10)

male_diet_head

数据预处理

预处理步骤包括：

1. 检查数据的完整性，处理缺失值。

2. 转换数据类型，确保所有数据类型正确。

3. 计算每种食物的总量及其对应的营养素含量。

代码：

# 检查数据的基本信息

male_diet.info()

# 检查数据的描述性统计

male_diet.describe()

# 检查是否有缺失值

missing_values = male_diet.isnull().sum()

missing_values

数据处理和计算

根据每种食物的量和其营养成分表，计算总的营养素含量。

假设数据表中包括以下列：食物名称、数量（g）、蛋白质含量（g/100g）、脂肪含量（g/100g）、碳水化合物含量（g/100g）等。

# 假设有以下列

# 食物名称、数量（g）、蛋白质含量（g/100g）、脂肪含量（g/100g）、碳水化合物含量（g/100g）

# 添加总蛋白质、总脂肪、总碳水化合物列

male_diet['总蛋白质 (g)'] = male_diet['数量 (g)'] * male_diet['蛋白质含量 (g/100g)'] / 100

male_diet['总脂肪 (g)'] = male_diet['数量 (g)'] * male_diet['脂肪含量 (g/100g)'] / 100

male_diet['总碳水化合物 (g)'] = male_diet['数量 (g)'] * male_diet['碳水化合物含量 (g/100g)'] / 100

# 计算总的营养素含量

total_protein = male_diet['总蛋白质 (g)'].sum()

total_fat = male_diet['总脂肪 (g)'].sum()

total_carbs = male_diet['总碳水化合物 (g)'].sum()

# 展示总营养素含量

total_nutrients = {

'总蛋白质 (g)': total_protein,

'总脂肪 (g)': total_fat,

'总碳水化合物 (g)': total_carbs

}

total_nutrients

探索性数据分析（EDA）

1. 食物种类和数量分布：

• 统计不同类别食物的数量分布情况。

• 营养素分布：

• 分析蛋白质、脂肪、碳水化合物在整个食谱中的分布。

import matplotlib.pyplot as plt

# 食物种类和数量分布

food_types = male_diet['食物名称'].value_counts()

food_types.plot(kind='bar', title='食物种类分布')

plt.xlabel('食物名称')

plt.ylabel('数量')

plt.show()

# 营养素分布

nutrients = male_diet[['总蛋白质 (g)', '总脂肪 (g)', '总碳水化合物 (g)']]

nutrients.sum().plot(kind='bar', title='营养素分布')

plt.xlabel('营养素')

plt.ylabel('总量 (g)')

plt.show()

通过以上步骤，我们可以获得男大学生一日食谱的基本情况及其营养素分布，为后续的营养评价和优化设计打下基础。附件2类似方法可以做。下面来看问题1的分析过程

问题一分析：

针对问题一，它分为两个小问，包括对两份食谱做出全面的膳食营养评价，以及加上附件3后的调整。首先，先来解决第一小问。

膳食营养评价

我们需要对男大学生的一日膳食进行全面的营养分析评价，评价内容包括：

l 食物结构分析：检查食物种类是否齐全，是否多样化。

l 能量和主要营养素计算：计算总能量及蛋白质、脂肪、碳水化合物的摄入量。

l 非产能营养素计算：计算钙、铁、锌、维生素A、维生素B1、维生素B2、维生素C的摄入量。

l 营养素供能比分析：评价蛋白质、脂肪、碳水化合物的供能占比。

l 氨基酸评分分析：计算食谱中蛋白质的氨基酸评分。

数据预处理

首先读取数据，并检查数据的完整性和类型：

Python代码：

import pandas as pd

# 读取数据

male_diet = pd.read_excel('/mnt/data/附件1：1名男大学生的一日食谱.xlsx')

# 展示前10行数据

male_diet_head = male_diet.head(10)

print(male_diet_head)

# 检查数据的基本信息

male_diet.info()

# 检查数据的描述性统计

male_diet.describe()

# 检查是否有缺失值

missing_values = male_diet.isnull().sum()

print(missing_values)

食物结构分析

根据《中国居民膳食指南》的要求，检查食物种类是否多样化：

python

# 统计食物种类

food_types = male_diet['食物名称'].nunique()

print(f"食物种类数量: {food_types}")

# 分析食物类别是否齐全

food_categories = ['谷类', '蔬菜', '水果', '肉类', '奶类', '豆类', '油脂']

food_categories_count = male_diet['类别'].value_counts()

print(food_categories_count)

下面给大家如何用灰色综合评价法来做的示例，推荐大家使用此算法：

灰色综合评价法步骤

1. 确定评价指标体系：

• 选择评价膳食营养的关键指标，如总能量、蛋白质、脂肪、碳水化合物、钙、铁、锌、维生素A、维生素B1、维生素B2、维生素C等。

• 数据标准化：

• 对各指标数据进行无量纲化处理（标准化），以消除不同指标间量纲的影响。

• 计算灰关联度：

• 计算每个评价对象（食谱）与理想参考值之间的灰色关联度。

• 计算综合关联度：

• 根据各指标的权重，计算各评价对象的综合关联度。

• 综合评价：

• 根据综合关联度对各评价对象进行排序，得出综合评价结果。

实现步骤 1. 确定评价指标体系 选择男大学生膳食的关键评价指标如下：

• 总能量 (kcal)

• 总蛋白质 (g)

• 总脂肪 (g)

• 总碳水化合物 (g)

• 钙 (mg)

• 铁 (mg)

• 锌 (mg)

• 维生素A (μg)

