基于Pandas识别同病房不同患者的时间重叠区间

核心需求 #

从数据集中识别**同一病房（assigned_pat_loc相同）**下，**不同患者（patient_id不同）**的住院时间重叠时段，生成双向记录（每对共享患者各存一条），包含患者ID、共享对象ID、共享时段起止时间、共享时长（小时）、病房位置。

实现步骤（基于Pandas） #

1. 数据预处理

先确保时间列转为datetime类型，方便后续时间计算：

import pandas as pd

# 假设清理后的数据集已读入为df
df['start_time'] = pd.to_datetime(df['start_time'])
df['end_time'] = pd.to_datetime(df['end_time'])

2. 按病房分组，识别重叠时段

对每个病房的患者数据，两两比对时间区间，提取有效重叠部分并生成双向记录：

# 存储结果的空列表
result = []

# 按病房分组遍历
for loc, group in df.groupby('assigned_pat_loc'):
    group = group.reset_index(drop=True)
    n = len(group)
    # 遍历所有不同患者对
    for i in range(n):
        for j in range(i+1, n):
            pat1 = group.iloc[i]
            pat2 = group.iloc[j]
            
            # 计算重叠时段的起止时间
            overlap_start = max(pat1['start_time'], pat2['start_time'])
            overlap_end = min(pat1['end_time'], pat2['end_time'])
            
            # 仅保留有效重叠（结束时间晚于开始时间）
            if overlap_end > overlap_start:
                # 计算共享时长（转成小时）
                length = (overlap_end - overlap_start).total_seconds() / 3600
                
                # 生成患者1的记录
                result.append({
                    'id': pat1['patient_id'],
                    'r_id': pat2['patient_id'],
                    'start_date': overlap_start.date(),
                    'start_time': overlap_start.time(),
                    'end_date': overlap_end.date(),
                    'end_time': overlap_end.time(),
                    'length': round(length, 2),
                    'location': loc
                })
                # 生成患者2的记录（双向存储）
                result.append({
                    'id': pat2['patient_id'],
                    'r_id': pat1['patient_id'],
                    'start_date': overlap_start.date(),
                    'start_time': overlap_start.time(),
                    'end_date': overlap_end.date(),
                    'end_time': overlap_end.time(),
                    'length': round(length, 2),
                    'location': loc
                })

# 转换为结果DataFrame
result_df = pd.DataFrame(result)

3. 针对原始事件数据的前置处理（补充）

如果你的原始数据是包含Admission/Transfer/Discharge事件的格式（如你提供的补充示例），需要先将其转换为患者-病房-时间区间的清理后格式：

• 对每个患者按时间排序事件
• 提取每个病房对应的入住（Admission/Transfer进入）和离开（Transfer离开/Discharge/Death）时间，生成每个患者在每个病房的start_time和end_time，再执行上述代码。

输出示例 #

运行后结果格式与你期望的一致，例如：

id   r_id  start_date start_time  end_date end_time  length  location
0   1      2  2011-06-01    01:00:00 2011-06-01  08:00:00     7.0   8w^201
1   2      1  2011-06-01    01:00:00 2011-06-01  08:00:00     7.0   8w^201
2   1      3  2011-06-01    09:00:00 2011-06-05  09:00:00    96.0   8w^201
3   3      1  2011-06-01    09:00:00 2011-06-05  09:00:00    96.0   8w^201
4   2      4  2011-05-31    07:00:00 2011-06-01  01:00:00    18.0  10E^45
5   4      2  2011-05-31    07:00:00 2011-06-01  01:00:00    18.0  10E^45

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