我试图从
df['date_of_admission']
列中减去 df['DOB']
列以找到两者之间的差异并将年龄值存储在 df['age']
列中,但是,我收到此错误:
OverflowError:int64 加法溢出
DOB date_of_admission age
2000-05-07 2019-01-19 12:26:00
1965-01-30 2019-03-21 02:23:12
NaT 2018-11-02 18:30:10
1981-05-01 2019-05-08 12:26:00
1957-01-10 2018-12-31 04:01:15
1968-07-14 2019-01-28 15:05:09
NaT 2018-04-13 06:20:01
NaT 2019-02-15 01:01:57
2001-02-10 2019-03-21 08:22:00
1990-03-29 2018-11-29 03:05:03
..... ......
..... .....
..... .....
我已经尝试过以下方法:
import numpy as np
import pandas as pd
from datetime import dt
df['age'] = (df['date_of_admission'] - df['DOB']).dt.days // 365
找到两者之间的差异后预计会得到以下年龄列:
age
26
69
NaN
58
.
.
.
OP 最有可能使用医学 MIMIC 数据集,其中日期已被打乱以保护患者的身份。具体来说,对于 89 岁以上的患者,他们将出生日期移了 300 年。
使用 pandas timedelta 时,这样的长时间跨度会导致溢出:
pd.to_timedelta(300, unit="Y", box=False)
> numpy.timedelta64(-8979658473709551616,'ns')
当数据帧操作中发生这种情况时,您将遇到错误。改编自@tawab_shakeel的答案:
df = pd.DataFrame(data={"DOB":['2000-05-07','1965-01-30','1700-01-01'],
"date_of_admission":["2019-01-19 12:26:00","2019-03-21 02:23:12", "2000-01-01 02:23:23"]})
df['DOB'] = pd.to_datetime(df['DOB']).dt.date
df['date_of_admission'] = pd.to_datetime(df['date_of_admission']).dt.date
# Gives AttributeError: Can only use .dt accessor with datetimelike values
df['age'] = ((df['date_of_admission']-df['DOB']).dt.days) //365
# Gives OverflowError: long too big to convert
pd.to_timedelta(df['date_of_admission']-df['DOB'])
任何转换为
timedelta64[ns]
数据类型的计算都会出现此问题。
作为解决方法,您可以使用
apply
操作,直接计算每个元素的年龄元素:
df['age'] = df.apply(lambda e: (e['date_of_admission'] - e['DOB']).days/365, axis=1)
将两列转换为日期,然后减去它
import pandas as pd
df['date_of_admission'] = pd.to_datetime(df['date_of_admission']).dt.date
df['DOB'] = pd.to_datetime(df['DOB']).dt.date
df['age'] = ((df['date_of_admission']-df['DOB']).dt.days) //365
第二次测试
#Now I have use DOB AND date_of_admission data from the question and it is working fine
df = pd.DataFrame(data={"DOB":['2000-05-07','1965-01-30','NaT'],
"date_of_admission":["2019-01-19 12:26:00","2019-03-21 02:23:12", "2018-11-02 18:30:10"]})
df['DOB'] = pd.to_datetime(df['DOB']).dt.date
df['date_of_admission'] = pd.to_datetime(df['date_of_admission']).dt.date
df['age'] = ((df['date_of_admission']-df['DOB']).dt.days) //365
结果:
DOB date_of_admission age
2000-05-07 2019-01-19 18.0
1965-01-30 2019-03-21 54.0
NaT 2018-11-02 NaN
1)。您做得正确,但
DOB
包含唯一的日期并且 date_of_admission
包含日期和时间。操作 date_of_admission
使其仅包含日期,然后您将得到结果。
2)。在这里,我在您的代码中添加了
change function
,以便您得到结果。
import numpy as np
import pandas as pd
from datetime import dt
def change(x):
return x.date()
df['date_of_admission'] = df['date_of_admission'].apply(change)
df['age'] = df['date_of_admission'].subtract(df['DOB']).dt.days // 365
希望对你有帮助。
我正在使用 MIMIC III 数据集,也遇到了这个问题。我发现@Rahul_chacharan 的评论使用
df['date_of_admission'].subtract(df['DOB']).dt.days // 365
为我工作!
我想大家在处理MIMIC3数据库时都会遇到这个问题,这是我的解决方案,非常直观,但速度更快,你可以尝试一下。
df_labevents_temp['age'] = ((df['date_of_admission'].values - df['DOB'].values).astype(np.int)/8.64e13//365).astype(np.int)
想法是将其转换为 numpy int,然后从 ns 转换为year。 pandas date diff 函数对我不起作用,使用 apply 太慢(我认为只是循环)。
对于那些从 @tawab_shakeel 的答案中遇到错误
AttributeError: Can only use .dt accessor with datetimelike values
的人,请尝试以下代码
import pandas as pd
df['date_of_admission'] = pd.to_datetime(df['date_of_admission']).dt.date
df['DOB'] = pd.to_datetime(df['DOB']).dt.date
df['age'] = ((df['date_of_admission']-df['DOB']) //365).dt.days
它将返回年龄的int值
根据here的答案,尝试以下代码:
df['AGE'] = df.apply(lambda s: (s['INTIME'].to_pydatetime()-s['DOB'].to_pydatetime()).days / 365.0, axis=1)`
我还应该提到我使用了pandas==1.5