• 维生素B1 (mg)

• 维生素B2 (mg)

• 维生素C (mg)

2. 数据标准化 标准化处理可以采用极差标准化方法：

添加图片注释，不超过 140 字（可选）

假设数据已经在前面的步骤中计算完成，以下代码将实现数据标准化：

python

复制代码

import numpy as np

# 假设 total_nutrients 和 total_non_energy_nutrients 是已计算的营养素总量

data = {

'总能量 (kcal)': total_energy,

'总蛋白质 (g)': total_protein,

'总脂肪 (g)': total_fat,

'总碳水化合物 (g)': total_carbs,

'钙 (mg)': total_calcium,

'铁 (mg)': total_iron,

'锌 (mg)': total_zinc,

'维生素A (μg)': total_vitamin_a,

'维生素B1 (mg)': total_vitamin_b1,

'维生素B2 (mg)': total_vitamin_b2,

'维生素C (mg)': total_vitamin_c

}

# 转换为DataFrame

df = pd.DataFrame([data])

# 定义理想参考值，可以参考膳食指南的推荐摄入量

ideal_values = {

'总能量 (kcal)': 2400,

'总蛋白质 (g)': 90,

'总脂肪 (g)': 80,

'总碳水化合物 (g)': 300,

'钙 (mg)': 800,

'铁 (mg)': 12,

'锌 (mg)': 12.5,

'维生素A (μg)': 800,

'维生素B1 (mg)': 1.4,

'维生素B2 (mg)': 1.4,

'维生素C (mg)': 100

}

# 标准化处理

df_normalized = (df - df.min()) / (df.max() - df.min())

ideal_normalized = (pd.DataFrame([ideal_values]) - df.min()) / (df.max() - df.min())

print(df_normalized)

print(ideal_normalized)

然后需要计算灰色关联度：

添加图片注释，不超过 140 字（可选）

代码：

# 定义分辨系数

rho = 0.5

# 计算差异

diff = np.abs(df_normalized - ideal_normalized)

delta_min = diff.min().min()

delta_max = diff.max().max()

# 计算灰关联度

gray_relation = (delta_min + rho * delta_max) / (diff + rho * delta_max)

gray_relation_scores = gray_relation.mean(axis=1)

print(gray_relation_scores)

4. 计算综合关联度

综合关联度可以根据各指标的权重进行计算，这里假设所有指标权重相等：

# 假设所有指标权重相等

weights = np.ones(len(data.keys())) / len(data.keys())

# 计算综合关联度

comprehensive_relation_score = (gray_relation * weights).sum(axis=1)

print(comprehensive_relation_score)

5. 综合评价

根据综合关联度对膳食进行排序，得出综合评价结果：‘

# 综合评价

evaluation_result = comprehensive_relation_score.sort_values(ascending=False)

print(evaluation_result)

下面就是第一问的第二小问分析过程：

根据第一小问的营养评价结果，确定哪些营养素不足或过剩，具体包括：

1. 总能量：是否满足推荐的每日能量摄入标准。

2. 宏量营养素：蛋白质、脂肪、碳水化合物的供能占比是否合理。

3. 非产能营养素：钙、铁、锌、维生素A、维生素B1、维生素B2、维生素C的摄入量是否达标。

4. 氨基酸评分：蛋白质的氨基酸组成是否合理。

然后调整方案，可以通过以下方式进行调整：

1. 增加或减少食物种类：

• 增加：对于不足的营养素，通过增加相应食物种类来补充。例如，钙不足可以增加奶制品，维生素C不足可以增加水果。

• 减少：对于过剩的营养素，通过减少相应食物种类来控制。例如，脂肪过多可以减少油脂和高脂食物的摄入。

• 优化食物搭配：

• 多样化：确保每天摄入的食物种类大于12种，每周摄入的食物种类大于25种，覆盖五大类食物（谷类、蔬菜、水果、肉类、奶类、豆类、油脂）。

• 合理搭配：合理搭配不同种类的食物，以提高膳食的整体营养价值。例如，谷类和豆类搭配可以提高蛋白质的氨基酸评分。

• 调整餐次比：

• 能量分配：合理分配早餐、中餐和晚餐的能量摄入，推荐早餐占30%，中餐和晚餐各占35%。

具体可以用以下方式进行调整：

1. 总能量调整：

• 如果总能量不足：增加能量密集型食物，如全谷类、坚果、油脂等。

• 如果总能量过多：减少高能量食物的摄入，增加低能量密度的蔬菜和水果。

• 宏量营养素调整：

• 蛋白质不足：增加富含蛋白质的食物，如鱼类、禽肉、豆制品。

• 脂肪过多：减少油炸食品、肥肉，增加鱼类、坚果等优质脂肪来源。

• 碳水化合物不足：增加全谷类食品，如燕麦、糙米。

• 非产能营养素调整：

• 钙不足：增加奶制品、豆制品、绿叶蔬菜。

• 铁不足：增加红肉、肝脏、深色绿叶蔬菜，搭配维生素C丰富的食物以促进铁吸收。

• 锌不足：增加海产品、肉类、坚果。

• 维生素不足：增加水果、蔬菜，特别是富含维生素A、B、C的食物。

最后，通过调整食谱，重新进行膳食营养评价，确认各项营养素是否达到推荐摄入量，能量供给是否合理，氨基酸评分是否提高。

2-4问后续更新

添加图片注释，不超过 140 字（可选）

 

其中更详细的思路、各题目思路、代码、讲解视频、成品论文及其他相关内容，可以看我的这篇文章哦：