Python 如何使用条件为每个id分配二进制值
我想查看每个成员是否吸毒,1表示吸毒,0表示其他 以下数据为每位会员的处方记录。每个成员在第0天都有该药物的处方记录。supply是指该药物计数提供的天数Python 如何使用条件为每个id分配二进制值,python,pandas,numpy,scikit-learn,jupyter-notebook,Python,Pandas,Numpy,Scikit Learn,Jupyter Notebook,我想查看每个成员是否吸毒,1表示吸毒,0表示其他 以下数据为每位会员的处方记录。每个成员在第0天都有该药物的处方记录。supply是指该药物计数提供的天数 id supply days 1 30 -200 1 30 0 1 100 183 1 80 250 2 5 0 2 5 10 3 5 0 3 30 100 3 30 150 3 30 200 3 30 280 3 50 310 对于分配1或
id supply days
1 30 -200
1 30 0
1 100 183
1 80 250
2 5 0
2 5 10
3 5 0
3 30 100
3 30 150
3 30 200
3 30 280
3 50 310
对于分配1或0的逻辑:
如果某会员国在前90天内根据供应量和天数未备有药品,则该会员国将成为“幼稚状态”。如果在90天内不吸毒,这个成员可能会回到天真的状态
如果一名会员在“幼稚状态”后3个月内手头有超过162天的药物供应,他将有很高的上瘾风险。所以我们给这个成员赋值1
期望的结果应该是
id y
1 1
2 0
3 0
我试过的是
#Create Z,Z is the number of each naive status.
z=[]
y=0
z.append(y)
for i in range(len(abc)-1):
if ((df.days[i+1]-df.days[i])>90)&((df.id[i+1]-df.id[i])==0):
y=y+1
z.append(y)
else:
if (df.id[i+1]-df.id[i])!=0:
y=0
z.append(y)
else:
if (df.id[i+1]-df.id[i])==0:
y=y
z.append(y)
df['z']=z
#groupby id and z . sum.
df2=df.groupby(['id','z']).sum()
#create y to assign value.
df2['y'] = np.where((df2.supply>=162) , 1, 0)
我的结果是
id supply days z
1 30 -200 0
1 30 0 1
1 100 183 2
1 80 250 2
2 5 0 0
2 5 10 0
3 30 0 0
3 30 100 1
3 30 150 1
3 30 200 1
3 30 280 1
3 30 310 1
supply_sum
id z
-------------
1 0 30
1 30
2 180
-----------
2 0 10
-----------
3 0 30
1 170
id z y
-------------------
1 0
1
2 1
-----------------
2 0 0
------------------
3 0
1 1
不起作用,因为我把每个z的供应量加起来。根据每个原始状态(z),它应该只加上3个月的供应(180天)。例如,id 3的y应该是0,因为在天真状态2(z=1)后的3个月内,他只服用了120片看看这是否对你有效
df_d=df.loc[(0<=df.days)&(df.days<=180)]
g=df_d.days.eq(0).cumsum()
df_new = df_d.groupby([g,'id'])['supply'].sum().reset_index().drop('days',axis=1)
df_new['y'] = np.where((df_new.supply>=162) , 1, 0)
print(df_new)
详细信息
使用
df_d=df.loc[(0不理解分配1的逻辑&0我修改了数据并添加了解释。我仍然不完全理解您的问题。但请看我在这里提出的这个问题-->看看这是否能让您了解如何处理您的问题
id supply y
0 1 97 0
1 2 10 0
2 3 180 1