我有一个 CSV 文件,其中包含药物信息(姓名)和某些患者的剂量信息(id)。
CSV 文件的结构如下:
name, id, dose
ator, 034, 20
ator, 034, 30
para, 034, 30
mar, 035, 20
mar, 034, 10
目标是将其解析为“长”格式,包含以下列:“id”、“table”(代码中给出的表名)、字段(即名称、剂量)、值(即,例如名称或剂量的值)。到目前为止,我已经成功地将原始 CSV 结构格式化成这个。
但是,我还想要一个“计数”列,其中包含每个患者服用的药物增量。 例如,ID 为 034 的患者服用了三种药物(ator、para 和 mar),对应的计数为 1、2 和 3。因此,所需的输出如下:
id,table,field,count,value
034, meds, name, 1, ator
034, meds, name, 1, ator
034, meds, name, 2, para
035, meds, name, 1, mar
034, meds, name, 3, mar
034, meds, dose, 1, 20
034, meds, dose, 1, 30
034, meds, dose, 2, 30
035, meds, dose, 1, 20
034, meds, dose, 3, 10
每次患者(即 id)获得新药物(即姓名)时,“计数”应表示与表格后面的实例剂量相对应的药物。
但我正在为获得这样的计数列而苦苦挣扎。
我曾尝试通过我的代码(请参阅下文)向数据框添加一个计数列,但没有成功。
任何对创建此专栏的帮助都将非常有用!
import pandas as pd
# load the data into a pandas table:
file = '~/data/meds.csv'
df = pd.read_table(file, delimiter=',')
#### CANNOT GET THIS PART TO WORK: #####
count = []
for index, row in df.iterrows():
count.append(df[(df['id'] == row['id']) & (df['name'] < row['name'])].shape[0])
df['count'] = count
########################################
# convert data frame into the long format
df = pd.melt(df, id_vars=['id', 'count'], var_name='field', value_name='value')
# Change all NaNs to None
df = df.where((pd.notnull(df)), None)
# creating new column with table name
table = []
df['table'] = 'meds'
# save to file:
df.to_csv('~/data/meds_out.csv', encoding='utf-8')
请您参考如下方法:
使用melt与 GroupBy.cumcount对于计数器列:
df = pd.melt(df, id_vars='id', var_name='field', value_name='value')
#if constant value set this way
df['table'] = 'meds'
df['count'] = df.groupby(['id','field']).cumcount() + 1
#change order of columns if necessary
df = df[['id','table','field','count','value']]
print (df)
id table field count value
0 34 meds name 1 ator
1 34 meds name 2 para
2 35 meds name 1 mar
3 34 meds name 3 mar
4 34 meds dose 1 20
5 34 meds dose 2 30
6 35 meds dose 1 20
7 34 meds dose 3 10
编辑:
df['count'] = df.groupby('id')['name'].cumcount() + 1
df['count'] = df.groupby('id')['count'].ffill().astype(int)
df = pd.melt(df, id_vars=['id','count'], var_name='field', value_name='value')
print (df)
id count field value
0 34 1 name ator
1 34 2 name ator
2 34 3 name para
3 35 1 name mar
4 34 4 name mar
5 34 1 dose 20
6 34 2 dose 30
7 34 3 dose 30
8 35 1 dose 20
9 34 4 dose 10
