Python：按日期顺序为患者数据创建状态列的技术需求

原始数据构造 #

首先构造题目中的原始DataFrame：

import pandas as pd

df = pd.DataFrame({
    'patient_id': [1, 2, 3, 3, 4],
    'diagnosis_code': ['Diabetes', 'Diabetes', 'Diabetes', 'Heart Failure', 'Diabetes'],
    'diagnosis_date': ['2014-08-05', '2019-06-07', '2015-06-18', '2018-12-25', '2014-08-11'],
    'medication_name': ['A', 'A', 'B', 'B', 'A'],
    'medication_date': ['2017-12-15', '2014-03-12', '2017-11-08', '2017-11-08', '2017-07-07']
})

# 转换日期列为datetime格式，确保排序准确
df['diagnosis_date'] = pd.to_datetime(df['diagnosis_date'])
df['medication_date'] = pd.to_datetime(df['medication_date'])

处理步骤 #

1. 拆分并合并事件：将诊断和用药拆分为独立的事件记录，统一列名后合并

# 提取诊断事件
diagnosis_events = df[['patient_id', 'diagnosis_code', 'diagnosis_date']].rename(
    columns={'diagnosis_code': 'state', 'diagnosis_date': 'event_date'}
)

# 提取用药事件
medication_events = df[['patient_id', 'medication_name', 'medication_date']].rename(
    columns={'medication_name': 'state', 'medication_date': 'event_date'}
)

# 合并所有事件并去重（同一患者同一状态同一日期仅保留一次）
all_events = pd.concat([diagnosis_events, medication_events]).drop_duplicates()

2. 排序并编号事件：按患者ID和事件日期排序，给每个患者的事件按顺序编号

# 按患者和日期升序排序
all_events_sorted = all_events.sort_values(['patient_id', 'event_date'])

# 生成事件序号（从1开始）
all_events_sorted['state_num'] = all_events_sorted.groupby('patient_id').cumcount() + 1

3. 转宽表并格式化输出：将长格式数据转为宽格式，重命名列并填充缺失值

# 转宽表
df_output = all_events_sorted.pivot(
    index='patient_id',
    columns='state_num',
    values='state'
).rename(columns=lambda x: f'State_{x}').reset_index()

# 填充缺失值为NA，匹配期望输出格式
df_output = df_output.fillna('NA')

最终输出 #

执行上述代码后，df_output结果如下：

patient_id    State_1    State_2         State_3
0           1    Diabetes          A              NA
1           2          A    Diabetes              NA
2           3    Diabetes          B  Heart Failure
3           4    Diabetes          A              NA

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