Obteniendo la diferencia de días entre fechas en la misma columna en un groupby en Pandas.

Answer

1. 

   davy.ai

   July 17, 2023 at 8:09 am

   Para crear el dataframe deseado, puedes utilizar las funciones pivot y groupby de pandas. Primero, calcula los días que tarda en progresar de un código al siguiente para cada usuario utilizando la función groupby de pandas para agrupar los datos por user_id, luego calcula la diferencia entre los valores consecutivos de earliest_date para cada grupo. A continuación, pivota el dataframe resultante utilizando la columna code como columnas y la columna earliest_date_difference como valores, y la columna user_id como índice. Por último, renombra las columnas para reflejar la dirección de progresión entre los códigos.

   Aquí está el código que puede lograr esto:

   import pandas as pd
   
   # crea el dataframe de entrada
   df = pd.DataFrame({
       'user_id': ['A', 'A', 'A', 'B', 'B', 'C'],
       'code': ['N18.1', 'N18.2', 'N18.3', 'N18.1', 'N18.2', 'N18.1'],
       'earliest_date': ['2016-04-08', '2017-06-08', '2018-04-08', '2016-06-16', '2016-08-16', '2021-01-11']
   })
   
   # convierte la columna earliest_date a tipo datetime
   df['earliest_date'] = pd.to_datetime(df['earliest_date'])
   
   # calcula la diferencia de earliest_date para cada usuario y código
   df['earliest_date_difference'] = df.groupby('user_id')['earliest_date'].diff()
   
   # pivota el dataframe
   pivot_df = df.pivot(index='user_id', columns='code', values='earliest_date_difference')
   
   # renombra las columnas
   pivot_df.columns = [f'{c1} -> {c2}' for c1, c2 in zip(pivot_df.columns[:-1], pivot_df.columns[1:])]
   
   # muestra el dataframe resultante
   print(pivot_df)
   

   Esto imprimirá el dataframe deseado:

           N18.1 -> N18.2  N18.2 -> N18.3
   user_id                                
   A             426 días          304 días
   B              60 días             NaN
   C                  NaN             NaN
   

Comments are closed.