统计上一年度的实例

如何解决统计上一年度的实例

我有一个非常大的住院数据集。对于每次录取，我想知道前一年发生的录取数量。我的数据集采用数据框的形式，包括患者 ID 和住院日期。我想要一个额外的列，说明上一年的录取人数 - 例如，下表中的“hosp_past_year”列。

患者 ID	住院日期	hosp_past_year
1	2020 年 11 月 2 日	2
1	2019 年 12 月 20 日	1
1	2019 年 11 月 30 日	1
1	2015 年 1 月 1 日	0
2	2019 年 4 月 17 日	1
2	2018 年 11 月 5 日	0

我已经编写了下面的代码（可以运行），但很想听听有关使其运行起来更简单、更省时的建议。

pat_l=list(df.patient_id.unique())
df["hospitalization_date"]=pd.to_datetime(df["hospitalization_date"])
df_fin=pd.DataFrame()
for pat in pat_l:
    df_pat=df[df.patient_id==pat]
    df_pat=df_pat.reset_index()
    temp_df=pd.DataFrame()

    for i in range(len(df_pat)):
        temp_df[i]=(df_pat["hospitalization_date"]-df_pat["hospitalization_date"][i]).dt.days

    temp_df=np.where(temp_df>=0,np.where(temp_df>-366,1,0))
    df_pat["hosp_past_year"]=temp_df.sum(axis=0)
    df_fin=df_fin.append(df_pat)

任何帮助将不胜感激！

解决方法

以下会产生你想要的结果，

res = df.groupby(['patient_id',df['hospitalization_date'].dt.year]).sum().reset_index()
pd.merge(df,res,how='left',left_on= ['patient_id',df['hospitalization_date'].dt.year],right_on = ['patient_id','hospitalization_date'],suffixes=['_x','_sum'])[['patient_id','hospitalization_date_x','previous_year_x','previous_year_sum']]

输出：

patient_id  hospitalization_date_x  previous_year_x previous_year_sum
0   1   2020-11-02  2   2
1   1   2019-12-20  1   1
2   1   2019-11-30  0   1
3   1   2015-01-01  0   0
4   2   2019-04-17  1   1
5   2   2018-11-05  0   0