python-pandas-数据分析技术与编程方法讲座教学讲义课件

python-pandas-数据分析技术与编程方法讲座Python入门开发环境IDEpandas数据分析库数据规整化数据聚合与分组实例分析——泰坦尼克之灾目录Python是自由软件丰硕成果之一创始人GuidovanRossum时间地点1989年圣诞节期间在阿姆斯特丹创造名字来源大蟒蛇飞行马戏团爱好者渊源从ABC发展而来主要受Modula-3的影响结合了Unixshell和C的习惯Python的历史当我们编写Python代码时，我们得到的是一个包含Python代码的以.py为扩展名的文本文件。要运行代码，就需要Python解释器去执行.py文件。Python解释器CPython当我们从Python官方网站下载并安装好Python2.7后，我们就直接获得了一个官方版本的解释器：CPython。这个解释器是用C语言开发的，所以叫CPython。在命令行下运行python就是启动CPython解释器。CPython是使用最广的Python解释器。Python解释器IPythonIPython是基于CPython之上的一个交互式解释器，也就是说，IPython只是在交互方式上有所增强，但是执行Python代码的功能和CPython是完全一样的。CPython用>>>作为提示符，而IPython用In[序号]:作为提示符。Python解释器PyPyPyPy是另一个Python解释器，它的目标是执行速度。PyPy采用JIT技术，对Python代码进行动态编译（注意不是解释），所以可以显著提高Python代码的执行速度。绝大部分Python代码都可以在PyPy下运行，但是PyPy和CPython有一些是不同的，这就导致相同的Python代码在两种解释器下执行可能会有不同的结果。如果你的代码要放到PyPy下执行，就需要了解PyPy和CPython的不同点。Python解释器JythonJython是运行在Java平台上的Python解释器，可以直接把Python代码编译成Java字节码执行。Python解释器IronPythonIronPython和Jython类似，只不过IronPython是运行在微软.Net平台上的Python解释器，可以直接把Python代码编译成.Net的字节码。Python解释器OS：64位windows7Version：python-2.7.11.msi注意：1.安装时勾选addtoenvironment，默认安装pip2.添加pip环境变量path=C:\Python27\ScriptsPyPI(PythonPackageIndex)是python官方的第三方库的仓库，pip是一个安装和管理Python包的工具。Windows下Python安装与配置pythonshellIDLE(PythonGUI)ipythonNotepad++PyCharmPython开发环境eclipse+PyDevIDE配置PyDevInterpreter打开Window->Preferences.对话框，选择"PyDev"->"InterpreterPython"，点击New，从Python的安装路径下选择Python.exe。也可以点AutoConfig自动配置，会搜索安装好的python自动配置。Python开发环境Python开发环境Python文件不支持中文注释问题：#coding=<encodingname>#!/usr/bin/python#-*-coding:<encodingname>-*-#!/usr/bin/python#vim:setfileencoding=<encodingname>:eg:#coding=utf-8特别注意：Python文件编码声明Python中行首的空白是重要的，它称为缩进。在逻辑行首的空白（空格和制表符）用来决定逻辑行的缩进层次，从而用来决定语句的分组。

if0==1:

print'Weareinaworldofarithmeticpain'print'Thankyouforplaying'将输出Thankyouforplaying

if0==1:print'Weareinaworldofarithmeticpain'print'Thankyouforplaying'将不会有输出特别注意：缩进可以使用空格或制表符产生缩进，两个空格或四个空格都是可以的，不过一般建议使用一个制表符TAB产生缩进，你的程序应该固定使用一种缩进规则。Python代码缩进决定了代码的逻辑关系，而不仅仅是为了好看！！！特别注意：缩进pandas数据分析numpy科学计算包scipy科学计算包matplotlib画图/表scikit-learn机器学习库Seaborn数据可视化工具包常用扩展包Python的一个数据分析包AQRCapitalManagement于2008年4月开发2009年底开源目前由专注于Python数据包开发的PyData开发team继续开发和维护，属于PyData项目的一部分。约定俗成的导入惯例：In[1]:frompandasimportSeries,DataFrame

In[2]:importpandasaspdPandas1.SeriesSeries是一维标记数组，可以存储任意数据类型，如整型、字符串、浮点型和Python对象等，轴标一般指索引。Series

