如何在 python 中生成組級別的累積唯一計數？

Question

我有一些醫院訪問醫療保健數據，格式為 dataframe：

記錄編號	client_id	相遇日期	醫院編號
1個	MK456	2014-01-01	01J
2個	JJ103	2016-04-01	02J
3個	MK456	2014-02-26	01J
4個	JJ103	2016-05-01	02H
5個	MK456	2014-03-01	02H
6個	JJ103	2016-06-06	02J

我想創建一個hospital_count列，它是每個客戶在date_of_counter就診的 UNIQUE 醫院的累計計數。 我已經按client_id和
date_of_counter 。 結果轉換將是

記錄編號	client_id	相遇日期	醫院編號	醫院計數
1個	MK456	2014-01-01	01J	1個
3個	MK456	2014-02-26	01J	1個
5個	MK456	2014-03-01	02H	2個
2個	JJ103	2016-04-01	02J	1個
4個	JJ103	2016-05-01	02H	2個
6個	JJ103	2016-06-06	02J	2個

有人建議結合使用groupby和cumsum()但我不太確定如何使用？

Answer 1

使用GoupBy.cumcount

每個客戶訪問的不同醫院的累計數量

import pandas as pd

df = pd.DataFrame({
  'record_id': list(range(1,7)),
  'client_id':['MK', 'JJ', 'MK', 'JJ', 'MK', 'JJ'],
  'date': [20140101, 20160401,20140226,20160501,20140301,20160606],
  'hospital': ['1j', '2j', '1j', '2h', '2h', '2j']
})

df.sort_values(by=['client_id', 'date'], inplace=True)

df['hospital_count'] = df.drop_duplicates(subset=['client_id', 'hospital']
  ).groupby('client_id').cumcount() + 1

df.fillna(method='ffill', inplace=True)

print(df)
#    record_id client_id      date hospital  hospital_count
# 1          2        JJ  20160401       2j             1.0
# 3          4        JJ  20160501       2h             2.0
# 5          6        JJ  20160606       2j             2.0
# 0          1        MK  20140101       1j             1.0
# 2          3        MK  20140226       1j             1.0
# 4          5        MK  20140301       2h             2.0

解釋：我們使用drop_duplicates刪除同一客戶對同一家醫院的連續訪問； 然后我們可以使用groupby和cumcount簡單地計算每個客戶的訪問。 但是，這會在刪除的行中留下NaN值； 我們使用fillna填充這些值。

每位客戶到每家醫院的累計就診次數

import pandas as pd

df = pd.DataFrame({
  'record_id': list(range(1,7)),
  'client_id':['MK', 'JJ', 'MK', 'JJ', 'MK', 'JJ'],
  'date': [20140101, 20160401,20140226,20160501,20140301,20160606],
  'hospital': ['1j', '2j', '1j', '2h', '2h', '2j']
})

df['hospital_count'] = df.sort_values(by=['client_id', 'hospital', 'date']
  ).groupby(['client_id', 'hospital']
  ).cumcount() + 1

print(df)
#    record_id client_id      date hospital  hospital_count
# 0          1        MK  20140101       1j               1
# 1          2        JJ  20160401       2j               1
# 2          3        MK  20140226       1j               2
# 3          4        JJ  20160501       2h               1
# 4          5        MK  20140301       2h               1
# 5          6        JJ  20160606       2j               2