大熊猫六个月的日期范围

Posted 2023-03-11

【中文标题】大熊猫六个月的日期范围

【英文标题】：date range for six monthly in pandas

【发布时间】：2018-11-24 12:13:38

【问题描述】：

所以，这是我的数据框。

PatientNumber           QT         Answer   Answerdate  DiagnosisDate 
1        1          transferring     No      2017-03-03 2018-05-03     
2        1          preparing food   No      2017-03-03 2018-05-03     
3        1          medications      Yes     2017-03-03 2018-05-03     
4        2          transferring     No      2011-05-10 2012-05-04       
5        2          preparing food   No      2011-05-10 2012-05-04     
6        2          medications      No      2011-05-10 2012-05-04     
7        2          transferring     Yes     2011-15-03  2012-05-04     
8        2          preparing food   Yes     2011-15-03  2012-05-04     
9        2          medications      No      2011-15-03  2012-05-04     
10       2          transferring     Yes     2010-15-12 2012-05-04     
11       2          preparing food   No      2010-15-12 2012-05-04     
12       2          medications      No      2010-15-12 2012-05-04     
13       2          transferring     Yes     2009-10-10 2012-05-04     
14       2          preparing food   No      2009-10-10 2012-05-04     
15       2          medications      No      2009-10-10 2012-05-04     
16       3          medications      No      2008-10-10 2010-07-04     

我刚刚找到一个与我的问题here 相关的链接，它没有得到任何正确答案。

一些解释： 对于每个患者编号，diagnosisDate 是唯一的。Answer Date 是他们填写问题的数次。

但我想做什么：？

我的目标是从DiagnosisDateevery six month 返回，并将其标记到as the first 6 month record 的列上。在列中我们应该保存哪个六个月（前六​​个月，第二个月，第三个月，...）。

例如对于这个数据框，DiagnosisDate 的 PatientNumber=1 是 2018-05-03 所以它应该从那个时候返回 6 month。 the first 6 month 是2017-27-11 作为最大的AnswerDate 不属于该日期，它不会被标记为first six month。 如果第一个answerdate 在此日期以内，则将其标记为first 6 month。

所以这里PatientNumber=1 在6month 列中得到3，因为当我们从diagnosisdate 6 month 返回时，answerdate 会在一段时间后落在6 month 之下。 所以这个数据框的输出将是：

PatientNumber           QT         Answer   Answerdate  DiagnosisDate  6month
1        1          transferring     No      2017-03-03 2018-05-03     3
2        1          preparing food   No      2017-03-03 2018-05-03     3
3        1          medications      Yes     2017-03-03 2018-05-03     3
4        2          transferring     No      2011-05-10 2012-05-04     1 
5        2          preparing food   No      2011-05-10 2012-05-04     1
6        2          medications      No      2011-05-10 2012-05-04     1
7        2          transferring     Yes     2011-15-04  2012-05-04    2
8        2          preparing food   Yes     2011-15-04  2012-05-04    2
9        2          medications      No      2011-15-04  2012-05-04    2
10       2          transferring     Yes     2010-15-12 2012-05-04     3
11       2          preparing food   No      2010-15-12 2012-05-04     3
12       2          medications      No      2010-15-12 2012-05-04     3
13       2          transferring     Yes     2009-10-10 2012-05-04     5
14       2          preparing food   No      2009-10-10 2012-05-04     5
15       2          medications      No      2009-10-10 2012-05-04     5
16       3          medications      No      2008-10-10 2010-07-04     4

对于 PatientNumber =2，它将从 DiagnosisDate =2012-05-04 开始并返回 6 个月。它将是 2011-11-04。

我应用了这个：

data['6month'] = pd.date_range(end=data['diagnosisdate'],periods=2, freq='6M',closed='left')

首先它只关心月份，所以大致计算不准确， 而且我找不到提及 6 个月数的方法，就像我在上面的数据框中提到的一样（在 6 月列中，我的意思是 1 2，...而不是日期。

