在引用和循环另一个df时在Pandas中使用apply函数？答案

【问题标题】：Using apply function in Pandas while referencing and looping through another df?在引用和循环另一个df时在Pandas中使用apply函数？
【发布时间】：2019-04-29 13:18:11
【问题描述】：

我有一个名为 df_drug_ref 的 df 药物参考（如下）。共有三种药物（A、B 和 C）。相应的 ATC 在第二列中列出。但是，如果患者在Drug_BIN_Id_Exclusion 列表中具有 DIN，则她/他将不会被视为使用该药物（即，药物 A 为 011235）。

Drug        Drug_ATC_Id         Drug_DIN_Id_Exclusion
A           N123                [011235]
B           B5234               [65413, 654351]
C           N32456              []

以下是另一个名为df_row的df。这将捕获每个人分配的所有药物。每个人都有自己的People_Id。

People_Id   Drug_ATC            Drug_DIN                A           B           C
1001        N123                                        
1001        N123                011235                  
1001        N32456              011232                  
1001        N111                                        
1002        B5234               65413                       
1002        B5234               654090                  
1002        N123                011235

如果在该行中，ATC 代码与药物参考匹配并且DIN 不包含在排除列表中。结果应该是：

People_Id   Drug_ATC            Drug_DIN                A           B           C
1001        N123                                        1           0           0
1001        N123                011235                  0           0           0
1001        N32456              011232                  0           0           1
1001        N111                                        0           0           0
1002        B5234               65413                   0           0           0       
1002        B5234               654090                  0           1           0
1002        N123                011235                  0           0           0

我了解如何在同一个 df 本身中使用 apply 函数，但我不知道如何也使用外部 df 作为参考。

【问题讨论】：

标签： python-3.x pandas loops numpy

【解决方案1】：

首先，您可以使用apply(pd.Series) 和join 将列表拆分为几列df_drug_ref：

print (df_drug_ref.join(df_drug_ref['Drug_DIN_Id_Exclusion'].apply(pd.Series)))
  Drug Drug_ATC_Id Drug_DIN_Id_Exclusion       0       1
0    A        N123              [011235]  011235     NaN
1    B       B5234       [65413, 654351]   65413  654351
2    C      N32456                    []     NaN     NaN

然后你可以merge在列'Drug_ATC'上面加入数据框到People_Id，在对列进行一些清理之后：

df_merge = People_Id.merge(df_drug_ref[['Drug', 'Drug_ATC_Id']]
                                        .join(df_drug_ref['Drug_DIN_Id_Exclusion']
                                                         .apply(pd.Series)
                                                         .add_prefix('Drug_DIN_'))
                                      .rename(columns={'Drug_ATC_Id':'Drug_ATC'}),
                           how='left')

获取df_merge:

   People_Id Drug_ATC Drug_DIN Drug Drug_DIN_0 Drug_DIN_1
0       1001     N123             A     011235        NaN
1       1001     N123   011235    A     011235        NaN
2       1001   N32456   011235    C        NaN        NaN
3       1001     N111           NaN        NaN        NaN
4       1002    B5234    65413    B      65413     654351
5       1002    B5234   654090    B      65413     654351
6       1002     N123   011235    A     011235        NaN

现在您可以用 NaN 替换“Drug”列，其中“Drug_DIN”中的值位于“Drug_DIN_i”列之一中，np.any：

mask = np.any(df_merge.filter(like='Drug_DIN').iloc[:,:1].values == 
              df_merge.filter(like='Drug_DIN').iloc[:,1:].values, axis=1)
df_merge.loc[mask,'Drug'] = np.nan

最后，要创建列 A、B、C ...，您可以使用 pd.get_dummies 和 set_index，然后使用 reset_index：

new_People_Id = pd.get_dummies(df_merge.set_index(['People_Id','Drug_ATC','Drug_DIN'])['Drug']).reset_index()
print (new_People_Id)
   People_Id Drug_ATC Drug_DIN  A  B  C
0       1001     N123           1  0  0
1       1001     N123   011235  0  0  0
2       1001   N32456   011235  0  0  1
3       1001     N111           0  0  0
4       1002    B5234    65413  0  0  0
5       1002    B5234   654090  0  1  0
6       1002     N123   011235  0  0  0

注意这里也可以使用join 如：

new_People_Id = df_merge[['People_Id','Drug_ATC','Drug_DIN']].join(df_merge['Drug'].str.get_dummies())

也许更快。

【讨论】：

【解决方案2】：

这是一个使用函数和 iterrows 的可行解决方案：

def check_rx_condition(row):
    for index, col in df_drug_ref.iterrows():
        if ((col['Drug_ATC_Id'] in row['Drug_ATC'])&
            (row['DRUG_DIN'] not in col['Drug_DIN_Id_Exclusion'])):
            row[col['Drug']] = 1
        else:
            row[col['Drug']] = 0
    return row

df_row = df_row.apply(check_rx_condition, axis=1)

【讨论】：