pandas - 列变量

Question

我正在试图想象一些数据，但我对这个主题并不是很有经验，而且我很难找到最好的海湾来获得我正在寻找的东西。我四处寻找并发现了类似的问题，但没有任何东西可以回答我想要的东西，所以希望我不会重复一个常见的问题。

无论如何，我有一个DataFrame，其中包含patient_id的列（以及其他列，但这是相关的。例如：

   patient_id  other_stuff
0      000001          ...
1      000001          ...
2      000001          ...
3      000002          ...
4      000003          ...
5      000003          ...
6      000004          ...
etc

每行代表患者所具有的特定情节。我想绘制一个分布，其中x轴是患者的发作次数，y轴是具有所述发作次数的患者数。例如，基于以上所述，有一个患者具有三个发作，一个患者具有两个发作，两个患者具有一个发作，即x = [1, 2, 3], y = [2, 1, 1]。目前，我执行以下操作：

episode_count_distribution = (
    patients.patient_id
    .value_counts() # the number of rows for each patient_id (i.e. episodes per patient)
    .value_counts() # the number of patients for each possible row count above (i.e. distribution of episodes per patient)
    .sort_index()
)
episode_count_distribution.plot()

这种方法做到了我想要的，但让我觉得有点不透明，难以理解，所以我想知道是否有更好的方法。

Answer 1

您可能正在寻找类似

的内容

df.procedure_id.groupby(df.patient_id).nunique().hist();

说明：

• df.procedure_id.groupby(df.patient_id).nunique()查找每位患者的独特程序数。

• hist()绘制直方图。

示例

df = pd.DataFrame({'procedure_id': [3, 2, 3, 2, 4, 1, 2, 3], 'patient_id': [1, 2, 3, 2, 1, 2, 3, 2]})
df.procedure_id.groupby(df.patient_id).nunique().hist();
xlabel('num patients');
ylabel('num treatments');

beginDraggingSessionWithItems