Python如何从多列数据提取指定编码值并按诊断日期标记季度

步骤1：批量筛选符合诊断规则的记录 #

不需要硬编码每个判断条件，先把需要匹配的「诊断类型+诊断编码」组合整理好，用向量化匹配完成筛选，适配数百万行的大规模数据，后续新增要匹配的编码只要调整目标编码集合即可，维护成本极低。
示例如下：

import pandas as pd
import numpy as np

# 提前把日期列转为datetime格式，仅需执行一次
diagnosis_df['diagnosis_date'] = pd.to_datetime(diagnosis_df['D列实际列名'])

# 按ICD类型分别定义要筛选的编码集合，新增编码直接往对应集合加即可
icd10_target_codes = {'J280', 'J285', 'J2854', 'J1289', 'J129'}
icd9_target_codes = {'478', '485', '490', '480'}

# 筛选符合条件的记录生成新dataframe，该操作为向量化运算，处理百万行数据效率很高
filtered_df = diagnosis_df[
    ((diagnosis_df['B列实际列名'] == 'ICD10') & diagnosis_df['C列实际列名'].isin(icd10_target_codes)) |
    ((diagnosis_df['B列实际列名'] == 'ICD9') & diagnosis_df['C列实际列名'].isin(icd9_target_codes))
].copy()

步骤2：按自然季度生成标记列 #

直接用pandas内置的日期季度提取能力生成季度标识，再通过独热编码生成对应季度的1标记：

# 生成「年份+季度」标识，格式如2023Q1、2023Q2
filtered_df['quarter'] = filtered_df['diagnosis_date'].dt.to_period('Q').astype(str)

# 生成季度标记列，对应诊断所在季度为1，其余为0
quarter_dummies = pd.get_dummies(filtered_df['quarter'], prefix='diagnose_q')
final_df = pd.concat([filtered_df, quarter_dummies], axis=1)

如果需要把季度标记合并回原始全量数据集，按行索引把final_df的标记列merge回原数据集，空值填充为0即可。

内容的提问来源于stack exchange，提问作者Leonardo