在 Python 中计算案例

Question

如果我有一个像这样的表格

ID     Date     Disease    
1      03.07    A   
1      03.07    B
1      03.09    A
1      03.09    C
1      03.10    D

我写了一段代码，如下所示：

def combination(listData):
    comListData = [];
    for datum in listData :
            start = listData.index(datum) + 1
            while start < len(listData) :
                    if datum!=listData[start] :
                            comStr = datum+':'+listData[start]
                            if not comStr in comListData :
                                    comListData.append(comStr)
                    start+=1;
    return comListData
def insertToDic(dic,comSick):
    for datum in comSick :
            if dic.has_key(datum) :
                    dic[datum]+=1
            else :
                    dic[datum] = 1
try:
    con = mdb.connect('blahblah','blah','blah','blah')
    cur = con.cursor()
    sql ="select * from table"
    cur.execute(sql);
    data = cur.fetchall();
    start = 0
    end = 1
    sick = []
    dic = {}
    for datum in data :
            end = datum[0]
            if end!=start:
                    start = end
                    comSick = combination(sick)
                    insertToDic(dic,comSick)
                    sick = []
            sick.append(datum[2])
    start = end
    comSick = combination(sick)
    insertToDic(dic,comSick)
    for k,v in dic.items():
            a,b = k.split(':')
            print >>f, a.ljust(0), b.ljust(0), v
    f.close()

然后我得到了：

From    To     Count
A       B      1
A       A      1
A       C      1
A       D      1
B       A      1
B       C      1
B       D      1
A       C      1
A       D      1
C       D      1

我得到的最终版本表是（在相同的 ID 中，相同的方向，例如 A --> C 计为 1 而不是 2。像A这样的疾病>A不算在内。A --> B 与 B 不同 --> A）

From    To     Count
A       B      1
A       C      1
A       D      1
B       A      1
B       C      1
B       D      1
C       D      1

但我想要的是（不包括相同日期的情况版本）：

From    To     Count
A       A      1
A       C      1
A       D      1
B       A      1
B       C      1
B       D      1
A       D      1
C       D      1

最后

From    To     Count
A       C      1
A       D      1
B       A      1
B       C      1
B       D      1
C       D      1

我应该编辑代码的哪一部分？

Answer 1

让我试着改写一下你的问题。对于每个ID（不包括日期以使问题更简单），您希望所有可能的值对都位于Disease列中，以及它们出现的频率，以及该对的重要性顺序。现在，前面有一个内置的函数Python可以实现这一点：

from itertools import permutations
all_pairs = permutations(diseases, 2)

鉴于您的数据，我猜它是在 csv 文件中。如果不是，请自己调整我的代码（这是一种微不足道的谷歌搜索）。我们将在数据科学堆栈中使用著名的库，称为 Pandas .事情是这样的：

from itertools import permutations
import pandas as pd
df = pd.read_csv('data.csv', header=0)
pairs_by_did = df.groupby('ID').apply(lambda grp: pd.Series(list(permutations(grp['Disease'], 2))))
all_pairs = pd.concat([v for i, v in pairs_by_did.iterrows()])
pair_counts = all_pairs.value_counts()
print pair_counts

对于您的示例，它打印

>>> print pair_counts
(A, B)    2
(D, A)    2
(A, D)    2
(C, A)    2
(B, A)    2
(A, C)    2
(A, A)    2
(C, B)    1
(D, C)    1
(C, D)    1
(D, B)    1
(B, D)    1
(B, C)    1
Name: 1, dtype: int64

现在按ID分组，同时按date分组，看看你得到了什么。