熊猫：有条件地替换组中连续的行

Question

我正在尝试根据团体（患者）组织的交易清单构建“片段”。 我曾经使用Stata做到这一点，但是我不确定如何在Python中做到这一点。 在Stata中，我会说：

by patient: replace startDate = startDate[_n-1] if startDate-endDate[_n-1]<10

用英语来说，这意味着从一个组的第一行开始，并检查该组的startDate和上一个组的endDate之间的天数是否少于10。然后，移至下一行并执行相同的操作东西，然后是下一行...直到用尽所有行。

我一直在试图弄清楚如何在Python / Pandas中执行相同的操作并碰壁。 我可以按患者和日期对数据框进行排序，然后遍历整个数据框。 似乎应该有一个更好的方法来执行此操作。

脚本首先将第2行与第1行进行比较非常重要，因为当我到达第3行时，如果脚本替换了第2行中的值，那么当我到达第3行时，我想使用替换后的值，而不是原始值值。

输入样例：

Patient    startDate    endDate  
1          1/1/2016     1/2/2016  
1          1/11/2016    1/12/2016  
1          1/28/2016    1/28/2016  
1          6/15/2016    6/16/2016  
2          3/1/2016     3/1/2016

样本输出：

Patient    startDate    endDate  
1          1/1/2016     1/2/2016  
1          1/1/2016     1/12/2016  
1          1/1/2016     1/28/2016  
1          6/15/2016    6/16/2016  
2          3/1/2016     3/1/2016

Answer 1

我认为我们需要shift + groupby ，而bfill + mask是关键

df.startDate=pd.to_datetime(df.startDate)
df.endDate=pd.to_datetime(df.endDate)

df.startDate=df.groupby('Patient').apply(lambda x : x.startDate.mask((x.startDate-x.endDate.shift(1)).fillna(0).astype('timedelta64[D]')<10).bfill()).reset_index(level=0,drop=True).fillna(df.startDate)
df
Out[495]: 
   Patient  startDate    endDate
0        1 2016-01-28 2016-01-02
1        1 2016-01-28 2016-01-12
2        1 2016-01-28 2016-01-28
3        1 2016-06-15 2016-06-16
4        2 2016-03-01 2016-03-01