前往小程序,Get更优阅读体验!
立即前往
首页
学习
活动
专区
工具
TVP
发布
社区首页 >专栏 >品玩SAS:论科学之减肥

品玩SAS:论科学之减肥

作者头像
机器思维研究院
发布2019-06-10 15:24:32
6510
发布2019-06-10 15:24:32
举报
文章被收录于专栏:AI机器思维AI机器思维

喜提爱车一辆

古语有言,爱美之心,人皆有之。从古至今再继往开来,爱美终是要贯穿始终了。就当代而言,美(狭义)的表现无外乎一曰相貌,二曰身材。

相貌这一点大多取自遗传,论提升方法,盖可以化妆为体,科技(P图、整容)为用来概括,然科技在越发让人惊叹。反观身材方面刨除被固定下的身高,也就唯有在体重上面做文章了,是瘦弱、肥胖还是精壮确实对人的形象有较大的影响,这就不难看出当下呼喊“健身”、“减肥”的声音不绝于耳了。

健身毋庸置疑是一个顶好的生活习惯,但减肥的呼声中存在些许瑕疵,比如有些人并不胖甚至有些偏瘦,却依然要减肥,这就不免有些不科学了。那什么样的体重才需要减肥,什么样的实则需要增重呢?下面且听我慢慢道来~

本期“SAS品玩”以和大家相爱相杀的减肥大业为题,通过BMI(英文为Body Mass Index,即体质指数)公式,以科学的方式提醒各位是否该减肥了!BMI是目前国际上常用的衡量人体胖瘦程度以及是否健康的一个标准,由19世纪中期的比利时通才凯特勒最先提出,它的计算公式为:体质指数(BMI)=体重(kg)÷身高^2(m)。

国内BMI分类标准如下:

偏瘦:低于18.5

正常:18.5-23.9

偏胖:24-26.9

肥胖:27-29.9

重度肥胖:大于30

下面通过SAS程序绘制不同身高体重下BMI值处在的风险范围图。

SAS程序

data BMI;

input posture $ bmi1 bmi2 weight;

height1=(weight/bmi1)**.5; /*根据BMI公式产生身高的上限height1*/

height2=(weight/bmi2)**.5; /*根据BMI公式产生身高的下限height2*/

cards;

偏瘦 1 18.5 40

偏瘦 1 18.5 60

偏瘦 1 18.5 80

偏瘦 1 18.5 100

正常 18.5 24.0 40

正常 18.5 24.0 60

正常 18.5 24.0 80

正常 18.5 24.0 100

偏胖 24.0 27.0 40

偏胖 24.0 27.0 60

偏胖 24.0 27.0 80

偏胖 24.0 27.0 100

肥胖 27.0 30.0 40

肥胖 27.0 30.0 60

肥胖 27.0 30.0 80

肥胖 27.0 30.0 100

重度肥胖 30.0 50.0 40

重度肥胖 30.0 50.0 60

重度肥胖 30.0 50.0 80

重度肥胖 30.0 50.0 100

;

proc sgplot data=bmi;

band x=weight upper=height1 lower=height2 /group=posture; /*x轴为体重,y轴上限为height1,下限为height2*/

xaxis values=(40 to 100 by 5) label="体重(kg)";/*指定x轴的刻度值和标题*/

yaxis values=(1.5 to 2 by 0.1) label="身高(m)"; /*指定y轴的刻度值和标题*/

keylegend / location=outside;

run;

运行结果

图1 身高体重风险图

通过上面的风险图,可以直观看出同一身高下不同体重或同一体重不同身高下BMI所处的分类范围。相信有了这张图,大家已经大概了解自己的胖瘦程度!当然,如果想更细致的了解自己目前所处的状态,以便于执行A计划“放心大胆吃”或B计划“缩食健身减”的话,可以通过下面的程序将自己所处的位置在图中显示出来。

data lu;

input name $ ht wt ;

cards;

刘璐 1.85 69

欢迎 1.68 60

阅读 1.85 95

品玩 1.76 80

SAS 1.60 45

;

run;

data liu;

merge BMI lu;

run;

proc sgplot data=liu;

band x=weight upper=height1 lower=height2 /group=posture;

scatter x=wt y=ht/group=name markerattrs=(symbol=circlefilled);

xaxis values=(40 to 100 by 5) label="体重(kg)"; /*指定x轴的刻度值和标题*/

yaxis values=(1.5 to 2 by 0.1) label="身高(m)";

keylegend / location=outside;

run;

图2 不同分类区域人员分布

从图中的点位分布可以看出,我的BMI尚处在正常范围内,但距离偏瘦估计只差两根鸡腿的距离了!看来今后我要多与美食相伴左右了,想想都是一件幸事啊~

最后希望大家合理安排饮食,科学考量“增重”与“减肥”,毕竟健康才是换不来的长久法宝!

本文参与 腾讯云自媒体分享计划,分享自微信公众号。
原始发表:2019-03-12,如有侵权请联系 cloudcommunity@tencent.com 删除

本文分享自 AI机器思维 微信公众号,前往查看

如有侵权,请联系 cloudcommunity@tencent.com 删除。

本文参与 腾讯云自媒体分享计划  ,欢迎热爱写作的你一起参与!

评论
登录后参与评论
0 条评论
热度
最新
推荐阅读
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档