使用Pandas计算手术患者住院时长时出现负值的问题求助

看起来你遇到了日期数据清洗后计算住院时长（los）出现负值的问题，这在医疗数据处理里挺常见的，尤其是当你从其他列填充缺失出院日期（DISDATE）的时候。下面是一步步的排查和解决思路，帮你定位并修复这个问题：

一、先精准定位异常数据 #

首先得把所有los为负的行揪出来，看看它们的特征，以及是不是那些被填充过DISDATE的行：

• 筛选出所有los为负的行，查看日期细节：

  negative_los = df[df["los"] < 0]
  print(negative_los[["ADMIDATE", "DISDATE", "los"]])
  

• 如果你在填充DISDATE的时候没标记哪些行是被填充的，建议先回溯填充逻辑——比如你是从哪一列填充的，把那列和当前的DISDATE、ADMIDATE放在一起对比，看看有没有明显的日期逻辑错误。要是有原始数据备份，也可以对比原始DISDATE和现在的差异。

二、深挖日期数据的底层问题 #

虽然df.info()显示ADMIDATE和DISDATE都是datetime64[ns]类型，但有时候表面类型正确，实际存储的日期可能藏着逻辑错误：

• 你示例里的-43805天很可疑，计算一下就会发现，这个差值对应的是出院日期远早于入院日期的情况——大概率是其中一个日期的年份被错误解析了（比如把2019当成了1919）。可以查看日期的底层时间戳来验证：

  # 把日期转换成底层存储的纳秒时间戳
  negative_los["ADMIDATE_ts"] = negative_los["ADMIDATE"].view('int64')
  negative_los["DISDATE_ts"] = negative_los["DISDATE"].view('int64')
  print(negative_los[["ADMIDATE", "DISDATE", "ADMIDATE_ts", "DISDATE_ts"]])
  

  正常2019年的日期时间戳应该在1.5e18左右，如果某个日期的时间戳远小于这个值，说明年份肯定错了。
• 检查填充来源列的日期解析：你是从另一列填充DISDATE的，要确认那列在转换成datetime类型时有没有出错——比如字符串日期格式不统一（比如2019/12/24和24-12-2019混在一起），导致pandas解析时把年份搞反了。

三、针对性修复异常数据 #

根据排查出的原因，对应修复：

• 如果是填充来源列的日期解析错误：重新处理来源列，确保转换成正确的datetime类型后再填充：

  # 先把来源列转换成datetime，错误的日期设为NaN
  df["source_date"] = pd.to_datetime(df["source_date"], errors='coerce')
  # 只填充原本缺失的DISDATE行
  df["DISDATE"] = df["DISDATE"].fillna(df["source_date"])
  

• 如果是年份异常（比如把19当成1919）：可以通过条件判断修正年份，比如给年份小于2000的日期加100年：

  df["ADMIDATE"] = df["ADMIDATE"].apply(lambda x: x + pd.DateOffset(years=100) if x.year < 2000 else x)
  df["DISDATE"] = df["DISDATE"].apply(lambda x: x + pd.DateOffset(years=100) if x.year < 2000 else x)
  

• 最后重新计算los，同时把异常的负值标记为缺失，方便后续单独处理：

  df["los"] = (df["DISDATE"] - df["ADMIDATE"]).dt.days
  # 把负值los替换为缺失值，避免影响后续分析
  df["los"] = df["los"].where(df["los"] >= 0, pd.NA)
  

四、预防后续再出现类似问题 #

• 日期清洗后加校验步骤：每次处理完日期列，都检查一下入院日期是否早于出院日期：

  df["is_date_valid"] = df["ADMIDATE"] < df["DISDATE"]
  print(f"发现{len(df[~df['is_date_valid']])}行日期逻辑异常")
  

• 填充日期时保留标记：新增一列记录哪些行的DISDATE是被填充的，方便后续排查问题：

  df["DISDATE_was_filled"] = df["DISDATE"].isna()
  df["DISDATE"] = df["DISDATE"].fillna(df["source_date"])
  

内容的提问来源于stack exchange，提问作者capnahab