Numpy中的一维array

Python基本数据结构List区别：List中的元素可以是不同的数据类型，而Array和Series中则只允许存储相同的数据类型，这样可以更有效的使用内存，提高运算效率。Pandas中的数据结构2.DataFrameDataFrame是二维标记数据结构，列可以是不同的数据类型。它是最常用的pandas对象，像Series一样可以接收多种输入：lists、dicts、series和DataFrame等。初始化对象时，除了数据还可以传index和columns这两个参数。Pandas中的数据结构3.PanelPanel很少使用，然而是很重要的三维数据容器。Paneldata源于经济学，也是pan(el)-da(ta)-s的来源。Pandas中的数据结构4.Panel4DPanel4D是像Panel一样的4维容器，作为N维容器的一个测试。Panel4D是Panel的一个子集，因此Panel的大多数方法可用于4D，但以下方法不可用：join,to_excel,to_frame,to_sparse,groupby。Pandas中的数据结构5.PanelNDPanelND是一个拥有factory集合，可以创建像Panel4D一样N维命名容器的模块。Pandas中的数据结构通过传递一个list对象来创建Series，默认创建整型索引；In[4]:obj=Series([4,7,-5,3])创建一个带有索引来确定每一个数据点的Series;In[8]:obj2=Series([4,7,-5,3],index=['d','b','a','c'])如果你有一些数据在一个Python字典中，你可以通过传递字典来创建一个Series；In[11]:sdata={'Ohio':35000,'Texas':71000,'Oregon':16000,'Utah':5000}In[12]:obj3=Series(sdata)In[14]:states=['California','Ohio','Oregon','Texas']In[15]:obj4=Series(sdata,index=states)Series相关操作——创建通过一个布尔数组过滤，纯量乘法，或使用数学函数，将会保持索引和值间的关联：Series相关操作Series是一个定长的，有序的字典，因为它把索引和值映射起来了。它可以适用于许多期望一个字典的函数：Series相关操作在pandas中用函数isnull和notnull来检测数据丢失：pd.isnull(obj4)pd.notnull(obj4)Series也提供了这些函数的实例方法：obj4.isnull()Series相关操作Series的一个重要功能是在算术运算中它会自动对齐不同索引的数据：Series相关操作Series对象本身和它的索引都有一个name属性，它和pandas的其它一些关键功能整合在一起：Series相关操作从坐标轴删除条目，drop方法将会返回一个新的对象并从坐标轴中删除指定的一个或多个值：Series相关操作Series除了可以使用索引值，也可以仅使用整数来索引：Series相关操作直方图：Series相关操作字符串方法：Series相关操作通过传递一个NumPyarray，时间索引以及列标签来创建一个DataFrame；用一个相等长度列表的字典；它的索引会自动分配，并且对列进行了排序；如果设定了一个列的顺序，DataFrame的列将会精确的按照所传递的顺序排列；DataFrame相关操作——创建通过一个嵌套的字典格式创建DataFrame：外部键会被解释为列索引，内部键会被解释为行索引；内部字典的键被结合并排序来形成结果的索引；可以对结果转置：DataFrame相关操作——创建DataFrame中的一列可以通过字典记法或属性来检索：注意，返回的Series包含和DataFrame相同的索引，并它们的name属性也被正确的设置了。DataFrame相关操作——检索为了使DataFrame可以

