在R语言中基于日期范围聚合amount列的实现方案

前提说明 #

假设df2中的id字段与df1中的patient_id为同一患者标识（若实际对应关系不同，可调整merge时的关联字段）。同时确保所有日期字段为datetime类型，若不是，先执行类型转换：

import pandas as pd

# 转换日期字段为datetime类型
df1['date_of_admission'] = pd.to_datetime(df1['date_of_admission'])
df2['date_of_admission'] = pd.to_datetime(df2['date_of_admission'])
df2['date_of_discharge'] = pd.to_datetime(df2['date_of_discharge'])

步骤实现 #

1. 关联两个数据框
   通过患者ID将df1和df2合并，保留所有需要的字段：

   merged_df = df1.merge(df2, left_on='patient_id', right_on='id', suffixes=('_df1', '_df2'))
   

2. 筛选符合日期区间的记录
   提取df1中入院日期落在对应患者df2入院-出院区间内的记录：

   filtered_df = merged_df[
       (merged_df['date_of_admission_df1'] >= merged_df['date_of_admission_df2']) &
       (merged_df['date_of_admission_df1'] <= merged_df['date_of_discharge'])
   ]
   

3. 按患者分组求和
   对每个唯一的patient_id，汇总符合条件的amount，得到结果df3：

   df3 = filtered_df.groupby('patient_id')['amount'].sum().reset_index()
   

补充说明 #

如果df2中同一患者存在多个入院-出院区间，上述代码会自动匹配所有符合条件的区间，并将对应df1中的amount全部求和。

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