Skip to main content
 首页 » 编程设计

python之将列中的所有先前字符串作为列表存储在 Pandas 数据框中新列的单元格中

2025年02月15日27落叶无声

我有一个长格式的 pandas 数据框(超过 1000 万行),其中每一行都包含一次医院就诊和相应的诊断,任何患者都可以进行多次就诊。

我想创建一个新列,总结该患者的所有以前授予的独特诊断。

创建一个包含一个列表的新列很简单,该列表总结了任何时候授予的所有诊断,但这对我来说并不适用。

What I tried so far: 
 
 
df.groupby( ["Patient_ID"] )["Diagnosis"].unique().to_frame(name = "all_diagnoses").reset_index() 
 
Patient_ID  all_diagnoses 
2           [R104] 
3           [O820, K429] 
4           [R319, R339, N409, C619] 
5           [J189, K578] 
10          [C619, S202, R410] 
 
 
Desired output: 
 
Visit_ID  Patient_ID    ARRIVAL          Diagnosis      Newcol 
52591     2             2/1/12 14:30     R104           [R104] 
78131     3             4/26/12 7:00     O820           [O820] 
78132     3             3/7/13 8:00      K429           [O820, K429] 
61204     4             1/4/13 0:05      R319           [R319] 
61202     4             1/10/13 15:00    R339           [R319, R339] 
61205     4             4/23/13 10:00    N409           [R319, R339, N409] 
61203     4             5/9/13 10:30     R319           [R319, R339, N409] 
61206     4             5/30/13 3:40     C619           [R319, R339, N409, C619] 
54263     5             3/28/12 23:10    J189           [J189] 
54262     5             4/7/12 23:55     K578           [J189, K578] 
111804    10            1/10/11 9:00     C619           [C619] 
111803    10            5/16/12 20:00    S202           [C619, S202] 
111805    10            7/18/12 14:30    R410           [C619, S202, R410] 
82785     10            5/17/13 17:50    R410           [C619, S202, R410] 
68737     10            11/28/13 10:30   R410           [C619, S202, R410] 
 
 
 
 
This is not what I want: 
 
Visit_ID  Patient_ID    ARRIVAL          Diagnosis      Newcol 
52591     2             2/1/12 14:30     R104           [R104] 
78131     3             4/26/12 7:00     O820           [O820, K429] 
78132     3             3/7/13 8:00      K429           [O820, K429] 
61204     4             1/4/13 0:05      R319           [R319, R339, N409, C619] 
61202     4             1/10/13 15:00    R339           [R319, R339, N409, C619] 
61205     4             4/23/13 10:00    N409           [R319, R339, N409, C619] 
61203     4             5/9/13 10:30     R319           [R319, R339, N409, C619] 
61206     4             5/30/13 3:40     C619           [R319, R339, N409, C619] 
54263     5             3/28/12 23:10    J189           [J189, K578] 
54262     5             4/7/12 23:55     K578           [J189, K578] 
111804    10            1/10/11 9:00     C619           [C619, S202, R410] 
111803    10            5/16/12 20:00    S202           [C619, S202, R410] 
111805    10            7/18/12 14:30    R410           [C619, S202, R410] 
82785     10            5/17/13 17:50    R410           [C619, S202, R410] 
68737     10            11/28/13 10:30   R410           [C619, S202, R410] 

请您参考如下方法:

这应该可以解决问题

df2 =df.groupby('Patient_ID')['Diagnosis'].unique().to_frame() 
df.merge(df2, how = 'left', left_on = 'Patient_ID', right_index = True ) 

解释

我们进行 groupby,然后将系列放入数据框中。

df2 =df.groupby('Patient_ID')['Diagnosis'].unique().to_frame() 

然后我们将原始数据框与这个新数据框合并;

 df.merge(df2, how = 'left', left_on = 'Patient_ID', right_index = True ) 

how = left 表示我们将依赖左侧数据帧的键(这将是左侧数据帧的“Patient_ID”)。请记住,我们添加到原始数据框,所以我们希望这个数据框(左)成为引用点。

left_on 是我们要用作合并的左侧数据帧的索引键的列

right_index 因为我们使用的是正确数据帧的索引(按数据帧分组)