在行上进行标签索引，将介绍特殊的索引字段ix。这使你可以从DataFrame选择一个行和列的子集，这也是一种不是很冗长的重新索引的方法。DataFrame相关操作——检索对于DataFrame，有很多方法来选择和重排包含在pandas对象中的数据。DataFrame相关操作——检索列可以通过赋值来修改。例如，空的‘debt’列可以通过一个纯量或一个数组来赋值；注意：通过列表或数组给一列赋值时，所赋的值的长度必须和DataFrame的长度相匹配。使用Series来赋值，它会代替在DataFrame中精确匹配的索引的值，并在所有的空洞插入丢失数据NaN；给一个不存在的列赋值，将会创建一个新的列；DataFrame相关操作——赋值pandas的最重要的特性之一是在具有不同索引的对象间进行算术运算。当把对象加起来时，如果有任何索引对不相同的话，在结果中将会把各自的索引联合起来。DataFrame相关操作——算术运算在不同索引对象间的算术运算，当一个轴标签在另一个对象中找不到时，你可能想要填充一个特定的值，如0。Howtodoit？DataFrame相关操作对于DataFrame，可以从任何坐标轴删除索引值：像字典一样del关键字将会删除列：DataFrame相关操作写入excel文件：df.to_excel('foo.xlsx',sheet_name='Sheet1')从excel文件中读取：pd.read_excel('foo.xlsx','Sheet1',index_col=None,na_values=['NA'])写入csv文件：df.to_csv('foo.csv')从csv文件中读取：pd.read_csv('foo.csv')写入HDF5存储：df.to_hdf('foo.h5','df')从HDF5存储中读取：pd.read_hdf('foo.h5','df')DataFrame相关操作——导入和保存数据首先，作为一个激发性的例子，考虑一个二维数组和它的一个行间的差分：这被称为广播(broadcasting)。DataFrame和Series间的操作在一个DataFrame和一个Series间的操作是类似的：DataFrame和Series间的操作pandas的索引对象用来保存坐标轴标签和其它元数据（如坐标轴名或名称）。构建一个Series或DataFrame时任何数组或其它序列标签在内部转化为索引：pandas的索引对象索引对象是不可变的，不能由用户改变：索引对象的不可变性非常重要，这样它可以在数据结构中结构中安全的共享：pandas的索引对象pandas中的主要索引对象：pandas的索引对象除了类似于阵列，索引也有类似固定大小集合一样的功能：pandas的索引对象每个索引都有许多关于集合逻辑的方法和属性，且能够解决它所包含的数据的常见问题。pandas的索引对象reindex，意味着使数据符合一个新的索引来构造一个新的对象。在Series上调用reindex重排数据，使得它符合新的索引，如果那个索引的值不存在就引入缺失数据值：pandas对象的一个关键方法——重新索引为了对时间序列这样的数据排序，当重建索引的时候可能想要对值进行内插或填充。method选项可以是你做到这一点，使用一个如ffill的方法来向前填充值：reindex的method（内插）选项：pandas对象的一个重要功能——重新索引对于DataFrame，reindex可以改变（行）索引，列或两者。当只传入一个序列时，结果中的行被重新索引了：pandas对象的一个重要功能——重新索引使用columns关键字可以使列重新索引：pandas对象的一个重要功能——重新索引一次可以对两个重新索引，可是插值只在行侧（0坐标轴）进行：pandas对象的一个重要功能——重新索引使用带标签索引的ix可以把重新索引做的更简单：pandas对象的一个重要功能——重新索引reindex函数的参数：pandas对象的一个重要功能——重新索引Pandas提供了大量的方法能够轻松的对Series，DataFrame和Panel对象进行各种符合各种逻辑关系的合并操作。ConcatMerge（类似于SQL类型的合并）Append（将一行连接到一个DataFrame上）数据规整化——合并concat数据规整化——合并merge默认情况下，merge做的是“inner”连接，结果中的键是交集。其他方式还有“left”，“right”以及“outer”。