因此根据数据，我们可以在6month列中看到1...10的数字（考虑到诊断前5年）

说来话长。希望有人能花点时间:)。

我还需要保持整个列的结果不变。

【问题讨论】：

嗨，Saria，请与我们分享您的df.to_dict()，以便我们进行复制。

你的意思是说6month应该是diagnosis_date - 6个月？

@user32185 感谢您的提问，但是您的意思是什么，因为我已经分享了一个数据框样本，我认为这已经足够了。请让我知道还需要什么？

@ifly6 感谢您的提问。我的目标是每 6 个月分析一次患者的回答。所以从诊断日期开始，我必须每 6 个月考虑他们的答案。稍后我将对每 6 个月进行一些分析。请让我知道哪个部分仍然模棱两可。谢谢

@ifly6 我添加了一些说明，并解释了输出中的患者编号 1 的数字。希望它更清楚:)

【参考方案1】：

这并不完全是您想要的，但可以提供足够好的结果。我认为您可以通过计算列 DiagnosisDate 和 Answerdate 之间的时间差，然后除以 pd.np.timedelta64(6, 'M')（将频率更改为 6 个月）来做到这一点。那么就需要ceil函数来获取上面的整数，如：

data['6month'] = (pd.np.ceil((data['DiagnosisDate']-pd.Timedelta(days=1)-data['Answerdate'])
                                             /pd.np.timedelta64(6, 'M')).astype(int))

用于忽略负列：

data = data[(data['6month'] >= 0)]

使用您的示例，它给出：

    PatientNumber            QT Answer Answerdate DiagnosisDate  6month
1               1  transferring     No 2017-03-03    2018-03-05       3
2               1     preparing     No 2017-03-03    2018-03-05       3
3               1   medications    Yes 2017-03-03    2018-03-05       3
4               2  transferring     No 2011-10-05    2012-04-05       1
5               2     preparing     No 2011-10-05    2012-04-05       1
6               2   medications     No 2011-10-05    2012-04-05       1
7               2  transferring    Yes 2011-03-15    2012-04-05       3
8               2     preparing    Yes 2011-03-15    2012-04-05       3
9               2   medications     No 2011-03-15    2012-04-05       3
10              2  transferring    Yes 2010-12-15    2012-04-05       3
11              2     preparing     No 2010-12-15    2012-04-05       3
12              2   medications     No 2010-12-15    2012-04-05       3
13              2  transferring    Yes 2009-10-10    2012-04-05       5
14              2     preparing     No 2009-10-10    2012-04-05       5
15              2   medications     No 2009-10-10    2012-04-05       5
16              3   medications     No 2008-10-10    2010-04-07       3

另外，我不会使用 pd.date_range，因为它似乎不像你想要的那样，但我可能错了。

编辑：要删除 DiagnosisDate 在 Answerdate 之前的情况，一旦您创建了 6 个月的列，只需执行 data = data[data['6months'] > 0]，因为在这种情况下该值将为负数或零

【讨论】：

非常感谢您抽出宝贵的时间，那么为什么不使用pandas 中适合与时间打交道的功能呢？实际上它对我没有帮助，6个月的数字很重要，它可以帮助我在生病前每六个月分析一次患者的答案。大约稍后会产生错误的结果。我相信我们可以像我上面分享的那样在 pandas 中使用时间序列函数。无论如何，感谢您抽出时间，如果您有任何想法，请告诉我

@sariaGoudarzi 我在复制您的数据时遇到了麻烦，所以我编辑了我的结果。我理解你为什么不想要错误的数字，但我相信这个解决方案会产生很好的效果。如果您想使用pd.date_range，我认为您应该考虑执行类似data.apply(lambda row: len(pd.date_range(start=row['Answerdate'], end=row['DiagnosisDate'], freq='6M',closed='left')),1) 的操作，但至少在您的示例中，您会得到相同的结果:)

非常感谢您的关注，我似乎错误地复制了日期和月份，请几分钟后检查问题中的数据农场。也许您使用更新的数据框的方式可以提供所需的输出

现在数据框中日期的顺序是年/日/月，请问您可以在更新后的数据框中应用您的代码吗？

@sariaGoudarzi pd.Timedelta(days=1) 是一天。为了考虑，如您所愿，1 代表 2 号患者的第一行，您需要说您回顾的 6 个月期间从前一天开始，否则，6 个月前的同一天不包含在此时期。这是关于间隔和界限的事情（希望它更清楚......）