如何用Pandas计算每位患者各疗程的间隔天数？

步骤说明 #

要实现按患者分组计算相邻疗程的天数间隔，核心是按患者分组后对日期做滞后差值计算，具体步骤如下：

1. 转换日期格式：先将字符串类型的date列转为pandas的datetime格式，否则无法进行日期运算。
2. 分组计算日期差：以patient为分组键，对转换后的日期列使用diff()方法，该方法会自动计算当前行与前一行的日期差，新患者的第一行结果为NaN。
3. 处理初始值：将每个患者的第一个疗程差值替换为0（或保留NaN，根据需求调整），最后将差值转为整数类型。

完整代码实现 #

import pandas as pd

# 原始数据集
df2 = pd.DataFrame({
    'patient': ['one', 'one', 'one', 'two','two', 'two'],    
    'treatment_schedule': ['treatment1', 'treatment2', 'treatment3', 'treatment1', 'treatment2', 'treatment3'],        
    'date': ['11/20/2022', '11/22/2022', '11/23/2022', '11/8/2022', '11/9/2022', '11/14/2022']
})

# 1. 转换日期列格式
df2['date'] = pd.to_datetime(df2['date'], format='%m/%d/%Y')

# 2. 分组计算日期差，填充初始值为0
df2['lag_diff_days_between_each_treatment'] = df2.groupby('patient')['date'].diff().dt.days.fillna(0).astype(int)

# 查看结果
print(df2)

输出结果 #

运行代码后得到的数据集与期望的df3完全一致：

patient treatment_schedule       date  lag_diff_days_between_each_treatment
0     one         treatment1 2022-11-20                                      0
1     one         treatment2 2022-11-22                                      2
2     one         treatment3 2022-11-23                                      1
3     two         treatment1 2022-11-08                                      0
4     two         treatment2 2022-11-09                                      1
5     two         treatment3 2022-11-14                                      5

补充说明 #

• 若希望第一个疗程的差值显示为NaN而非0，只需去掉.fillna(0)即可。
• 确保疗程记录是按时间顺序排列的，如果原始数据存在乱序，需要先对每个患者的date列排序：df2 = df2.sort_values(by=['patient', 'date']).reset_index(drop=True)

内容的提问来源于stack exchange，提问作者Murali