数据规整化——合并append数据规整化——合并Stack/unstack数据规整化——重塑数据透视表数据规整化——重塑DataFrame中常常会出现重复行，DataFrame的duplicated方法返回一个布尔型Series，表示各行是否是重复行；还有一个drop_duplicated方法，它返回一个移除了重复行的DataFrame：数据规整化——清理执行描述性统计：df.mean()在其它轴上进行描述性统计：df.mean(1)数据聚合与分组对数据应用函数：数据聚合与分组对于”groupby”操作，我们通常是指以下一个或多个操作步骤：（Splitting）按照一些规则将数据分为不同的组；（Applying）对于每组数据分别执行一个函数；（Combining）将结果组合到一个数据结构中；数据聚合与分组分组并对每个分组执行sum函数：通过多个列进行分组形成一个层次索引，然后执行函数：数据聚合与分组泰坦尼克号问题之背景：就是大家都熟悉的『JackandRose』的故事，豪华游艇快沉了，大家都惊恐逃生，可是救生艇的数量有限，无法人人都上，副船长发话了『ladyandkidfirst！』，所以是否获救其实并非随机，而是基于一些背景有rank先后的。训练和测试数据是一些乘客的个人信息以及存活状况，要尝试根据它生成合适的模型并预测其他人的存活状况。这是一个二分类问题，是logisticregression所能处理的范畴。实例——逻辑回归Kaggle泰坦尼克之灾从机器学习问题角度监督学习无监督学习半监督学习机器学习——算法概览从算法的功能角度回归算法(RegressionAlgorithms)基于实例的算法(Instance-basedAlgorithms)决策树类算法(DecisionTreeAlgorithms)贝叶斯类算法(BayesianAlgorithms)聚类算法(ClusteringAlgorithms)人工神经网络类算法(ArtificialNeuralNetworkAlgorithms)深度学习(DeepLearningAlgorithms)降维算法(DimensionalityReductionAlgorithms)模型融合算法(EnsembleAlgorithms)机器学习——算法概览机器学习——算法概览预测结果如果是离散值(比如邮件分类问题中的垃圾邮件/普通邮件，比如用户会/不会购买某商品)，那么我们把它叫做分类问题(classificationproblem)；朴素贝叶斯、逻辑回归、支持向量机等预测结果是连续值(比如房价，股票价格等等)，那么我们把它叫做回归问题(regressionproblem)。线性回归等机器学习——分类与回归逻辑回归监督学习分类问题逻辑回归的成功之处在于，将原本输出结果通过sigmoid函数映射到(0,1)，从而完成概率的估测。逻辑回归能够较好地把两类样本点分隔开，解决分类问题。机器学习——逻辑回归泰坦尼克号问题之背景：就是大家都熟悉的『JackandRose』的故事，豪华游艇快沉了，大家都惊恐逃生，可是救生艇的数量有限，无法人人都上，副船长发话了『ladyandkidfirst！』，所以是否获救其实并非随机，而是基于一些背景有rank先后的。训练和测试数据是一些乘客的个人信息以及存活状况，要尝试根据它生成合适的模型并预测其他人的存活状况。这是一个二分类问题，是logisticregression所能处理的范畴。/实例——逻辑回归Kaggle泰坦尼克之灾importpandasaspd#数据分析importnumpyasnp#科学计算frompandasimportSeries,DataFramedata_train=pd.read_csv("/Users/WGW/Titanic_data/Train.csv")data_train实例——逻辑回归Kaggle泰坦尼克之灾data_train如下所示：实例——逻辑回归Kaggle泰坦尼克之灾训练数据中总共有891名乘客，but有些属性的数据不全，比如说：Age（年龄）属性只有714名乘客有记录Cabin（客舱）更是只有204名乘客是已知的实例——逻辑回归Kaggle泰坦尼克之灾我们用下列的方法，得到数值型数据的一些分布：mean字段告诉我们，大概0.383838的人最后获救了，平均乘客年龄大概是29.7岁(计算这个时候会略掉无记录的)…实例——逻辑回归Kaggle泰坦尼克之灾统计乘客各属性分部：实例——逻辑回归Kaggle泰坦尼克之灾实例——逻辑回归Kaggle泰坦尼克之灾1、被救的人300多点，不到半数；2、3等舱乘客非常多；3、遇难和获救的人年龄似乎跨度都很广；4、3个不同的舱年龄总体趋势似乎也一致，3等舱乘客20岁多点的人最多，1等舱40岁左右的最多；5、登船港口人数按照S、C、Q递减，而且S远多于另外两港口。