多くの列のパンダグループでagg（）

Question

私は医療記録アプリからDBを分析するように求められました。だから私はPXによって2011年から2014年に300万人以上のレコードを再開する必要があり、私は彼らはので、各患者のためのthats ID、患者以来繰り返し知っ

：だから、レコードの束は次のようになります。医者への訪問が多いはずです。どのように私はそれらをグループ化するか、患者によってそれらを再開することができます。

Answer 1

「再開」とは何を意味するのか分かりませんが、あなたがしたいのは、より良い方法でデータを並べ替えて表示することだけです。あなたがすることができ、このような視覚的にグループ化（=順）レコード「PX-とfechaワイズ」：

df.set_index(['px', 'fecha'], inplace=True) 

EDIT：

あなたには、いくつかの共通の特性に基づいて、データのグループ化を行い、他の列のデータにどのような集約を使用するかを決める必要があります。単純に言えば、groupbyを実行すると、残っている各 "pacient_id"ごとに空のフィールドが1つしかないので、集計関数（sum、mean、min、avg、countなど）を使用する必要があります。グループ化されたデータの望ましい表現可能な値を返します。

画像にはロックされているためデータを扱うことは難しく、この列は表示されないため「Age」の意味を理解することはできませんが、ダミーデータでは、次の例を見て、：

import pandas as pd 
import numpy as np 
from datetime import datetime 
import random 
from datetime import timedelta 

def random_datetime_list_generator(start_date, end_date,n): 
    return ((start_date + timedelta(seconds=random.randint(0, int((end_date - start_date).total_seconds())))) for i in xrange(n)) 

#create random dataframe with 4 sample columns and 50000 rows 
rows = 50000 
pacient_id = np.random.randint(100,200,rows) 
dates = random_datetime_list_generator(pd.to_datetime("2011-01-01"),pd.to_datetime("2014-12-31"),rows) 
age = np.random.randint(10,80,rows) 
bill = np.random.randint(1,1000,rows) 

df = pd.DataFrame(columns=["pacient_id","visited","age","bill"],data=zip(pacient_id,dates,age,bill)) 

print df.head() 

# 1.Only perform statictis of the last visit of each pacient only 
stats = df.groupby("pacient_id",as_index=False)["visited"].max() 
stats.columns = ["pacient_id","last_visited"] 
print stats 

# 2. Perform a bit more complex statistics on pacient by specifying desired aggregate function for each column 
custom_aggregation = {'visited':{"first visit": 'min',"last visit": "max"}, 'bill':{"average bill" : "mean"}, 'age': 'mean'} 

#perform a group by with custom aggregation and renaming of functions 
stats = df.groupby("pacient_id").agg(custom_aggregation) 
#round floats 
stats = stats.round(1) 
print stats 

オリジナルダミーデータフレームはそうのようになります。

pacient_id    visited age bill 
0   150 2012-12-24 21:34:17 20 188 
1   155 2012-10-26 00:34:45 17 672 
2   116 2011-11-28 13:15:18 33 360 
3   126 2011-06-03 17:36:10 58 167 
4   165 2013-07-15 15:39:31 68 815 

まず集計は次のようになります。

あなたが軌道に乗る必要があります。この例で

     visited      age   bill 
        first visit   last visit mean average bill 
pacient_id               
100  2011-01-06 06:11:33 2014-12-29 00:01:11 45.2  507.9 
101  2011-01-01 20:44:55 2014-12-22 06:00:48 44.0  503.8 
102  2011-01-02 17:42:59 2014-12-26 11:51:41 43.2  498.0 
103  2011-01-01 03:07:41 2014-12-29 15:01:32 43.5  495.1 
104  2011-01-07 18:58:11 2014-12-18 15:29:28 45.9  501.7 
105  2011-01-01 03:43:12 2014-12-30 11:08:29 44.3  513.0 

：

第二に、複雑な集計は次のようになります。さらに、このトピックについてたくさん教えるかもしれないpandas groupby集約について素敵なSO questionがあります。