Python 使用较小数据帧中的日期范围和列值筛选较大的数据帧
我有一个更大的数据帧,df1,看起来像这样:Python 使用较小数据帧中的日期范围和列值筛选较大的数据帧,python,pandas,Python,Pandas,我有一个更大的数据帧,df1,看起来像这样: Data PatId EntryDate Id 725 2005-01-03 1422 X 2005-01-04 1563 X 2005-01-05 1355 X 2005-01-06 118 X 2005-01-09 1400 X .
Data
PatId EntryDate Id
725 2005-01-03 1422 X
2005-01-04 1563 X
2005-01-05 1355 X
2005-01-06 118 X
2005-01-09 1400 X
...
117785 2004-12-31 799998 X
2005-01-03 796833 X
2005-01-05 798728 X
2005-01-08 798545 X
2005-01-11 797632 X
PatId
EntryDate ExitDate
2005-01-15 2005-04-15 22407
2005-01-30 2005-04-30 95938
2005-02-07 2005-05-07 116812
2005-02-18 2005-05-18 12163
2005-02-21 2005-05-21 22908
和一个较小的数据帧,看起来像这样:
Data
PatId EntryDate Id
725 2005-01-03 1422 X
2005-01-04 1563 X
2005-01-05 1355 X
2005-01-06 118 X
2005-01-09 1400 X
...
117785 2004-12-31 799998 X
2005-01-03 796833 X
2005-01-05 798728 X
2005-01-08 798545 X
2005-01-11 797632 X
PatId
EntryDate ExitDate
2005-01-15 2005-04-15 22407
2005-01-30 2005-04-30 95938
2005-02-07 2005-05-07 116812
2005-02-18 2005-05-18 12163
2005-02-21 2005-05-21 22908
我想用一种优雅的方式过滤
df1
,只包括PatId
中EntryDate
和ExitDate
索引之间的每个PatId
的行,这样就可以在PatId
中将两个数据框合并在一起,从而使进入和退出日期保持一致df1,然后您只需要使用datetime比较来筛选它。我还重置了您的索引,并在最终显示中删除了helper列,但请执行您想要的操作
例如:
import pandas as pd
df1 = pd.DataFrame({'PatId': [725, 725, 725, 725, 117785, 117785],
'EntryDate': ['2005-01-03', '2005-01-04', '2005-01-05', '2005-01-06',
'2004-12-31', '2005-01-03'],
'Id': [1422, 1563, 1355, 118, 7999998, 796833],
'Data': ['X','X','X','X','X','X']})
df1['EntryDate'] = pd.to_datetime(df1.EntryDate)
df1.set_index(['PatId', 'EntryDate', 'Id'])
df2 = pd.DataFrame({'PatId': [725, 117785],
'EntryDate': ['2005-01-04', '2005-01-02'],
'ExitDate': ['2005-01-05', '2006-01-18']})
df2['EntryDate'] = pd.to_datetime(df2.EntryDate)
df2['ExitDate'] = pd.to_datetime(df2.ExitDate)
df2.set_index(['EntryDate', 'ExitDate'])
这是实际代码:
df = df1.reset_index().merge(df2.reset_index(), on='PatId', how='left', suffixes=['','_1'])
(df[(df.EntryDate >= df['EntryDate_1']) & (df.EntryDate <= df.ExitDate)]
.drop(columns=['EntryDate_1', 'ExitDate'])
.set_index(['PatId', 'EntryDate', 'Id']))
Data
PatId EntryDate Id
725 2005-01-04 1563 X
2005-01-05 1355 X
117785 2005-01-03 796833 X
df=df1.reset_index().merge(df2.reset_index(),on='PatId',how='left',后缀=['',''u 1']))
(df[(df.EntryDate>=df['EntryDate_1'])和(df.EntryDate您可以在PatId
上将两个数据帧合并在一起,这将把进入和退出日期带到df1,然后您只需要使用日期时间比较来筛选它。我还重置了您拥有的索引,并在最终显示中删除了辅助列,但请按您的要求执行
例如:
import pandas as pd
df1 = pd.DataFrame({'PatId': [725, 725, 725, 725, 117785, 117785],
'EntryDate': ['2005-01-03', '2005-01-04', '2005-01-05', '2005-01-06',
'2004-12-31', '2005-01-03'],
'Id': [1422, 1563, 1355, 118, 7999998, 796833],
'Data': ['X','X','X','X','X','X']})
df1['EntryDate'] = pd.to_datetime(df1.EntryDate)
df1.set_index(['PatId', 'EntryDate', 'Id'])
df2 = pd.DataFrame({'PatId': [725, 117785],
'EntryDate': ['2005-01-04', '2005-01-02'],
'ExitDate': ['2005-01-05', '2006-01-18']})
df2['EntryDate'] = pd.to_datetime(df2.EntryDate)
df2['ExitDate'] = pd.to_datetime(df2.ExitDate)
df2.set_index(['EntryDate', 'ExitDate'])
这是实际代码:
df = df1.reset_index().merge(df2.reset_index(), on='PatId', how='left', suffixes=['','_1'])
(df[(df.EntryDate >= df['EntryDate_1']) & (df.EntryDate <= df.ExitDate)]
.drop(columns=['EntryDate_1', 'ExitDate'])
.set_index(['PatId', 'EntryDate', 'Id']))
Data
PatId EntryDate Id
725 2005-01-04 1563 X
2005-01-05 1355 X
117785 2005-01-03 796833 X
df=df1.reset_index().merge(df2.reset_index(),on='PatId',how='left',后缀=['',''u 1']))
(df[(df.EntryDate>=df['EntryDate_1'])和(df.EntryDate到目前为止,您尝试了什么来实现这一点?我已经使用pd.concat
并通过EntryDate
和ExitDate
进行切片,仅基于日期过滤了DataFrame
,但我不确定如何通过每个日期范围对应的PatId
@spacemud Id和PatId进行过滤e?您能显示输出吗?@YOLO No-Id
是从CSV读取此数据时每行的唯一标识符。PatId
是患者Id的缩写,单个患者可能有多个与之相关的记录。我更新了我的问题以使事情更清楚。您所说的“显示输出”是什么意思?这些dataframes
过大?有一种相当简单且短的方法可以实现这一点,但内存效率不是很高,但如果这不是一个问题,它可能是您最好的方法。到目前为止,您尝试了什么来实现这一点?我已经成功地使用pd.concat
和通过EntryDate
和ExitDate
,但我不确定如何也按每个日期范围对应的PatId
对其进行过滤@spacemud Id和PatId是相同的?请显示输出好吗?@YOLO No-Id
是从CSV读取数据时每行的唯一标识符。PatId
是患者的缩写一个患者可能有多个与之相关的记录。我更新了我的问题以使事情更清楚。你说的“显示输出”是什么意思?这些数据帧是否过大?有一种非常简单和简短的方法来实现这一点,但内存效率不是很高,但如果这不是一个问题,很可能你最好的。