Question

我想每小时评估一次急诊室的人口。定义如下：人群（小时= x）=未出院的人（小时= x-1）+加入的人（小时= x）-出院的人（小时= x）

我使用大熊猫数据框，寄存器的日期和时间以及放电的日期和时间写为'2013-01-01 01:41:01'。

创建此人群（小时）数据的最简单，最优雅的方法是什么？我本来只是想编写一个非常特定的for循环和一个count函数，但是在开始进行此类探索之前，我很乐意考虑您的见解（：！

在很多情况下，出院日期和时间为NAN，这是因为这些病例并未出院，而是转移到医院的某个部门。

示例

让我说我有这个数据集

case    RegisterDateTime    DischargeDateTime.   TransferDateTime
 0    '2013-01-01 00:12:00'    '2013-01-01 00:48:00'    NAN
 1    '2013-01-01 00:43:00'    '2013-01-01 02:12:00'    NAN
 2    '2013-01-01 00:56:00'    '2013-01-01 01:22:00'    NAN
 3    '2013-01-01 01:04:00'    '2013-01-01 04:12:00'    NAN
 4    '2013-01-01 01:34:00'    '2013-01-01 04:52:00'    NAN
 5    '2013-01-01 02:01:00'    NAN    '2013-01-01 05:34:00'

所以我想拥有一个“人群”数据集，它可以每天和每小时告诉我目前的人数。在这个例子中，我们可以看到人群（'2013-01-01'，0）= 2（为什么？因为没有预先登记的案件，案件0,1,2在第0小时被登记，案件0出院-> 0 + 3-1 = 2）人群（'2013-01-01'，1）= 3（为什么？案例1,2已预先注册，案例3,4在第一小时内已注册，案例2已出院-> 2 + 2-1 = 3）我希望这个主意现在明白了。

另外，关于排放和转移，它们是相辅相成的，所以我只需要弄清楚如何将它们合并为一列并擦除NANs

Answer 1

这是一种方法。很像您在帖子中描述的想法，但这是一个漫长的步骤。也许，其他人的实现可能更短。

import pandas as pd

>>>df
   case RegisterDateTime DischargeDateTime TransferDateTime
0     0      1/1/13 0:12       1/1/13 0:48              NaN
1     1      1/1/13 0:43       1/1/13 2:12              NaN
2     2      1/1/13 0:56       1/1/13 1:22              NaN
3     3      1/1/13 1:04       1/1/13 4:12              NaN
4     4      1/1/13 1:34       1/1/13 4:52              NaN
5     5      1/1/13 2:01               NaN      1/1/13 5:34

# Construct population outflow. This is where you merge Discharges with Transfers
df_out = pd.DataFrame([(j,k) if str(k) != 'nan' else (j,v) for j, k, v in zip(df['case'], df['DischargeDateTime'],df['TransferDateTime'])])
df_out.columns = ['out', 'time']
# You can skip this if your column is already in DateTime
df_out['time'] = pd.to_datetime(df_out['time'])
# Needed for resampling
df_out.set_index('time', inplace=True)
df_out = df_out.resample('H').count().cumsum()
# Needed for merging later
df_out.reset_index(inplace=True)

>>>df_out
                     out
time                    
2013-01-01 00:00:00    1
2013-01-01 01:00:00    2
2013-01-01 02:00:00    3
2013-01-01 03:00:00    3
2013-01-01 04:00:00    5
2013-01-01 05:00:00    6

# Now, repeat for the population inflow
df_in = df.loc[:, ['case', 'RegisterDateTime']]
df_in.columns = ['in', 'time']
df_in['time'] = pd.to_datetime(df_in['time'])
df_in.set_index('time', inplace=True)
df_in = df_in.resample('H').count().cumsum()
df_in.reset_index(inplace=True)

>>>df_in
                     in
time                   
2013-01-01 00:00:00   3
2013-01-01 01:00:00   5
2013-01-01 02:00:00   6


# You can now combine the two
df= pd.merge(df_in, df_out)
df['population'] = df['in'] - df['out']

>>>df
                 time  in  out  population
0 2013-01-01 00:00:00   3    1           2
1 2013-01-01 01:00:00   5    2           3
2 2013-01-01 02:00:00   6    3           3

需要一个聪明的循环-对DateTime列进行排序并衡量拥挤程度

1 个答案: