检查 pandas 组特定列中的所有记录组成预定义的预期值列表

Question

我有一个数据框，我需要检查每个组是否包含完整的例外值。

我尝试按

Patient ID

进行分组并使用

transform

检查每个组是否具有

Y

中的所有 6 个必需值

Inclusion

为：-3, -2, -1, 1, 2, 3否则标记为

N

在 lambda 中使用

all

并不能完全让我实现目标

原版df

患者ID	外科医生身份	手术类型	手术日期	医疗预约日期	包容
1	1	X	2022-09-03	2022-03-04	-3
1	1	X	2022-09-03	2022-05-04	-2
1	1	X	2022-09-03	2022-06-04	-1
1	1	X	2022-09-03	2022-11-04	1
1	1	X	2022-09-03	2022-11-29	2
1	1	X	2022-09-03	2023-01-02	3
2	1	X	2022-10-03	2022-09-01	-2
2	1	X	2022-10-03	2022-09-11	-1
2	1	X	2022-10-03	2022-10-12	1
2	1	X	2022-10-03	2022-10-29	2
2	1	X	2022-10-03	2022-12-12	3

想要的df

患者ID	外科医生身份	手术类型	手术日期	医疗预约日期	包容	包括YN
1	1	X	2022-09-03	2022-03-04	-3	是
1	1	X	2022-09-03	2022-05-04	-2	是
1	1	X	2022-09-03	2022-06-04	-1	是
1	1	X	2022-09-03	2022-11-04	1	是
1	1	X	2022-09-03	2022-11-29	2	是
1	1	X	2022-09-03	2023-01-02	3	是
2	1	X	2022-10-03	2022-09-01	-2	N
2	1	X	2022-10-03	2022-09-11	-1	N
2	1	X	2022-10-03	2022-10-12	1	N
2	1	X	2022-10-03	2022-10-29	2	N
2	1	X	2022-10-03	2022-12-12	3	N

Answer 1

如果您必须在 -2 之前先有 -1，在 2 之前先有 1，等等，则使用简单的

groupby.transform

和

nunique

并检查您是否拥有所有

6

值：

df['IncludeYN'] = np.where(df.groupby(['Patient ID', 'Surg ID'])
                           ['Inclusion'].transform('nunique').eq(6),
                           'Y', 'N')

如果您想与一组特定的值进行比较：

target = {-3, -2, -1, 1, 2, 3}

df['IncludeYN'] = np.where(df.groupby(['Patient ID', 'Surg ID'])
                           ['Inclusion'].transform(lambda x: target.issubset(x)),
                           'Y', 'N')

输出：

    Patient ID  Surg ID Surg Type   Surg Date Medical Appt Date  Inclusion IncludeYN
0            1        1         X  2022-09-03        2022-03-04         -3         Y
1            1        1         X  2022-09-03        2022-05-04         -2         Y
2            1        1         X  2022-09-03        2022-06-04         -1         Y
3            1        1         X  2022-09-03        2022-11-04          1         Y
4            1        1         X  2022-09-03        2022-11-29          2         Y
5            1        1         X  2022-09-03        2023-01-02          3         Y
6            2        1         X  2022-10-03        2022-09-01         -2         N
7            2        1         X  2022-10-03        2022-09-11         -1         N
8            2        1         X  2022-10-03        2022-10-12          1         N
9            2        1         X  2022-10-03        2022-10-29          2         N
10           2        1         X  2022-10-03        2022-12-12          3         N