如何根据两个不同列的日期获取交叉联接表的唯一记录？

Question

我要创造一个相当复杂的逻辑。我有一些客户诊所遇到的数据，这些数据具有历史测试结果，R_DATE_TESTED，R_RESULT映射到每个P_DATE_ENCOUNTER的每个客户（P_CLIENT_ID）

^{tb1}$

数据已排序。如何获取每个客户机遭遇的唯一记录（组P_CLIENT_ID AND P_DATE_ENCOUNTER），其中R_DATE_TESTED < R_DATE_ENCOUNTER（但最近的一个）。此外，如果R_DATE_TESTED < R_DATE_ENCOUNTER不是真的；它返回空值

逻辑结果应如下所示：

^{tb2}$

其思想是，对于每个P_CLIENT_ID，每个P_ENCOUNTER_ID都返回其最近的前一个R_RESULT（遭遇之前的最新结果）。如果客户机没有在P_DATE_ENCOUNTER之前的结果，即（R_DATE_TESTED不是<；P_DATE_ENCOUNTERED），那么它将为这些列返回null（如前两条记录所示）。我想可能是在分区和.ffill()上使用一些排序的组合，但我真的被卡住了

Answer 1

Yuo可以使用以下代码：

import numpy as np

# df - your DataFrame

group = df.groupby(['P_CLIENT_ID', 'P_DATE_ENCOUNTER'])

def foo(df):
    result = df.loc[df.P_DATE_ENCOUNTER>df.R_DATE_TESTED, ['R_DATE_TESTED', 'R_RESULT']].tail(1).reset_index()
    if not result.empty:
        return result
    else:
        return pd.DataFrame([[np.nan, np.nan, np.nan]], columns=['RECORD_ID','R_DATE_TESTED', 'R_RESULT'])


group.apply(foo)