【发布时间】：2018-05-04 14:57:18
【问题描述】：
假设我有一个数据集，其中包含入住 ICU 的患者的心率时间序列。
我想添加一些纳入标准，例如，我只想考虑心率 >= 90 的患者在 ICU 停留至少一小时。如果一小时后第一次测量的心率（从 >=90 值开始）未知，我们假设它高于 90 并包括入住 ICU。
应从与“至少 1 小时”时间跨度相对应的第一次测量开始包括该 ICU 停留的条目。
请注意，一旦包含入住 ICU 时间，即使心率在某个时候回落到 90 以下，也不会再被排除在外。
所以下面的数据框，其中“Icustay”对应于入住 ICU 的唯一 ID，“Hours”表示自进入 ICU 以来所花费的时间
Heart Rate Hours Icustay Inclusion Criteria
0 79 0.0 1001 0
1 91 1.5 1001 0
2 NaN 2.7 1001 0
3 85 3.4 1001 0
4 90 0.0 2010 0
5 94 29.4 2010 0
6 68 0.0 3005 0
应该变成
Heart Rate Hours Icustay Inclusion Criteria
0 79 0.0 1001 0
1 91 1.5 1001 1
2 NaN 2.7 1001 1
3 85 3.4 1001 1
4 90 0.0 2010 1
5 94 29.4 2010 1
6 68 0.0 3005 0
我已经为此编写了代码，并且可以正常工作。但是它非常慢，在处理我的整个数据集时，每个患者最多可能需要几秒钟（实际上我的数据集包含的数据比只有 6 个字段还多，但为了更好的可读性，我已经对其进行了简化）。由于有 40,000 名患者，我想加快速度。
这是我目前正在使用的代码，以及我上面介绍的玩具数据集。
import numpy as np
import pandas as pd
d = {'Icustay': [1001, 1001, 1001, 1001, 2010, 2010, 3005], 'Hours': [0, 1.5, 2.7, 3.4, 0, 29.4, 0],
'Heart Rate': [79, 91, np.NaN, 85, 90, 94, 68], 'Inclusion Criteria':[0, 0, 0, 0, 0, 0, 0]}
all_records = pd.DataFrame(data=d)
for curr in np.unique(all_records['Icustay']):
print(curr)
curr_stay = all_records[all_records['Icustay']==curr]
indexes = curr_stay['Hours'].index
heart_rate_flag = False
heart_rate_begin_time = 0
heart_rate_begin_index = 0
for i in indexes:
if(curr_stay['Heart Rate'][i] >= 90 and not heart_rate_flag):
heart_rate_flag = True
heart_rate_begin_time = curr_stay['Hours'][i]
heart_rate_begin_index = i
elif(curr_stay['Heart Rate'][i] < 90):
heart_rate_flag = False
elif(heart_rate_flag and curr_stay['Hours'][i]-heart_rate_begin_time >= 1.0):
all_records['Inclusion Criteria'].iloc[indexes[indexes>=heart_rate_begin_index]] = 1
break
请注意，数据集按患者和小时数排序。
有没有办法加快速度？我曾考虑过像 group by 这样的内置函数，但我不确定它们在这种特殊情况下是否会有所帮助。
【问题讨论】：
-
感谢您提出详尽的问题。如果在同一 ICU 住院期间心率回到 90 以下会怎样？
-
如果患者在某个时间点满足标准，则纳入标准在患者剩余的住院期间保持为 1，即使心率回落到 90 以下。我将编辑我的问题以使更清晰
-
我对时间跨度有点困惑。您说：
The entries of that ICU stay should be included starting from the first measurement corresponding to the ”at least 1 hour” timespan.，但在您的示例中，您包括了在 ICU 停留2010的第一次观察，即使在 Hours =0.0观察到。 -
“至少 1 小时”是指纳入标准的时间跨度，而不是整个 ICU 停留时间。因此，对于 2010 年的 ICU 住宿，心率高于 90 的时间至少有 1 小时，该时间段从 0.0 时间开始，这就是它被包括在内的原因
-
我一直在查看数据以寻找错误的场景，但它似乎总是按预期工作，谢谢！
标签： python python-3.x pandas numpy