私は医療記録アプリからDBを分析するように求められました。だから私はPXによって2011年から2014年に300万人以上のレコードを再開する必要があり、私は彼らはので、各患者のためのthats ID、患者以来繰り返し知っ多くの列のパンダグループでagg()
:だから、レコードの束は次のようになります。医者への訪問が多いはずです。どのように私はそれらをグループ化するか、患者によってそれらを再開することができます。
私は医療記録アプリからDBを分析するように求められました。だから私はPXによって2011年から2014年に300万人以上のレコードを再開する必要があり、私は彼らはので、各患者のためのthats ID、患者以来繰り返し知っ多くの列のパンダグループでagg()
:だから、レコードの束は次のようになります。医者への訪問が多いはずです。どのように私はそれらをグループ化するか、患者によってそれらを再開することができます。
「再開」とは何を意味するのか分かりませんが、あなたがしたいのは、より良い方法でデータを並べ替えて表示することだけです。あなたがすることができ、このような視覚的にグループ化(=順)レコード「PX-とfechaワイズ」:
df.set_index(['px', 'fecha'], inplace=True)
EDIT:
あなたには、いくつかの共通の特性に基づいて、データのグループ化を行い、他の列のデータにどのような集約を使用するかを決める必要があります。単純に言えば、groupbyを実行すると、残っている各 "pacient_id"ごとに空のフィールドが1つしかないので、集計関数(sum、mean、min、avg、countなど)を使用する必要があります。グループ化されたデータの望ましい表現可能な値を返します。
画像にはロックされているためデータを扱うことは難しく、この列は表示されないため「Age」の意味を理解することはできませんが、ダミーデータでは、次の例を見て、:
import pandas as pd
import numpy as np
from datetime import datetime
import random
from datetime import timedelta
def random_datetime_list_generator(start_date, end_date,n):
return ((start_date + timedelta(seconds=random.randint(0, int((end_date - start_date).total_seconds())))) for i in xrange(n))
#create random dataframe with 4 sample columns and 50000 rows
rows = 50000
pacient_id = np.random.randint(100,200,rows)
dates = random_datetime_list_generator(pd.to_datetime("2011-01-01"),pd.to_datetime("2014-12-31"),rows)
age = np.random.randint(10,80,rows)
bill = np.random.randint(1,1000,rows)
df = pd.DataFrame(columns=["pacient_id","visited","age","bill"],data=zip(pacient_id,dates,age,bill))
print df.head()
# 1.Only perform statictis of the last visit of each pacient only
stats = df.groupby("pacient_id",as_index=False)["visited"].max()
stats.columns = ["pacient_id","last_visited"]
print stats
# 2. Perform a bit more complex statistics on pacient by specifying desired aggregate function for each column
custom_aggregation = {'visited':{"first visit": 'min',"last visit": "max"}, 'bill':{"average bill" : "mean"}, 'age': 'mean'}
#perform a group by with custom aggregation and renaming of functions
stats = df.groupby("pacient_id").agg(custom_aggregation)
#round floats
stats = stats.round(1)
print stats
オリジナルダミーデータフレームはそうのようになります。
pacient_id visited age bill
0 150 2012-12-24 21:34:17 20 188
1 155 2012-10-26 00:34:45 17 672
2 116 2011-11-28 13:15:18 33 360
3 126 2011-06-03 17:36:10 58 167
4 165 2013-07-15 15:39:31 68 815
まず集計は次のようになります。
あなたが軌道に乗る必要があります。この例で visited age bill
first visit last visit mean average bill
pacient_id
100 2011-01-06 06:11:33 2014-12-29 00:01:11 45.2 507.9
101 2011-01-01 20:44:55 2014-12-22 06:00:48 44.0 503.8
102 2011-01-02 17:42:59 2014-12-26 11:51:41 43.2 498.0
103 2011-01-01 03:07:41 2014-12-29 15:01:32 43.5 495.1
104 2011-01-07 18:58:11 2014-12-18 15:29:28 45.9 501.7
105 2011-01-01 03:43:12 2014-12-30 11:08:29 44.3 513.0
:
第二に、複雑な集計は次のようになります。さらに、このトピックについてたくさん教えるかもしれないpandas groupby集約について素敵なSO questionがあります。
私が探しているものではありません。私が説明できるかどうか見てみましょう。ですから、私は年齢の分野で私は最大値で終了するように、2011年に各患者のすべてのコンサルタを "崩壊または再開"したいと思います。だから、再開では、年齢によって年齢によって返される最大年齢機能を実行し、年ごとに各患者の年齢で終わるようなことを意味します。私の言いたいことが分かりますか? – alex
大変!ありがとう、それはまさに私が行方不明だったものです。 – alex