Question

我们说我有一些这样的数据：

              timestamp
patient_id
99          10
99          100
3014        20
3014        200

pandas中的每个患者身份的最大，最小和平均时间戳范围究竟如何呢？

我正在寻找的是能够报告这个：

shortest range = 90 (100 - 10)
longest range = 180 (200 - 20)
average range = (180 + 90) / 2 = 135

Answer 1

设置

创建虚拟DataFrame：

import pandas as pd

data = '''99          10
99          100
3014        20
3014        200'''.split('\n')

使用两个嵌套列表推导，拆分行，然后拆分列并将所有元素转换为int。然后导入DataFrame。

data = [[int(n) for n in item.split()] for item in data]

DF = pd.DataFrame(data, columns=['pid', 'timestamp'])

作为学习练习，循环遍历每个组（假设每个pid的任意数量的时间戳，而不是两个）。这不是解决方案 - 只是为了演示groupby的工作原理：

for pid, grp in DF.groupby('pid'):
    print(pid, grp.timestamp.min(), grp.timestamp.max())

# Prints:
# (99, 10, 100)
# (3014, 20, 200)

解决方案

解决方案更有效：获取分钟和最大值的矢量，提取范围，然后找到范围的最小值，最大值和平均值。 Pandas的优势在于它将作为一个单元在DataFrame的任何列上运行，使得对数组的计算非常简单，如下所示：

mins = DF.groupby('pid').timestamp.min()
maxs = DF.groupby('pid').timestamp.max()
ranges = maxs - mins

shortest_range = ranges.min()
longest_range = ranges.max()
average_range = ranges.mean()

print(shortest_range, longest_range, average_range)

# (90, 180, 135.0)

Python Pandas：每组最小最大值的比较

1 个答案:

设置

解决方案