我将医疗数据拆分为两个不同的csv,我需要合并它们。一个数据集包含基本的人口统计信息,另一个数据集包含诊断代码。每个患者都被分配了一个名为INC_KEY的唯一标识号,我将其简化为简单的数字,如下例所示:
df1:
INC_KEY SEX AGE
1 F 40
2 F 24
3 M 66
df2:
INC_KEY DCODE
1 BW241ZZ
1 BW28ZZZ
2 0BH17EZ
3 05H633Z
2 4A103BD
3 BR30ZZZ
1 BF42ZZZ
我需要将这两个数据帧与输出合并,其中包含df1中所示的三行,并为该患者的每个解码附加列。这样的:
INC_KEY SEX AGE DCODE1 DCODE2 DCODE3
1 F 40 BW241ZZ BW28ZZZ BF42ZZZ
2 F 24 0BH17EZ 4A103BD N/A
3 M 66 05H633Z BR30ZZZ N/A
我该怎么做呢?我试图做一个左合并,但它没有给我正在寻找的结果。
您可以使用.merge
组合INC_KEY
列上的两个数据框。然后,您可以使用.groupby()
和pd.concat()
将单个行转换为所需的列。最后,可以使用.drop()
:
"DCODE"
列df = df1.merge(df2, on="INC_KEY", how="right")
df = df.groupby(["INC_KEY", "SEX", "AGE"]).agg({"DCODE": list}).reset_index()
df = pd.concat(
(df, pd.DataFrame(df["DCODE"].values.tolist()).add_prefix("DCODE")),
axis=1
)
df = df.drop("DCODE", axis=1)
这个输出:
INC_KEY SEX AGE DCODE0 DCODE1 DCODE2
0 1 F 40 BW241ZZ BW28ZZZ BF42ZZZ
1 2 F 24 0BH17EZ 4A103BD None
2 3 M 66 05H633Z BR30ZZZ None
还有另一种方法:
df_out = df1.merge(df2, on='INC_KEY')
df_out = df_out.set_index(['INC_KEY', 'SEX', 'AGE', df_out.groupby('INC_KEY').cumcount()]).unstack()
df_out.columns = [f'{i}{j}' for i, j in df_out.columns]
df_out.reset_index()
输出:
INC_KEY SEX AGE DCODE0 DCODE1 DCODE2
0 1 F 40 BW241ZZ BW28ZZZ BF42ZZZ
1 2 F 24 0BH17EZ 4A103BD NaN
2 3 M 66 05H633Z BR30ZZZ NaN