Question

我有一个看起来像这样的表：

temp = [['K98R', 'AB',34,'27-07-2010', '17-08-2013', '2008-03-01', '2011-05-02', 44],
['S33T','ES',55, '2009-07-23', '2012-03-12', '2010-09-17', '', 76]]
Data = pd.DataFrame(temp,columns=['ID','Initials','Age', 'Entry','Exit','Event1','Event','Weight'])

您在上表中看到的是，有一个进入和退出日期，以及事件1和2的日期，第二位患者的事件2也缺少日期，因为该事件没有发生。另请注意，第一位患者的event1发生在输入日期之前。

我要实现的目标有两个： 1.将进入和退出之间的时间分成若干年 2.每年将宽格式转换为长格式，每年仅一行 3.检查事件1和事件2在每行包含的时间段内是否发生

为进一步说明，这是我尝试生成的输出。

ID    Initial   Age   Entry       Exit     Event1   Event2 Weight
K89R    AB       34 27/07/2010  31/12/2010  1       0       44
K89R    AB       35 1/01/2011   31/12/2011  1       1       44 
K89R    AB       36 1/01/2012   31/12/2012  1       1       44
K89R    AB       37 1/01/2013   17/08/2013  1       1       44
S33T    ES       55 23/07/2009  31/12/2009  0       0       76
S33T    ES       56 1/01/2010   31/12/2010  1       0       76
S33T    ES       57 1/01/2011   31/12/2011  1       0       76
S33T    ES       58 1/01/2012   12/03/2012  1       0       76

您在此处看到的是，进入/退出日期期间被划分为每个患者单独的行，每行代表一年。现在，事件列的编码为0（表示事件尚未发生）或1（事件发生），由于事件已经发生，因此将其延续到以后的年份。

随着时间的推移，每位患者每一行的年龄都会增加

患者ID和姓名首字母以及体重保持不变。

任何人都可以帮忙吗，谢谢

Answer 1

从获取进入和退出之间的年数开始：

# Convert to datetime
df.Entry = pd.to_datetime(df.Entry)
df.Exit = pd.to_datetime(df.Exit)
df.Event1 = pd.to_datetime(df.Event1)
df.Event2 = pd.to_datetime(df.Event2)
# Round up, to include the upper years 
import math
df['Years_Between'] = (df.Exit - df.Entry).apply(lambda x: math.ceil(x.days/365))

# printing the df will provide the following:

    ID  Initials    Age Entry   Exit    Event1  Event2  Weight  Years_Between
0   K98R    AB  34  2010-07-27  2013-08-17  2008-03-01  2011-05-02  44  4
1   S33T    ES  55  2009-07-23  2012-03-12  2010-09-17  NaT 76  3

浏览数据并为每年创建一个新行：

new_data = []

for idx, row in df.iterrows():  

  year  = row['Entry'].year
  new_entry = pd.to_datetime(year,  format='%Y')

  for y in range(row['Years_Between']):

    new_entry = new_entry + pd.DateOffset(years=1)
    new_exit = new_entry + pd.DateOffset(years=1) - pd.DateOffset(days=1)

    record = {'Entry': new_entry,'Exit':new_exit}

    if row['Entry']> new_entry:
      record['Entry'] = row['Entry']

    if row['Exit']< new_exit:
      record['Exit'] = row['Exit']

    for col in ['ID', 'Initials', 'Age', 'Event1', 'Event2', 'Weight']:
      record[col] = row[col]

    new_data.append(record)

创建一个新的DataFrame，比较日期：

df_new = pd.DataFrame(new_data, columns = ['ID','Initials','Age', 'Entry','Exit','Event1','Event2','Weight'])
df_new['Event1'] = (df_new.Event1 <= df_new.Exit).astype(int)
df_new['Event2'] = (df_new.Event2 <= df_new.Exit).astype(int)

# printing df_new will provide:
    ID  Initials    Age Entry   Exit    Event1  Event2  Weight
0   K98R    AB  34  2011-01-01  2011-12-31  1   1   44
1   K98R    AB  34  2012-01-01  2012-12-31  1   1   44
2   K98R    AB  34  2013-01-01  2013-08-17  1   1   44
3   K98R    AB  34  2014-01-01  2013-08-17  1   1   44
4   S33T    ES  55  2010-01-01  2010-12-31  1   0   76
5   S33T    ES  55  2011-01-01  2011-12-31  1   0   76
6   S33T    ES  55  2012-01-01  2012-03-12  1   0   76

更改为长表格式并按年份划分日期

1 个答案: