无需更换即可配对

Question

我有一个治疗数据框，我想将它们与合适的对照配对。每个对照只能分配给一种治疗。

如果组相同且对照评分在治疗评分的 +/- 10% 范围内，则治疗与对照相匹配。

我需要进行这种配对，以便尽可能多的治疗获得分配合适的对照。

本质上我想要做一个“无需更换的配对”。

df_treatment = pd.DataFrame({
    'id': ['a-1', 'a-2', 'a-3', 'b-1', 'b-2'],
    'group': ['A', 'A', 'C', 'C', 'A'],
    'score': [200, 230, 210, 390, 202]})

	id	组	分数
0	a-1	A	200
1	a-2	A	230
2	a-3	C	210
3	b-1	C	390
4	b-2	A	202

df_control = pd.DataFrame({
    'id': ['x-1', 'y-9', 'y-8', 'y-1', 'x-2', 'x-3'],
    'group': ['A', 'A', 'A', 'C', 'C', 'C'],
    'score': [180, 218, 210, 200, 400, 380]})

	id	组	分数
0	x-1	A	180
1	y-9	A	218
2	y-8	A	210
4	y-1	C	200
5	x-2	C	400
6	x-3	C	380

合并以创建在组中匹配的每一对

df_merged = pd.merge(df_treatment, df_control, on='group',
                     suffixes=('_treated', '_control'), how='left')

筛选符合分数标准的位置

df_matched = df_merged[
    (df_merged['score_control'] >= (df_merged['score_treated'] * 0.9))
    & (df_merged['score_control'] <= (df_merged['score_treated'] * 1.1))
    ][['id_treated', 'group', 'id_control']]

df_matched

	id_治疗	组	id_control
0	a-1	A	x-1
1	a-1	A	y-9
2	a-1	A	y-8
3	a-2	A	y-9
4	a-3	C	y-1
5	b-1	C	x-2
6	b-1	C	x-3
7	b-2	A	y-9
8	b-2	A	y-8

从这里我想获得一个数据框，其中

id_control

不重复，但保留尽可能多的

id_treated

唯一值。

所以在上面的例子中我们会产生

	id_治疗	组	id_control
0	a-1	A	x-1
3	a-2	A	y-9
4	a-3	C	y-1
5	b-1	C	x-2
6	b-1	C	x-3
8	b-2	A	y-8

我尝试过使用

df_matched.drop_duplicates(subset='id_control', keep='first')

但这将保留所有 a-1 的配对并删除 a-2 和 b-2 配对，留下更少的处理进行比较：

	id_治疗	组	id_control
0	a-1	A	x-1
1	a-1	A	y-9
2	a-1	A	y-8
4	a-3	C	y-1
5	b-1	C	x-2
6	b-1	C	x-3

Answer 1

据我了解，您有 treat_id 列，并且您希望保留尽可能多的 treat_id ，每个都有唯一的 control_id 值并删除重复项。

要实现这一点，请使用 pandas

groupby()

函数

df.groupby(["threated_id", "control_id"]).first().reset_index()

groupby()

获取指定的列并根据这两列的唯一组合对 DataFrame 进行分组。

reset_index()

方法用于将分组数据转换回常规DataFrame并重置索引。