Pandas校验成对FITM/SERVDT生成med_consult字段方法

针对穿插排列的配对字段校验场景，不需要逐组编写重复判断逻辑，使用pandas.wide_to_long做宽表转长表处理，可自动对齐同序号的配对字段，批量完成规则校验，代码逻辑不会随配对字段组数增加而冗余，扩展到FITM1~FITM7全量字段时无需修改核心代码。

完整实现代码 #

import pandas as pd

# ------------ 样例数据初始化（和提供的测试数据一致）------------
# 注意：Python3不支持整数前导0写法，原编码0305实际对应字符串匹配时为'0305'、数值匹配时为305
msp_codes = [310, 311, 305, 308, 910]
# 统一将编码转为字符串集合，和DataFrame中FITM列的字符串类型对齐，避免类型不匹配导致匹配失败
msp_codes_set = {str(code) for code in msp_codes}

patients = [
    ("1", '2022-11-13', '2022-11-15', "310", "2022-11-14", "M3200", "00456", "2022-11-14", "G456"),
    ("2", '2022-11-10', '2022-11-22', "007", "2022-11-14", "M05", "0033", "2022-11-20", "G456"),
    ("3", '2022-11-09', '2022-11-13', "309", "2022-10-14", "N058", "308", "2021-10-02", "F70"),
]
labels = ["ID", 'ADMIT_DATE', 'SURG_DATE', "FITM1", "SERVDT1", "CLMSPEC1", "FITM2", "SERVDT2", "CLMSPEC2"]
df_patients = pd.DataFrame.from_records(patients, columns=labels)
date_cols = ['ADMIT_DATE', 'SURG_DATE', 'SERVDT1', 'SERVDT2']
df_patients[date_cols] = df_patients[date_cols].apply(pd.to_datetime, errors='coerce')

# ------------ 核心处理逻辑 ------------
# 宽表转长表，自动对齐同序号的FITM、SERVDT、CLMSPEC字段
df_long = pd.wide_to_long(
    df_patients,
    stubnames=["FITM", "SERVDT", "CLMSPEC"],  # 按前缀提取需要的字段组
    i=["ID", "ADMIT_DATE", "SURG_DATE"],      # 单条患者记录的唯一标识字段
    j="group_seq"                             # 存储原字段末尾序号的列名
).reset_index()

# 向量化批量校验两个判定条件
df_long["is_match"] = (
    df_long["FITM"].isin(msp_codes_set)
    & (df_long["SERVDT"] >= df_long["ADMIT_DATE"])
    & (df_long["SERVDT"] <= df_long["SURG_DATE"])
)

# 按患者聚合，任意一组满足条件即标记为1
med_consult_flag = df_long.groupby("ID")["is_match"].any().astype(int).rename("med_consult")

# 合并标记结果回原表，得到最终输出
df_result = df_patients.merge(med_consult_flag, on="ID")

逻辑说明 #

• 选择wide_to_long而非手动melt的原因：该函数可直接按字段名前缀+末尾序号的规则，自动将穿插在表中的同组字段对齐到同一行，不需要手动筛选、拼接多组字段，后续扩展到7组变量时仅需保证字段命名符合前缀+序号的规则即可，无需修改核心代码。
• 所有判断均为pandas向量化操作，执行效率远高于逐行循环、逐组写np.select判断的实现，数据量较大时性能优势明显。
• 提前统一编码类型为集合做匹配，避免字符串/数值类型不一致导致的匹配失效问题，集合的isin判断效率高于列表。

运行代码后输出结果和预期完全一致：

第1行：FITM1=310属于目标编码列表，对应服务日期在入院、手术日期区间内，med_consult=1
第2行：所有FITM字段取值均不在目标编码列表中，med_consult=0
第3行：FITM2=308属于目标编码列表，但对应服务日期早于入院日期，不满足区间要求，med_consult=0

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