如何在Pandas中创建函数并逐行应用？分组处理医疗记录找首诊地点

嘿，这两个Pandas问题我都熟，来给你一步步讲清楚！

其实操作起来很直观，核心就是用apply()方法，分两步走就行：

• 第一步：定义你的自定义函数
  函数的参数会接收DataFrame的每一行数据，你可以通过row['列名']来获取行内的具体值。比如我想给每行的两列算个总和，函数可以这么写：

  def get_row_total(row):
      return row['col_a'] + row['col_b']
  

• 第二步：用apply()将函数应用到每一行
  记得一定要设置axis=1（axis=0是按列处理，axis=1才是按行），还可以直接把结果生成新列：

  import pandas as pd
  
  # 先整个示例DataFrame
  df = pd.DataFrame({'col_a': [10, 20, 30], 'col_b': [5, 15, 25]})
  
  # 应用函数，生成新列total
  df['total'] = df.apply(get_row_total, axis=1)
  

要是你的函数逻辑比较简单，也可以用lambda表达式省点代码，比如上面的例子可以写成：

df['total'] = df.apply(lambda row: row['col_a'] + row['col_b'], axis=1)

小贴士：如果你的逻辑能改成矢量化操作（比如用Pandas内置的列运算），性能会比逐行apply好很多，但复杂逻辑的话，apply还是最直接的选择。

这个需求确实有点细节要抠，我结合你提到的规则，再补充常见的场景情况，给你一套可行的方案：

首先假设你的DataFrame df 包含这些关键列：ID（患者ID）、begin_date（就诊/住院开始日期）、end_date（就诊/住院结束日期）、location（就诊地点）。

完整处理步骤： #

1. 先给数据排好序
   必须确保每个患者的记录是按时间顺序排列的，不然后续判断会乱：

   # 按ID分组，再按begin_date升序排序，然后重置索引
   df = df.sort_values(by=['ID', 'begin_date']).reset_index(drop=True)
   

2. 写自定义函数处理每个患者的分组
   按照你提到的规则，再补充两种常见情况，函数逻辑如下：

   def find_first_post_discharge(group):
       # 取该患者首次记录的出院日期（如果是首次住院，你可以加筛选条件，比如筛选record_type为住院的行）
       first_discharge_date = group.iloc[0]['end_date']
       
       # 情况1：找begin_date正好等于出院日期的就诊记录
       matched_records = group[group['begin_date'] == first_discharge_date]
       if not matched_records.empty:
           # 排序后第一个就是对应地点
           return matched_records.iloc[0]['location']
       
       # 情况2：没有完全匹配的，找出院日期之后最早的就诊记录
       post_discharge_records = group[group['begin_date'] > first_discharge_date]
       if not post_discharge_records.empty:
           return post_discharge_records.iloc[0]['location']
       
       # 情况3：如果出院后没有任何就诊记录，返回空值或者你指定的标识
       return None
   

3. 将函数应用到每个分组
   用groupby()结合apply()，可以得到每个患者对应的首个就诊地点，还能合并回原DataFrame：

   # 得到每个ID的首个出院后就诊地点
   first_locations = df.groupby('ID').apply(find_first_post_discharge).reset_index(name='first_post_discharge_location')
   
   # 合并回原DataFrame，方便查看
   df = df.merge(first_locations, on='ID', how='left')
   

重要提醒： #

• 一定要把日期列转换成datetime类型，不然日期比较会出错：

  df['begin_date'] = pd.to_datetime(df['begin_date'])
  df['end_date'] = pd.to_datetime(df['end_date'])
  

• 如果你的“首次出院”不是分组的首行，而是特定类型的记录（比如住院记录），可以修改first_discharge_date的获取逻辑，比如：

  # 筛选出该患者的住院记录，取最早的出院日期
  inpatient_records = group[group['record_type'] == 'inpatient']
  if not inpatient_records.empty:
      first_discharge_date = inpatient_records.iloc[0]['end_date']
  else:
      # 没有住院记录的情况，返回空或者其他处理
      return None
  

内容的提问来源于stack exchange，提问作者CandleWax