实例——逻辑回归Kaggle泰坦尼克之灾可能会有一些想法了：1、不同舱位/乘客等级可能和财富/地位有关系，最后获救概率可能会不一样？2、年龄对获救概率也一定是有影响的，毕竟前面说了，副船长还说『小孩和女士先走』呢？3、和登船港口是不是有关系呢？也许登船港口不同，人的出身地位不同？实例——逻辑回归Kaggle泰坦尼克之灾属性与获救结果的关联统计：实例——逻辑回归Kaggle泰坦尼克之灾实例——逻辑回归Kaggle泰坦尼克之灾实例——逻辑回归Kaggle泰坦尼克之灾实例——逻辑回归Kaggle泰坦尼克之灾实例——逻辑回归Kaggle泰坦尼克之灾实例——逻辑回归Kaggle泰坦尼克之灾先把Cabin缺失与否作为条件(虽然这部分信息缺失可能并非未登记，丢失了而已？所以这样做未必妥当)，先在有无Cabin信息这个粗粒度上看看Survived的情况。实例——逻辑回归Kaggle泰坦尼克之灾大体数据的情况看了一遍，对感兴趣的属性也有个大概的了解了。下一步干啥？处理处理这些数据（featureengineering过程），为机器学习建模做点准备吧实例——逻辑回归Kaggle泰坦尼克之灾Cabin：按Cabin有无数据，将这个属性处理成Yes和No两种类型吧。Age：通常遇到缺值的情况，我们会有几种常见的处理方式。实例——逻辑回归Kaggle泰坦尼克之灾缺失数据常用处理方式：1、如果缺值的样本占总数比例极高，我们可能就直接舍弃了，作为特征加入的话，可能反倒带入noise，影响最后的结果了。2、如果缺值的样本适中，而该属性非连续值特征属性(比如说类目属性)，那就把NaN作为一个新类别，加到类别特征中。3、如果缺值的样本适中，而该属性为连续值特征属性，有时候我们会考虑给定一个step(比如这里的age，我们可以考虑每隔2/3岁为一个步长)，然后把它离散化，之后把NaN作为一个type加到属性类目中。4、有些情况下，缺失的值个数并不是特别多，那我们也可以试着根据已有的值，拟合一下数据，补充上。实例——逻辑回归Kaggle泰坦尼克之灾用scikit-learn中的RandomForest来拟合缺失的年龄数据：实例——逻辑回归Kaggle泰坦尼克之灾实例——逻辑回归Kaggle泰坦尼克之灾因为逻辑回归建模时，需要输入的特征都是数值型特征，我们通常会先对类目型的特征因子化。什么叫做因子化呢？举个例子：以Cabin为例，原本一个属性维度，因为其取值可以是[‘yes’,’no’]，而将其平展开为’Cabin_yes’,’Cabin_no’两个属性。原本Cabin取值为yes的，在此处的”Cabin_yes”下取值为1，在”Cabin_no”下取值为0原本Cabin取值为no的，在此处的”Cabin_yes”下取值为0，在”Cabin_no”下取值为1实例——逻辑回归Kaggle泰坦尼克之灾使用pandas的”get_dummies”来完成特征因子化，并拼接在原来的”data_train”之上：实例——逻辑回归Kaggle泰坦尼克之灾各属性值之间scale差距太大，将对收敛速度造成几万点伤害值！甚至不收敛！先用scikit-learn里面的preprocessing模块做一个scaling，所谓scaling，其实就是将一些变化幅度较大的特征化到[-1,1]之内。实例——逻辑回归Kaggle泰坦尼克之灾把需要的feature字段取出来，转成numpy格式，使用scikit-learn中的LogisticRegression建模：实例——逻辑回归Kaggle泰坦尼克之灾”test_data”也要做和”train_data”一样的预处理！！！实例——逻辑回归Kaggle泰坦尼克之灾实例——逻辑回归Kaggle泰坦尼克之灾预测取结果喽！实例——逻辑回归Kaggle泰坦尼克之灾心肺复苏新进展于学忠心肺复苏研究内容复苏学又称为心肺脑复苏(CardiacPulmonaryCerebralResuscitation,CPCR)，是研究心跳呼吸骤停后，由于缺血缺氧所造成的机体组织细胞和器官衰竭的发生机制及其阻断并逆转其发展过程的方法，目的在于保护脑和心、肺等重要脏器不致达到不可逆的损伤程度，并尽快恢复自主呼吸和循环功能。心跳骤停的定义

