Я не знаю, что вы подразумеваете под «резюме», но похоже, что все, что вы хотите сделать, это только сортировать и отображать данные в лучшем виде. Вы можете визуально группа (= порядок) записи, «PX- и Fecha-накрест», как это:
df.set_index(['px', 'fecha'], inplace=True)
EDIT:
При выполнении группирования данных, основанный на некоторой общей собственности, вы должны решить, какой тип агрегации вы собираетесь использовать для данных в других столбцах. Проще говоря, как только вы выполните группу, у вас есть только одно пустое поле для каждого оставшегося столбца для каждого «pacient_id» слева, поэтому вы должны использовать некоторую функцию агрегации (например, сумма, средняя, мин, avg, count, ...) который вернет желаемое представляемое значение сгруппированных данных.
Трудно работать с вашими данными, поскольку они заблокированы в изображении, и невозможно сказать, что вы подразумеваете под «Возрастом», поскольку этот столбец не виден, но я надеюсь, что вы сможете достичь того, что хотите глядя на следующем примере с фиктивными данными:
import pandas as pd
import numpy as np
from datetime import datetime
import random
from datetime import timedelta
def random_datetime_list_generator(start_date, end_date,n):
return ((start_date + timedelta(seconds=random.randint(0, int((end_date - start_date).total_seconds())))) for i in xrange(n))
#create random dataframe with 4 sample columns and 50000 rows
rows = 50000
pacient_id = np.random.randint(100,200,rows)
dates = random_datetime_list_generator(pd.to_datetime("2011-01-01"),pd.to_datetime("2014-12-31"),rows)
age = np.random.randint(10,80,rows)
bill = np.random.randint(1,1000,rows)
df = pd.DataFrame(columns=["pacient_id","visited","age","bill"],data=zip(pacient_id,dates,age,bill))
print df.head()
# 1.Only perform statictis of the last visit of each pacient only
stats = df.groupby("pacient_id",as_index=False)["visited"].max()
stats.columns = ["pacient_id","last_visited"]
print stats
# 2. Perform a bit more complex statistics on pacient by specifying desired aggregate function for each column
custom_aggregation = {'visited':{"first visit": 'min',"last visit": "max"}, 'bill':{"average bill" : "mean"}, 'age': 'mean'}
#perform a group by with custom aggregation and renaming of functions
stats = df.groupby("pacient_id").agg(custom_aggregation)
#round floats
stats = stats.round(1)
print stats
Оригинальный манекен dataframe выглядит так:
pacient_id visited age bill
0 150 2012-12-24 21:34:17 20 188
1 155 2012-10-26 00:34:45 17 672
2 116 2011-11-28 13:15:18 33 360
3 126 2011-06-03 17:36:10 58 167
4 165 2013-07-15 15:39:31 68 815
Первый агрегат будет выглядеть следующим образом:
pacient_id last_visited
0 100 2014-12-29 00:01:11
1 101 2014-12-22 06:00:48
2 102 2014-12-26 11:51:41
3 103 2014-12-29 15:01:32
4 104 2014-12-18 15:29:28
5 105 2014-12-30 11:08:29
Во-вторых, комплекс агрегации будет выглядеть следующим образом:
visited age bill
first visit last visit mean average bill
pacient_id
100 2011-01-06 06:11:33 2014-12-29 00:01:11 45.2 507.9
101 2011-01-01 20:44:55 2014-12-22 06:00:48 44.0 503.8
102 2011-01-02 17:42:59 2014-12-26 11:51:41 43.2 498.0
103 2011-01-01 03:07:41 2014-12-29 15:01:32 43.5 495.1
104 2011-01-07 18:58:11 2014-12-18 15:29:28 45.9 501.7
105 2011-01-01 03:43:12 2014-12-30 11:08:29 44.3 513.0
Этот пример должен получить ты. Кроме того, есть хорошая SO question о агрегации групп pandas groupby, которая может многому научить вас по этим темам.
Не совсем то, что я ищу. Позвольте мне посмотреть, могу ли я объяснить. Поэтому я хочу «свернуть или возобновить», например, все консультации у каждого пациента в 2011 году, чтобы в поле возраста i заканчивалось максимальное значение. Таким образом, по резюме я имею в виду, как запустить максимальную возрастную функцию возврата в возрасте по годам и заканчивать только с возрастом для каждого пациента в год. Я чист? – alex
GREAT! Большое спасибо, это именно то, чего я отсутствовал. – alex