如何基于医嘱数据挖掘疾病与药物的强关联配对

我拥有如下数据：

• 说明：第一列为患者服用的药物；第二列为医生诊断的疾病；
• 需求：找出所有(diseaseX,drugY)配对——即drugY用于治疗diseaseX。示例中应输出(dis1,drug1)，因为二者总是同时出现。如何针对更多同类格式的数据找出所有这类配对？

要找出这类始终共同出现的疾病-药物配对，可以按以下步骤操作：

1. 拆解记录列表 #

先把每行中用逗号分隔的药物、疾病拆分成独立元素，比如第一条记录拆为：

• 药物列表：[drug1, drug2, drug3]
• 疾病列表：[dis1, dis3]

2. 统计关联记录 #

对每个疾病X：

• 找出所有包含X的记录行
• 检查这些行里是否每一行都包含某个药物Y
• 满足条件的话，(X,Y)就是目标配对

3. 代码自动化实现（Python示例） #

数据量大时手动统计效率低，用代码可以快速处理：

# 模拟输入数据（已完成拆分）
data = [
    {"drugs": ["drug1", "drug2", "drug3"], "diseases": ["dis1", "dis3"]},
    {"drugs": ["drug1", "drug4"], "diseases": ["dis1", "dis2"]},
    {"drugs": ["drug1", "drug2", "drug4", "drug7"], "diseases": ["dis1", "dis3", "dis4", "dis7"]},
    {"drugs": ["drug1", "drug3"], "diseases": ["dis1", "dis3"]}
]

# 记录每个疾病出现的所有行索引
disease_rows = {}
for row_idx, record in enumerate(data):
    for dis in record["diseases"]:
        if dis not in disease_rows:
            disease_rows[dis] = set()
        disease_rows[dis].add(row_idx)

# 记录每个药物出现的所有行索引
drug_rows = {}
for row_idx, record in enumerate(data):
    for drug in record["drugs"]:
        if drug not in drug_rows:
            drug_rows[drug] = set()
        drug_rows[drug].add(row_idx)

# 筛选符合条件的配对
target_pairs = []
for dis, dis_row_set in disease_rows.items():
    for drug, drug_row_set in drug_rows.items():
        # 检查疾病出现的所有行，药物都存在其中
        if dis_row_set.issubset(drug_row_set):
            target_pairs.append((dis, drug))

print("目标配对：", target_pairs)
# 输出结果：目标配对： [('dis1', 'drug1')]

4. 灵活扩展（可选） #

如果需要更贴合实际的筛选逻辑，可以调整判断条件：

• 按共同出现比例筛选：计算len(dis_row_set & drug_row_set) / len(dis_row_set)，设定阈值（比如0.9）保留高关联配对
• 排除仅出现1次的疾病/药物，避免偶然配对

内容的提问来源于stack exchange，提问作者hjc