心跳骤停的定义，而从不同的临床角度出发，心跳骤停的定义也不完全相同。WHO规定：发病或受伤后24小时内心脏停搏，即为心跳骤停。美国AHA为冠心病患者心跳骤停所作的定义是：冠心病发病后1小时内心脏停搏，即为心脏骤停。Cecil内科学第十六版则规定：任何心脏病患者或非心脏病患者，在未能估计到的时间内，心搏突然停止，即应视为心跳骤停。心肺复苏历史回顾

1974---开始面向公众进行心肺复苏培训1980---ACLS指南第一次制定1986---儿童BLS、ALS指南制定1992---成立国际心肺复苏指南筹备委员会2000---第一次国际心肺复苏指南制定新指南的主要变化人工通气除颤复苏用药心肌保护TheABC’sofCPRA:AirwayB:BreathingC:Circulation问题口对口通气在急救中能否普及？口对口通气真的有效吗？口对口通气情况调查1,大多数院前急救人员不愿对陌生人作口对口人工通气。

OrnatoJPetal19902,45%医生和80%护士不愿对陌生人作口对口通气。

BrennerBEetal1993

3,85%其他人员不愿对陌生人作口对口通气。

LockeCJetal1995CPR前12分钟内，

口对口通气是不必要的ICCM:TangWetal:AmJRespirCritCareMed,1994NocMetal:Chest,1995JohnsHopkins:ChandraNCetal:Circulation,1994

UofArizona:BergRAetal:Circulation,1993BergRAeaal:AnnEmergMed,1995Rats,dogs,andpigsarenothumans!

-Dr.Petersafar人体资料_________________________________

No.ROSC%Survival%CConly24140.214.6CC+V27934.110.4HallstromAPetal:NEnglJMed2000;342:1546新指南在心肺复苏过程中加入你不愿意做口对口通气，则应立刻开始胸外心脏按压。现有资料证明，及时单做胸外心脏按压，其预后要比完全没有CPR好得多。新指南如果你愿意做口对口通气，其胸外按压与通气的比例为15：2，胸外心脏按压的频率为100次/分。Case患者在10分钟内送到了医院抢救室，请问：1，患者体内因心跳呼吸停止发生了什么病理生理变化2，抢救室应如何实施抢救，说出具体的抢救步骤心跳呼吸

停止后病理生理变化心跳停止组织缺血缺氧组织内腺苷、乳酸、CO2、H+

血管阻力心输出量

心跳呼吸

停止后病理生理变化钙离子内流前列腺素再灌注损伤气管内插管可有效地保证呼吸道畅通并防止呕吐物误吸，故应及早进行。插管前应先检查气囊有无破裂漏气。管道插入后注好气囊并妥为固定，即可联接呼吸机或麻醉机予以机械通气及供氧。开始时可予以纯氧，自主呼吸心跳恢复后可根据动脉血气分析结果进行调节，一般氧浓度控制在50%左右对病人来说是安全的。

阻塞食管通气管（EOA)阻塞食管通气法具有操作简单，迅速(仅需5秒钟，而气管插管需30秒钟)；成功率高(达90%，气管插管为50%)；在声带看不见时或有呕吐物时可操作；在颈椎损伤时也可使用等优点。主要适用于牙关松弛，昏迷或呼吸停止而又不能或不允许行气管插管的病人，或没有经过气管插管训练的人采用。由于食管已被阻塞，在行正压通气时可防止胃液返流和减少胃充气。

阻塞食管通气管（EOA)优点：操作简单，迅速（5秒，气管插管30分钟）成功率高（90%，气管插管50%）在声带看不见或呕吐时仍可操作有颈椎损伤时依然可用禁忌症：食道疾病、清醒病人、儿童、身高<120cm之成人机械通气机械通气适应症呼吸机类型选择参数调节气道管理机械通气并发症胸外心脏按压按压部位按压频率按压深度辅助措施并发症胸外心脏按压注意事项胸外心脏按压如操作不标准，常会导致并发症的发生。按压部位不正确。抢救者按压时肘部弯曲，导致用力不垂直，按压力量不足，按压深度达不到4-5公分。冲击式按压、猛压、按压放松时抬手离开胸骨定位点，导致下次按压部位错误等情况，均可由此引起骨折。基本理论心泵学说胸泵学说复苏药物心三联新三联目前用药心内注射静脉给药气管树给药肾上腺素最古老，最有效，应用最广泛的儿茶酚胺类药物，兼有α及β受体的兴奋作用。其α受体作用可使全身外周血管收缩（不包括冠状血管及脑血管），进而增加主动脉舒张压，改善心肌及脑的血液灌注，促进自主心搏的恢复。肾上腺素能受体受体组织反应α1心脏、平滑肌（胃肠道）收缩力α2血管平滑肌收缩力β1心脏收缩力β2平滑肌（血管、支气管）舒张肾上腺素α受体作用外周血管阻力心、脑血流复苏成功率肾上腺素β受体作用心肌耗氧量室性心律失常心功能不全复苏成功率肾上腺素应用剂量标准剂量大剂量肾上腺素应用剂量

