非唯一Plan_Start索引下日期天数统计报错及解决方案问询

当患者同一天启动多个治疗计划（含当天结束的短周期计划）时，原基于resample的方法会因非唯一索引报错。以下是替代方案，可保留所有计划的完整时间序列，同时正确处理重叠/重复日期场景：

解决方案代码 #

import pandas as pd

# 初始化并处理日期格式
tx2 = pd.DataFrame({
    'Patient':[123,456,789,789,789,101],
    'Plan':['Drug1','Drug43','Drug_abc','Drug_xyz','Drug_123','Drug_324'],
    'Plan_Start':['4/21/2021','6/11/2021','7/7/2021','7/7/2021','7/17/2021','9/20/2021'],
    'Plan_End':['1/1/2030','7/20/2021','7/7/2022','7/17/2021','07/31/2021','9/20/2022']
})
tx2['Plan_Start'] = pd.to_datetime(tx2['Plan_Start'])
tx2['Plan_End'] = pd.to_datetime(tx2['Plan_End'])

# 逐患者生成每日序列
result_list = []
for patient, group in tx2.groupby('Patient'):
    # 获取该患者所有唯一的治疗起始日期并排序
    unique_starts = sorted(group['Plan_Start'].unique())
    
    for _, plan_row in group.iterrows():
        start_date = plan_row['Plan_Start']
        # 找到当前起始日期在唯一列表中的位置
        start_idx = unique_starts.index(start_date)
        
        # 计算计划的实际结束日期：取自身结束日和下一个计划起始日的前一天的较小值
        if start_idx < len(unique_starts) - 1:
            next_plan_start = unique_starts[start_idx + 1]
            actual_end = min(plan_row['Plan_End'], next_plan_start - pd.Timedelta(days=1))
        else:
            # 无后续计划，直接用原计划结束日
            actual_end = plan_row['Plan_End']
        
        # 生成该计划的每日日期序列
        daily_dates = pd.date_range(start=start_date, end=actual_end, freq='D')
        daily_df = pd.DataFrame({
            'Date': daily_dates,
            'Patient': patient,
            'Plan': plan_row['Plan'],
            'Original_Plan_Start': start_date,
            'Original_Plan_End': plan_row['Plan_End']
        })
        result_list.append(daily_df)

# 合并所有患者的结果
final_result = pd.concat(result_list, ignore_index=True)

方案说明 #

1. 日期预处理：统一转换Plan_Start和Plan_End为datetime类型，确保时间计算准确。
2. 分组处理：按患者分组，避免跨患者的计划干扰。
3. 唯一起始日期校准：提取每个患者的唯一治疗起始点，确保后续时间分段不重复。
4. 动态结束日期计算：每个计划的实际结束日取「自身计划结束日」和「下一个计划起始日的前一天」的较小值，既保证计划不重叠，又保留短周期计划的完整时间范围。
5. 逐计划生成序列：为每个计划单独生成日期序列，自然保留同一天启动的多个计划记录。

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