结合来自不同数据框熊猫的列数

Question

我有两个数据框。 一个有关于患者的人口统计信息，另一个有一些特征信息。 下面是一些代表我的数据集的虚拟数据：

人口统计：

demographics = {
  'PatientID': [10, 11, 12, 13],
  'DOB': ['1971-10-23', '1969-06-18', '1973-04-20', '1971-05-31'],
  'Sex': ['M', 'M', 'F', 'M'],
  'Flag': [0, 1, 0, 0]
}
demographics = pd.DataFrame(demographics)
demographics['DOB'] = pd.to_datetime(demographics['DOB'])

这是打印的数据框：

print(demographics)
   PatientID        DOB Sex  Flag
0         10 1971-10-23   M     0
1         11 1969-06-18   M     1
2         12 1973-04-20   F     0
3         13 1971-05-31   M     0

特征：

features = {
  'PatientID': [10, 10, 10, 10, 10, 10, 10, 11, 11, 11, 11, 11, 11, 11, 11, 11, 11, 12, 12, 12, 12, 12, 12, 12, 12, 12, 12],
  'Feature': ['A', 'B', 'A', 'A', 'C', 'B', 'C', 'A', 'B', 'B', 'A', 'C', 'D', 'A', 'B', 'C', 'C', 'D', 'D', 'D', 'B', 'C', 'C', 'C', 'B', 'B', 'C'],
}
features = pd.DataFrame(features)

以下是每个患者的每个特征的计数：

print(features.groupby(['PatientID', 'Feature']).size())
PatientID  Feature
10         A          3
           B          2
           C          2
11         A          3
           B          3
           C          3
           D          1
12         B          3
           C          4
           D          3
dtype: int64

我想将每个患者的特征计数整合到人口统计表中。 请注意，特征表中没有患者 13。 最终的数据框将如下所示：

result = {
  'PatientID': [10, 11, 12, 13],
  'DOB': ['1971-10-23', '1969-06-18', '1973-04-20', '1971-05-31'],
  'Feature_A': [3, 3, 0, 0],
  'Feature_B': [2, 3, 3, 0],
  'Feature_C': [2, 3, 4, 0],
  'Feature_D': [0, 1, 3, 0],
  'Sex': ['M', 'M', 'F', 'M'],
  'Flag': [0, 1, 0, 0],
  }
  
result = pd.DataFrame(result)
result['DOB'] = pd.to_datetime(result['DOB'])

print(result)
   PatientID        DOB  Feature_A  Feature_B  Feature_C  Feature_D Sex  Flag
0         10 1971-10-23          3          2          2          0   M     0
1         11 1969-06-18          3          3          3          1   M     1
2         12 1973-04-20          0          3          4          3   F     0
3         13 1971-05-31          0          0          0          0   M     0

我怎样才能从这两个数据框中得到这个结果？

Answer 1

交叉制表features并与demographics合并。

# cross-tabulate feature df 
# and reindex it by PatientID to carry PatientIDs without features
feature_counts = (
    pd.crosstab(features['PatientID'], features['Feature'])
    .add_prefix('Feature_')
    .reindex(demographics['PatientID'], fill_value=0)
)
# merge the two
demographics.merge(feature_counts, on='PatientID')

Answer 2

修复添加unstack的代码

out = (features.groupby(['PatientID', 'Feature']).size().
       unstack(fill_value=0).
       add_prefix('Feature_').
       reindex(demographics['PatientID'],fill_value=0).
       reset_index().
       merge(demographics))
Out[30]: 
   PatientID  Feature_A  Feature_B  Feature_C  Feature_D        DOB Sex  Flag
0         10          3          2          2          0 1971-10-23   M     0
1         11          3          3          3          1 1969-06-18   M     1
2         12          0          3          4          3 1973-04-20   F     0
3         13          0          0          0          0 1971-05-31   M     0