大熊猫六个月的日期范围

Question

所以，这是我的数据框。

PatientNumber           QT         Answer   Answerdate  DiagnosisDate 
1        1          transferring     No      2017-03-03 2018-05-03     
2        1          preparing food   No      2017-03-03 2018-05-03     
3        1          medications      Yes     2017-03-03 2018-05-03     
4        2          transferring     No      2011-05-10 2012-05-04       
5        2          preparing food   No      2011-05-10 2012-05-04     
6        2          medications      No      2011-05-10 2012-05-04     
7        2          transferring     Yes     2011-15-03  2012-05-04     
8        2          preparing food   Yes     2011-15-03  2012-05-04     
9        2          medications      No      2011-15-03  2012-05-04     
10       2          transferring     Yes     2010-15-12 2012-05-04     
11       2          preparing food   No      2010-15-12 2012-05-04     
12       2          medications      No      2010-15-12 2012-05-04     
13       2          transferring     Yes     2009-10-10 2012-05-04     
14       2          preparing food   No      2009-10-10 2012-05-04     
15       2          medications      No      2009-10-10 2012-05-04     
16       3          medications      No      2008-10-10 2010-07-04     

我刚刚找到一个与我的问题here 相关的链接，它没有得到任何正确答案。

一些解释： 对于每个患者编号，diagnosisDate 是唯一的。Answer Date 是他们填写问题的数次。

但我想做什么：？

我的目标是从DiagnosisDateevery six month 返回，并将其标记到as the first 6 month record 的列上。在列中我们应该保存哪个六个月（前六​​个月，第二个月，第三个月，...）。

例如对于这个数据框，DiagnosisDate 的 PatientNumber=1 是 2018-05-03 所以它应该从那个时候返回 6 month。 the first 6 month 是2017-27-11 作为最大的AnswerDate 不属于该日期，它不会被标记为first six month。 如果第一个answerdate 在此日期以内，则将其标记为first 6 month。

所以这里PatientNumber=1 在6month 列中得到3，因为当我们从diagnosisdate 6 month 返回时，answerdate 会在一段时间后落在6 month 之下。 所以这个数据框的输出将是：

PatientNumber           QT         Answer   Answerdate  DiagnosisDate  6month
1        1          transferring     No      2017-03-03 2018-05-03     3
2        1          preparing food   No      2017-03-03 2018-05-03     3
3        1          medications      Yes     2017-03-03 2018-05-03     3
4        2          transferring     No      2011-05-10 2012-05-04     1 
5        2          preparing food   No      2011-05-10 2012-05-04     1
6        2          medications      No      2011-05-10 2012-05-04     1
7        2          transferring     Yes     2011-15-04  2012-05-04    2
8        2          preparing food   Yes     2011-15-04  2012-05-04    2
9        2          medications      No      2011-15-04  2012-05-04    2
10       2          transferring     Yes     2010-15-12 2012-05-04     3
11       2          preparing food   No      2010-15-12 2012-05-04     3
12       2          medications      No      2010-15-12 2012-05-04     3
13       2          transferring     Yes     2009-10-10 2012-05-04     5
14       2          preparing food   No      2009-10-10 2012-05-04     5
15       2          medications      No      2009-10-10 2012-05-04     5
16       3          medications      No      2008-10-10 2010-07-04     4

对于 PatientNumber =2，它将从 DiagnosisDate =2012-05-04 开始并返回 6 个月。它将是 2011-11-04。

我应用了这个：

data['6month'] = pd.date_range(end=data['diagnosisdate'],periods=2, freq='6M',closed='left')

首先它只关心月份，所以大致计算不准确， 而且我找不到提及 6 个月数的方法，就像我在上面的数据框中提到的一样（在 6 月列中，我的意思是 1 2，...而不是日期。

因此根据数据，我们可以在6month列中看到1...10的数字（考虑到诊断前5年）

说来话长。希望有人能花点时间:)。

我还需要保持整个列的结果不变。

Answer 1

这并不完全是您想要的，但可以提供足够好的结果。我认为您可以通过计算列 DiagnosisDate 和 Answerdate 之间的时间差，然后除以 pd.np.timedelta64(6, 'M')（将频率更改为 6 个月）来做到这一点。那么就需要ceil函数来获取上面的整数，如：

data['6month'] = (pd.np.ceil((data['DiagnosisDate']-pd.Timedelta(days=1)-data['Answerdate'])
                                             /pd.np.timedelta64(6, 'M')).astype(int))

用于忽略负列：

data = data[(data['6month'] >= 0)]

使用您的示例，它给出：

    PatientNumber            QT Answer Answerdate DiagnosisDate  6month
1               1  transferring     No 2017-03-03    2018-03-05       3
2               1     preparing     No 2017-03-03    2018-03-05       3
3               1   medications    Yes 2017-03-03    2018-03-05       3
4               2  transferring     No 2011-10-05    2012-04-05       1
5               2     preparing     No 2011-10-05    2012-04-05       1
6               2   medications     No 2011-10-05    2012-04-05       1
7               2  transferring    Yes 2011-03-15    2012-04-05       3
8               2     preparing    Yes 2011-03-15    2012-04-05       3
9               2   medications     No 2011-03-15    2012-04-05       3
10              2  transferring    Yes 2010-12-15    2012-04-05       3
11              2     preparing     No 2010-12-15    2012-04-05       3
12              2   medications     No 2010-12-15    2012-04-05       3
13              2  transferring    Yes 2009-10-10    2012-04-05       5
14              2     preparing     No 2009-10-10    2012-04-05       5
15              2   medications     No 2009-10-10    2012-04-05       5
16              3   medications     No 2008-10-10    2010-04-07       3

另外，我不会使用 pd.date_range，因为它似乎不像你想要的那样，但我可能错了。

编辑：要删除 DiagnosisDate 在 Answerdate 之前的情况，一旦您创建了 6 个月的列，只需执行 data = data[data['6months'] > 0]，因为在这种情况下该值将为负数或零