7mg(N=317)1mg(N=333)No.%No.%ROSC56187623出院率103165StiellIGetal:NEnglJMed1992;327:1045肾上腺素应用剂量15mg(N=286)1mg(N=270)No.%No.%ROSC3713228出院率51.731.2CallahamMLetal:JAMA1992;268;2667肾上腺素应用剂量0.2mg/kg(N=648)1mg(N=632)No.%No.%ROSC2173319030出院率315264BrownCGetal:NEnglJMed1992;327;1051血管加压素

肾上腺素副作用之一是心脏复跳后即刻发生心动过速，也可发生心肌缺血或再次室颤，所以在CPR期间，主要作用为外周血管收缩的药物已被用于替代肾上腺素。一个有希望的药物是血管加压素，它是一种储存与垂体后叶的激素，血管加压素是一种强力的非肾上腺素性血管收缩剂，它能直接兴奋平滑肌V1受体和/或增强血管对内源性儿茶酚胺的敏感性，使内脏、冠脉、肌肉及皮肤的血管收缩。血管加压素

受体组织反应V1a心、血管平滑肌加压作用V1b肾上腺-垂体加压作用V2肾、肾小管细胞抗利尿作用血管加压素大剂量应用时直接刺激平滑肌V1受体可使周围血管平滑肌收缩。通过周围血管收缩从而使血液灌注重新分配，有效地增加冠脉灌注压、重要生命器官的血流量和氧输送。因该药没有β—肾上腺素能样活性，所以在心肺复苏时不会增加心肌耗氧量。治疗剂量为40IU，单次用药。

胺碘酮

既往将利多卡因作为心肺复苏的一线药物，理论是利多卡因可以提高室颤阈值、预期能降低死亡率。但临床试验结果却恰恰相反，利多卡因组死亡率增加，所以新的心肺复苏指南将胺碘酮列为一线药物。胺碘酮胺碘酮作用机制复杂，即可影响钠、钾和钙通道，又对α受体和β受体有阻滞作用，临床一般用于房性和室性心律失常。使用胺碘酮的适应证包括：（1）快速房性心律失常伴严重左室功能不全患者，使用洋地黄制剂无效时，可尝试用胺碘酮控制心室率。（2）用于心肺复苏时，如患者表现为持续性VT或VF，在电除颤和使用肾上腺素后，建议使用胺碘酮。（3）对血流动力学稳定的VT、多形性VT和不明起源的多种复杂心动过速，推荐使用胺碘酮。（4）用于控制预激房性心律失常伴旁路传导的快速心室率。

胺碘酮使用剂量：心肺复苏时主要用于VF或无脉性VT，初始剂量为300mg溶于20~30ml生理盐水或5%葡萄糖内静注。对血流动力学不稳定的VT或有反复或顽固性VF或VT患者，可考虑适当增加剂量。如首次用药300mg后再追加150mg，然后按1mg/min的速度持续泵入6小时，再减量至0.5mg/min，每日最大剂量不超过2g。

胺碘酮用于心肺复苏经验尚少，需要进一步观察其疗效。主要不良反应是低血压和心动过缓，应严密观察，必要时减慢给药速度。CPR标准用药室颤：肾上腺素1mg,每3~5分钟重复一次或血管加压素40iu，单次用药

+

胺碘酮300mg,每3~5分钟重复150mg或利多卡因50~100mg,每3~5分钟重复一次。CPR标准用药心室停搏与电机械分离：

肾上腺素1mg,每3~5分钟重复一次

+阿托品1mg,每3~5分钟重复一次其他药物多巴胺去甲肾上腺素的化学前体，其作用与剂量有关。小剂量兴奋β－受体，增加心脏收缩力；大剂量兴奋α受体，使外周血管收缩。心肺复苏时主要用于自主心跳恢复后的血压维持。

