格式化数据以使用熊猫进行生存分析

Question

我正在尝试找出将生存分析数据转换为允许时变协变量的格式的最快方法。 基本上，这将是Stata中stsplit的python实现。 举一个简单的例子，带有以下信息：

id start end  x1  x2  exit
 1   0    18  12  11   1

这告诉我们观察在时间0开始，在时间18结束。退出告诉我们这是“死亡”而不是正确的检查。 x1和x2是随时间不变的变量。

id   t   age
 1   0    30
 1   7    40
 1   17   50

我想得到：

id start end  x1  x2  exit  age
 1   0    7   12  11   0    30
 1   7    17  12  11   0    40
 1   17   18  12  11   1    50

最后退出仅是1，表示t = 18是死亡发生的时间。

Answer 1

假设：

>>> df1
id  start   end x1  x2  exit
0   1   0   18  12  11  1

和：

>>> df2
   id   t   age
0   1   0   30
1   1   7   40
2   1   17  50

你可以做：

df = df2.copy()                                 # start with df2
df['x1'] = df1.ix[0, 'x1']                      # x1 column
df['x2'] = df1.ix[0, 'x2']                      # x2 column
df.rename(columns={'t': 'start'}, inplace=True) # start column
df['end'] = df['start'].shift(-1)               # end column
df.ix[len(df)-1, 'end'] = df1.ix[0, 'end']
df['exit'] = 0                                  # exit column
df.ix[len(df)-1, 'exit'] = 1                     
df = df[['id', 'start', 'end', 'x1', 'x2', 'exit', 'age']] # reorder columns

输出：

>>> df
    id  start   end x1  x2  exit    age
0   1   0       7   12  11  0       30
1   1   7       17  12  11  0       40
2   1   17      18  12  11  1       50

Answer 2

这可以通过生命线 （尤其是add_covariate_to_timeline函数）实现， 例如此处 。 该函数非常灵活，可以执行诸如累积和之类的操作。

对于上面的示例：

"""
id start end  x1  x2  exit
 1   0    18  12  11   1
"""
long_df = pd.DataFrame([
    {'id': 1, 'start': 0, 'end': 18, 'x1': 12, 'x2': 11, 'exit': 1}
])


"""
id   t   age
 1   0    30
 1   7    40
 1   17   50
"""
tv_covariates = pd.DataFrame([
    {'id': 1, 't': 0, 'age': 30},
    {'id': 1, 't': 7, 'age': 40},
    {'id': 1, 't': 17, 'age': 50},
])

from lifelines.utils import add_covariate_to_timeline

add_covariate_to_timeline(long_df, tv_covariates, id_col='id', duration_col='t', event_col='exit', start_col='start', stop_col='end')

"""
   start  age    x1    x2   end  id   exit
0      0   30  12.0  11.0   7.0   1  False
1      7   40  12.0  11.0  17.0   1  False
2     17   50  12.0  11.0  18.0   1   True

"""