Python按处方周期分组累计计数：统计approval前rejection次数

核心思路 #

要统计每个处方申请流程（即单次approval前的所有rejection）的拒付次数，关键是先划分独立的流程批次，再在每个批次内统计拒付数，而非全局累计。

步骤1：数据排序与批次划分 #

先确保数据按患者、药品、时间排序，再用approval记录作为批次分隔符，将每个approval及其之前的rejection划分为同一个流程批次：

# 按患者、药品、日期升序排序，保证时间顺序正确
subset = subset.sort_values(['patient_id', 'drug', 'date'])

# 生成批次标识：每次approval之后的记录归为新批次
subset['batch'] = subset['claim_type'].eq('approval').shift(fill_value=False).cumsum()

步骤2：统计每个批次的拒付次数 #

在每个批次内统计rejection的总数，并合并回原数据：

# 统计每个批次的拒付次数
batch_reject_count = subset.groupby(['patient_id', 'drug', 'batch'])['claim_type'].apply(
    lambda x: x.eq('rejection').sum()
).reset_index(name='reject_count')

# 将拒付次数关联回原数据集
subset = subset.merge(batch_reject_count, on=['patient_id', 'drug', 'batch'], how='left')

步骤3：生成期望的cumcount字段 #

根据需求，给rejection标记该批次的总拒付数，给approval标记为1（代表该流程完成）：

import numpy as np

subset['cumcount'] = np.where(subset['claim_type'] == 'rejection', subset['reject_count'], 1)

步骤4：去重（可选） #

如果需要像期望结果那样，每个批次只保留一条rejection和一条approval（比如取每个批次中最早的记录）：

# 按批次和类型分组，保留最早的记录
result = subset.sort_values('date').groupby(['patient_id', 'drug', 'batch', 'claim_type']).head(1)

执行后得到的结果与你期望的表格一致：

后续关联需求实现 #

要提取rejection记录并关联首次拒付后7天内的approval，可以按批次提取关键日期后匹配：

# 提取每个批次的首次拒付日期和approval日期
batch_dates = subset.groupby(['patient_id', 'drug', 'batch']).agg(
    first_reject_date=('date', lambda x: x[subset['claim_type'] == 'rejection'].min()),
    approval_date=('date', lambda x: x[subset['claim_type'] == 'approval'].min())
).reset_index()

# 判断approval是否在首次拒付后7天内
batch_dates['within_7_days'] = (batch_dates['approval_date'] - batch_dates['first_reject_date']).dt.days <= 7

# 将关联结果合并到rejection记录中
rejections_with_approval = subset[subset['claim_type'] == 'rejection'].merge(
    batch_dates[['patient_id', 'drug', 'batch', 'approval_date', 'within_7_days']],
    on=['patient_id', 'drug', 'batch'],
    how='left'
)

内容的提问来源于stack exchange，提问作者gillygangles