剂量：2-20μg/Kg/min静脉滴注或注射泵持续泵入，根据血压变化，调节至最佳剂量。其他药物其他改善心功能药物自主心跳恢复后，可根据情况给予强心药物，如多巴酚丁胺，硝普钠等，为加强心肌收缩力和提高心肌自律性，也可适当使用钙离子拮抗剂，但目前经验尚少。CASE心跳呼吸骤停后的酸中毒应如何处理？酸中毒问题心跳呼吸停止早期,二氧化碳呼出障碍，导致呼吸性酸中毒；如自主循环呼吸不能迅速恢复，随着时间的推移，组织酸性代谢产物堆积，发生代谢性酸中毒。碳酸氢钠很长时间以来一直作为心肺复苏时的一线用药，其用药目的主要是纠正组织内酸中毒。但现在的观点认为，在心跳呼吸骤停早期，主要是由于呼吸停止所继发的呼吸性酸中毒，如过早给予碳酸氢钠则可引起不利反应。其原因主要为以下几点：

碳酸氢钠1，短暂的碱中毒，使氧解离曲线左移，减少血红蛋白中氧的释放，加重组织的缺氧；2，电解质平衡紊乱，降低游离钙和非游离钙之比，使血清中钾离子进入细胞内，诱发恶性心律失常，并产生高血钠，增加血浆渗透压；3，碳酸氢钠本身可直接抑制心脏功能，降低儿茶酚胺的活性；4，碳酸氢钠在体内分解产生二氧化碳。碳酸氢钠适应症：1，有效通气及胸外心脏按压10分钟后PH值仍低于7.2；2，心跳骤停前即已存在代谢性酸中毒；3，伴有严重的高钾血症。纠正心跳呼吸骤停后酸中毒措施1，迅速有效的解除呼吸道梗阻，建立有效通气。及时有效地进行胸外按压，使二氧化碳能够经弥散至肺并呼出；2，在机械通气时可适当过度通气，以降低细胞内二氧化碳分压；3，抢救10分钟后如血气分析示代谢性酸中毒存在，可适当使用碳酸氢钠。咳嗽CPR咳嗽可产生>100Hg的中心主动脉压左房压增加,但在咳嗽间期下降(以上两点可使冠脉梯度增加)可维持意识清醒达93秒之久可使心动过缓者动脉压增加产生接近正常的动脉压(80%颈动脉血流)非同步直流电除颤对一个室颤患者来说,能否成功地被给予电除颤，使其存活，决定于从室颤发生到行首次电除颤治疗的时间。除时间因素外，还要注意标准除颤器的使用，需选择适当的能量，以能产生足够穿过心肌的电流，而达到除颤的效果，同时要尽量减少电流对心脏的损伤。成人体型与除颤所需能量间无明确关系，而经胸电阻抗的大小却起着重要作用。心跳骤停的分型依据心跳骤停后的心电图变化，临床上分为：1，室颤。大于90%。2，电-机械分离。3，心室停搏。抢救成功的决定因素

早期通路

早期CPR早期除颤早期ALS早期除颤的理由1，心跳骤停的最常见类型为室颤；2，治疗室颤的最有效手段是电除颤；3，除颤的时机转瞬即逝；4，室颤不予处理在数分钟内就会转为心室停搏或电机械分离。除颤时间与抢救成功率时间（分）成功率（%）院前急救人员124消防队员96警察<658赌场人员<374除颤时间与成功率Timeislife

时间每过一分钟，转复成功率将降低10%！自动体外除颤器

AutomaticExternalDefibrillator,AED自动分析心律双功能电极片声音与图形提示自动除颤AED

时间（分）成功率（%）院前急救人员124消防队员96警察<658赌场人员<374AED操作程序第一步接通电源第二步安放电极第三步分析心律第四步电击除颤第一次电击后，先不要重新开始CPR，AED会手动或自动重新开始心律分析。若心律仍为室颤，AED仪会发出提示并自动充电，后进行第二次甚至第三次除颤。以3次除颤为1组的目的是尽快判别，并治疗致死性心律失常。完成1组3次的除颤后，仪器会自动停止1分钟，以便再进行CPR。因此，3次除颤后，应检查患者的循环并进行1分钟的胸外按压和人工呼吸。AED今后发展方向：安全、有效体积小、重量小价格便宜自动记录操作简便，易于掌握售后服务好除颤能量AHA推荐标准：Bing200JBang300JBoom360J除颤能量

关于电除颤的理想能量仍无定论，但有一点是确定的，能量越小对心肌的损害也越小，据报道，复苏后心功能不全与电除颤能量有直接关系。如能量超过400焦耳病人就可能发生轻微心肌坏死，目前临床上掌握在200-400焦耳