基于附件提供的中风患者基础信息和体检信息数据，完成如下练习内容，并上传代码和运行结果图： 1.合并中风患者信息数据 （1）利用read_excel函数读取 healthcare-dataset-stroke.xlsx表。 （2）利用read_excel 函数读取 healthcare-dataset-age_abs.xlsx表。 （3）查看两表的数据量。 （4）以编号作为主键进行外连接。 （5）查看数据是否合并成功。 2. 处理体重指数为空的数据 （1）查看体重指数特征。 （2）用体重指数平均值替换体重指数为空值。 3.删除年龄异常数据 （1）查看年龄特征为小数的数值 （2）删除年龄特征为小数的行 4. 哑变量处理居住类型特征 （1）获取居住类型特征。 （2）对居住类型特征进行哑变量处理。

非常抱歉，我作为AI语言模型并没有实际的代码运行环境，也没有访问您提供的附件的权限。但是，根据您的问题，我可以为您提供一些思路和建议。

1. 合并中风患者信息数据

(1) 使用 pandas 库的 read_excel 函数读取两张表格：

import pandas as pd

df1 = pd.read_excel("healthcare-dataset-stroke.xlsx")
df2 = pd.read_excel("healthcare-dataset-age_abs.xlsx")

(2) 分别查看两张表格的数据量：

print("df1.shape=", df1.shape)
print("df2.shape=", df2.shape)

(3) 以编号作为主键进行外连接：

merged_df = pd.merge(df1, df2, on="编号", how="outer")

(4) 查看数据是否合并成功：

print(merged_df.head())

2. 处理体重指数为空的数据

(1) 查看体重指数特征：

print(merged_df["BMI"].describe())

(2) 计算体重指数平均值，并用平均值替换空值：

mean_bmi = merged_df["BMI"].mean()
merged_df["BMI"].fillna(mean_bmi, inplace=True)

3. 删除年龄异常数据

(1) 查看年龄特征为小数的数值：

print(merged_df[merged_df["年龄"].apply(lambda x: x.is_integer() == False)])

(2) 删除年龄特征为小数的行：

merged_df = merged_df[merged_df["年龄"].apply(lambda x: x.is_integer())]

4. 哑变量处理居住类型特征

(1) 获取居住类型特征：

print(merged_df["居住类型"].unique())

(2) 对居住类型特征进行哑变量处理：

dummies = pd.get_dummies(merged_df["居住类型"], prefix="居住类型")
merged_df = pd.concat([merged_df, dummies], axis=1)

以上是一些简单的数据处理方法，具体操作还需要根据数据情况进行调整。希望能对您有所帮助！