Python Pandas处理医疗数据集：按Case ID与就诊日期生成就诊编号列

嘿，我来帮你搞定这个需求！你需要给每个Case ID#下的就诊记录按日期顺序生成类似Visit 1、Visit 2的编号列，用Pandas就能轻松实现，步骤如下：

第一步：确保日期列是正确的datetime类型 #

首先得把你的Visit Date列转换成datetime格式，不然字符串排序会出问题（比如"10/1/18"会被排在"2/1/18"前面）：

import pandas as pd

# 假设你的DataFrame叫df
df['Visit Date'] = pd.to_datetime(df['Visit Date'])

第二步：分组生成就诊编号 #

这里有两种实用的方法，你可以根据需求选：

方法一：用cumcount（简单直接） #

先按Case ID#和Visit Date排序，确保同一病例的记录按日期顺序排列，然后用cumcount()给每组计数（从0开始，所以加1），最后拼接成需要的格式：

# 先排序，保证顺序正确
df = df.sort_values(['Case ID#', 'Visit Date'])
# 分组计数并生成编号
df['NEW_COL'] = df.groupby('Case ID#').cumcount() + 1
df['NEW_COL'] = 'Visit ' + df['NEW_COL'].astype(str)

方法二：用rank（无需提前排序） #

如果不想改变原DataFrame的行顺序，可以用groupby结合transform和rank，直接在原数据上生成编号：

df['NEW_COL'] = df.groupby('Case ID#')['Visit Date'].transform(
    lambda x: 'Visit ' + str(int(x.rank(method='first')))
)

这里的method='first'是为了处理同一天有多条就诊记录的情况——它会按照记录在原数据中的先后顺序给它们编号，避免出现相同的排名。

示例效果 #

用你给出的样例数据测试：

原始数据：

Visit Date	Case ID#
1/1/18	1111
1/15/18	1111
1/16/18	2222

处理后会得到：

小提示 #

• 如果你的数据中有同一天的多条就诊记录，两种方法都会按顺序给它们分配连续的编号（比如Visit 1、Visit 2）
• 要是不需要保留原数据的顺序，方法一更高效直观；如果要保持原顺序，方法二更合适

内容的提问来源于stack exchange，提问作者Andy