需要聪明的循环 - 对DateTime列进行排序并测量拥挤度

Posted 2021-03-27

我想评估每小时的ER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）

我使用熊猫数据框，注册日期和时间以及出院日期和时间写成'2013-01-01 01:41:01'。

创建这种人群（小时）数据最简单，最优雅的方法是什么？我想过只写一个非常具体的for循环和一个计数函数，但我会很乐意考虑你的见解，然后再先进入这样一个任务（：！

在许多情况下，出院日期和时间是NAN，这是因为这些病例没有出院，而是转移到医院的某个部门。

例

假设我有这个数据集

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'

所以我想要一个数据集“人群”，这可以告诉我每天和每小时的人数是多少。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例，案例0,1,2在第0小时登记，案例0已经解除 - > 0+ 3-1 = 2）人群（'2013-01-01'，1）= 3（为什么？案例1,2预先注册，案例3,4在第1小时注册，案例2注册 - > 2 + 2- 1 = 3）我希望现在的想法很清楚。

另外，关于放电和转移，它们相互补充，所以我只需要弄清楚如何将它们连接成一列并擦除NANs

答案

这是一种方法。您在帖子中描述的想法非常多，但这是一系列漫长的步骤。也许，其他人可能会有更短的实施。

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