如何在Pandas中筛选同一天有三类科室就诊记录的患者数据

错误原因分析 #

你之前用str.contains报错是因为分组后的department列是列表类型，而str.contains仅适用于字符串类型数据，对列表调用会返回NaN，导致loc索引时找不到对应键值，触发KeyError。

简便实现方案 #

方案一：分组后检查集合包含关系 #

先按name和date分组，通过集合判断每组是否覆盖所有目标科室：

import pandas as pd

df = pd.DataFrame({'name': ['Bob', 'Charlie', 'Bob', 'Sam', 'Bob', 'Sam', 'Chris'],
                   'date': ['06-02-2023', '01-02-2023', '06-02-2023', '20-12-2022', '06-02-2023','08-06-2015', '26-08-2020'],
                   'department': ['urology', 'urology', 'oncology', 'primary care', 'radiation', 'primary care', 'oncology']})

# 定义需要匹配的科室集合
target_depts = {'urology', 'oncology', 'radiation'}

# 分组筛选出包含所有目标科室的记录，再去重保留姓名和日期
result = df.groupby(['name', 'date']).filter(lambda x: target_depts.issubset(x['department']))
result = result[['name', 'date']].drop_duplicates().reset_index(drop=True)

print(result)

方案二：去重计数筛选 #

先去重避免同一科室重复统计，再通过计数筛选出刚好包含三个目标科室的记录：

import pandas as pd

df = pd.DataFrame({'name': ['Bob', 'Charlie', 'Bob', 'Sam', 'Bob', 'Sam', 'Chris'],
                   'date': ['06-02-2023', '01-02-2023', '06-02-2023', '20-12-2022', '06-02-2023','08-06-2015', '26-08-2020'],
                   'department': ['urology', 'urology', 'oncology', 'primary care', 'radiation', 'primary care', 'oncology']})

target_depts = {'urology', 'oncology', 'radiation'}

# 去重后筛选目标科室记录
unique_filtered = df.drop_duplicates(subset=['name', 'date', 'department']).query("department in @target_depts")
# 分组计数，筛选出计数为3的（即三个目标科室都存在）
result = unique_filtered.groupby(['name', 'date']).size().reset_index(name='count')
result = result[result['count'] == 3][['name', 'date']]

print(result)

运行结果 #

两种方案最终输出一致：

name        date
0    Bob  06-02-2023

内容的提问来源于stack exchange，提问作者natrix