关于#python#的问题：医疗数据匹配问题从表A中找到与表B诊断时间最接近的日期的体征，同一列为病人ID

Question

我有两张表格A和B，它们分别包含病人体征和诊断记录。我需要找到表A中与表B中每个诊断时间最接近的体征，并将它们结合到一起。同时，它们都有一个共同的病人ID列。请问，在Python中该如何实现这个功能？是否有一些优化的解决方案呢？非常感谢！

Answer 1

• 你可以参考下这个问题的回答, 看看是否对你有帮助, 链接: https://ask.csdn.net/questions/7607981
• 除此之外, 这篇博客: Python汇总学习篇中的 39.10将数据第1列都加上10，第2列乘以2倍，通过索引获取列的值和更改列的值，显示b列值大于11的值，修改a列和b列值 部分也许能够解决你的问题, 你可以仔细阅读以下内容或跳转源博客中阅读:
  

• import pandas as pd
  
  df = pd.read_excel("234.xlsx",sheet_name=2)
  print(df)
  """
  #输出:
     a   b
  0  1  10
  1  2  20
  """
  "a":lambda x:x.strip(), #去除列名a左右的空格
  
  #将数据第1列都加上10，第2列乘以2倍
  df = pd.read_excel("234.xlsx",sheet_name=2,
                     converters={
                         "a":lambda x:x+10, #a列加10
                         "b":lambda x:x*2,  #b列乘以2倍
                     })
  print(df)
  """
  #输出:
      a   b
  0  11  20
  1  12  40
  """
  

  import pandas as pd
  
  #通过索引获取列的值和更改列的值
  #还可以写成:df[(df["b"]>2) & (df["b"]<6)] 且关系
  #还可以写成:df[(df["b"]==2) | (df["b"]==8)] 或关系
  #还可以写成:df[~(df["b"]==2)] 不等于关系
  df = pd.read_excel("234.xlsx",sheet_name=2)
  print(df)
  """
  #输出:
     a   b
  0  1  10
  1  2  20
  """
  #判断b列值是否大于11
  print(df["b"]>11)
  """
  #输出:
  0    False
  1     True
  Name: b, dtype: bool
  """
  #显示b列值大于11的值
  print(df[df["b"]>11])
  """
  #输出:
     a   b
  1  2  20
  """
  #只显示b列的数值
  print(df[["b"]])
  """
  #输出:
     b
  0  10
  1  20
  """
  #只显示第1行，也就是True的那一行，这种带True,False的取值方式叫掩码取值
  print(df[[True,False]])
  """
  #输出:
     a   b
  0  1  10
  """
  #获取b列的数值，将b列值更改为101，201
  df["b"] = [101,201]
  print(df)
  """
  #输出:
     a    b
  0  1  101
  1  2  201
  """
  #修改a列和b列值
  df[["a","b"]] = [[101,201],[202,203]]
  print(df)
  """
  #输出:
      a    b
  0  101  201
  1  202  203
  """
  

• 以下回答由chatgpt基于相关博客总结生成:

  针对医疗数据匹配问题，可以通过以下步骤解决：

  1. 首先，读取表A和表B的数据，并将表A按照病人ID进行分组，将每个分组内的数据按照时间排序。

  2. 接着，遍历表B的数据，对于每一条数据，在表A中找到其病人ID对应的分组，并进行二分查找（或者其他高效搜索算法），找到表A中最靠近当前行数据时间的体征。

  3. 将表B中的数据和找到的表A中的体征进行结合。

  具体实现代码如下：

  import pandas as pd
  import datetime
  
  # 读取表A和表B的数据
  df_a = pd.read_csv('table_a.csv')
  df_b = pd.read_csv('table_b.csv')
  
  # 将表A按照病人ID进行分组，将每个分组内的数据按照时间排序
  df_a['time'] = pd.to_datetime(df_a['time'])
  df_a_grouped = df_a.sort_values(by=['time']).groupby(['patient_id'])
  
  # 遍历表B的数据
  for index, row in df_b.iterrows():
      # 在表A中找到其病人ID对应的分组，并进行二分查找，找到表A中最靠近当前行数据时间的体征
      df_a_current = df_a_grouped.get_group(row['patient_id'])
      df_a_closest = df_a_current.iloc[(df_a_current['time']-datetime.datetime.strptime(row['diagnosis_time'], '%Y-%m-%d %H:%M:%S')).abs().argsort()[0]]
  
      # 将表B中的数据和找到的表A中的体征进行结合
      df_b.loc[index, 'closest_feature_value'] = df_a_closest['feature_value']
  
  # 输出处理后的表B
  print(df_b)
  

  为了让chatgpt更好地理解问题，可以在提问时使用更加具体的术语和描述，比如：

  我有两张表格A和B，它们分别包含病人体征和诊断记录。我需要找到表A中与表B中每个诊断时间最接近的体征，并将它们结合到一起。同时，它们都有一个共同的病人ID列。请问，在Python中该如何实现这个功能？是否有一些优化的解决方案呢？非常感谢！