在python中计算案例

Question

如果我有一个像这样的桌子

ID     Date     Disease    
1      03.07    A   
1      03.07    B
1      03.09    A
1      03.09    C
1      03.10    D

我写了这样的代码：

def combination(listData):
    comListData = [];
    for datum in listData :
            start = listData.index(datum) + 1
            while start < len(listData) :
                    if datum!=listData[start] :
                            comStr = datum+':'+listData[start]
                            if not comStr in comListData :
                                    comListData.append(comStr)
                    start+=1;
    return comListData

def insertToDic(dic,comSick):
    for datum in comSick :
            if dic.has_key(datum) :
                    dic[datum]+=1
            else :
                    dic[datum] = 1

try:
    con = mdb.connect('blahblah','blah','blah','blah')
    cur = con.cursor()
    sql ="select * from table"
    cur.execute(sql);
    data = cur.fetchall();
    start = 0
    end = 1
    sick = []
    dic = {}
    for datum in data :
            end = datum[0]
            if end!=start:
                    start = end
                    comSick = combination(sick)
                    insertToDic(dic,comSick)
                    sick = []
            sick.append(datum[2])
    start = end
    comSick = combination(sick)
    insertToDic(dic,comSick)
    for k,v in dic.items():
            a,b = k.split(':')
            print >>f, a.ljust(0), b.ljust(0), v
    f.close()

然后我得到了：

From    To     Count
A       B      1
A       A      1
A       C      1
A       D      1

B       A      1
B       C      1
B       D      1

A       C      1
A       D      1

C       D      1

我得到的最终版本表是(在相同的ID，相同的方向，如A --> C计数为1而不是2。相同的疾病，如A --> A不算数。A --> B与B --> A不同)

From    To     Count
A       B      1
A       C      1
A       D      1

B       A      1
B       C      1
B       D      1

C       D      1

但我想要的是(不包括相同的日期案例版本)：

From    To     Count
A       A      1
A       C      1
A       D      1

B       A      1
B       C      1
B       D      1

A       D      1

C       D      1

最后

From    To     Count
A       C      1
A       D      1

B       A      1
B       C      1
B       D      1

C       D      1

我应该编辑代码的哪一部分？

Answer 1

让我试着改变一下你的问题。对于每个日期(为了简化问题，不包括ID )，您希望在Disease列中包含所有可能的值对，以及它们出现的频率、值对的顺序。现在，在Python中有一个内置函数可以实现这一点：

from itertools import permutations
all_pairs = permutations(diseases, 2)

根据您的数据，我猜它在csv文件中。如果不是，请自己调整我的代码(这是一种琐碎的谷歌搜索)。我们将在数据科学堆栈中使用名为Pandas的著名库。下面是它的运行方式：

from itertools import permutations
import pandas as pd

df = pd.read_csv('data.csv', header=0)
pairs_by_did = df.groupby('ID').apply(lambda grp: pd.Series(list(permutations(grp['Disease'], 2))))
all_pairs = pd.concat([v for i, v in pairs_by_did.iterrows()])
pair_counts = all_pairs.value_counts()
print pair_counts

对于您的示例，它将打印

>>> print pair_counts
(A, B)    2
(D, A)    2
(A, D)    2
(C, A)    2
(B, A)    2
(A, C)    2
(A, A)    2
(C, B)    1
(D, C)    1
(C, D)    1
(D, B)    1
(B, D)    1
(B, C)    1
Name: 1, dtype: int64

现在同时对ID和date进行分组，看看会得到什么结果。