Question

每个人，通常我可以解决已经发表的问题，但是这次我做不到。所以，我的第一个问题。

我有一个Pandas DataFrame（从.xlsx转换），具有大量（> 20000）行，就像这样

> id  sex  age  date  swab outcome death_day

对于每个 id 我都有很多行我想和一个熊猫

> id  sex  age  first_POSITIVE_date(or null)  last_DATE_swab_outcome death_day

我可以使用Excel来完成此操作，但是由于ID重复，将花费很长时间，是否可以通过熊猫获得它？

我在csv创建了一个可访问的csv

编辑：好的，我会尝试现在就像

  > id  sex  age  date  swab outcome death_day 
  > 1   M     56   01/04/2020  Neg    Na
  > 2   F     50   01/04/2020  Pos    Na
  > 2   F     50   15/04/2020  Neg    Na
  > 3   M     78  15/04/2020  Neg    Na
  > 1   M     56   15/04/2020  Pos    Na
  > 2   F     50   16/04/2020  Neg    Na
  > 1   M     56   20/04/2020  Neg    Na

通缉是

  > id  sex  age  first_POSITIVE_date(or null)  last_DATE swab_outcome death_day
  > 1   M     56   15/04/2020      20/04/2020   Pos       Na
  > 2   F     50   01/04/2020      16/04/2020   Neg       Na
  > 3   M     78   na              15/04/2020   Neg       Na

Answer 1

似乎是您想要的：

although you should share your data snippet in such a way that doesn't require people to log on to sharepoint

df['date'] = pd.to_datetime(df['date'])
df_1 = df[df['swab']=='Positive'].groupby(['id','sex','age','death_day'],as_index=False)\
                                 .agg({'date':'min'})
df_1.columns = ['id','sex','age','death_day','first_positive_date']
df_2 = df[['id','date','swab outcome']].drop_duplicates()
df_2.columns = ['id','last_date','last_date_swab_outcome']
df = df[['id','sex','age','death_day']].drop_duplicates()
df = df.merge(df_1,how='left')
df = df.merge(df_2,how='left')
df.head()

熊猫，将数据框转换为开始日期和结束日期

1 个答案: