Всем здравствуйте! У меня есть таблица csv, где содержатся данные по пациентам. В первой колонке - айди номер, во второй - их статус (больной или родственник), а в третьей - тип родственной связи в формате: "айди:тип связи; айди:тип связи", иногда может быть 0, 1 или даже 5 записей о родственниках каждого из участников.
Пример датафрейма:
import pandas as pd
data = {
'patient_id': [11, 22, 33, 44, 55, 66],
'group': ['ill', 'ill', 'relative', 'ill', 'relative', 'relative'],
'relatives': [None, '33:мать', '22:дочь', '55:мать;66:отец', '44:дочь;66:муж', '44:дочь;55:жена']
}
df = pd.DataFrame(data)
Что мне нужно? Сгруппировать семьи, то есть, например, пациенты с айди 22 и 33 в этом датафрейме составляют одну семью, так как ссылаются на patient_id друг друга в столбце relatives. Пациенты c айди 44, 55 и 66 тоже составляют одну семью. На выходе мне необходимо получить список семей в любом формате - txt, словарь со списком объектов и тд. В идеале - если будет указан тип родственной связи, но это наверно сложнее сделать, так как придется прописывать все типы родсвтенных отношений, а у меня там есть и всякие дяди по папиной линии и тд. Поэтому достаточно будет хотя бы сгруппировать их по столбцу relatives, если они ссылаются в нем друг на друга, то, значит, составляют одну семью. Помогите, пожалуйста, решить проблему.
Код, что у меня есть:
import pandas as pd
import numpy as np
path = 'tab.csv'
df = pd.read_csv(path, encoding="cp1251", sep="\t", skiprows=[0])
df.columns = ['patient_id', 'group', 'relatives']
df = df.dropna(subset=['relatives']) #удаляем строки, где в столбце родственных связей стоит NaN
#Далее я делала таким способом, но на выходе количество семей у меня равнялось количеству пациентов с имеющимися родственниками, то есть код не объединил их в семьи((
# Разделяем столбец relatives на отдельные подстроки и разворачиваем их в отдельные строки DataFrame
df = df.assign(relatives=df['relatives'].str.split('; ')).explode('relatives')
# Разделяем столбец relatives на несколько колонок 'relative_id' и 'relation'
split_df = df['relatives'].str.split(':', expand=True)
# Создаем нужное количество новых колонок
num_columns = len(split_df.columns)
for i in range(num_columns):
df[f'relative_id_{i+1}'] = split_df[i]
# Удаляем столбец 'relatives', так как он больше не нужен
df = df.drop(columns=['relatives'])
# Создаем словарь для хранения групп пациентов
patient_groups = {}
# Функция для поиска группы пациента
def find_group(patient_id):
if patient_id in patient_groups:
return patient_groups[patient_id]
else:
return None
# Проходимся по каждой строке DataFrame и строим группы пациентов
for index, row in df.iterrows():
patient_id = row['patient_id']
relatives_list = [row[f'relative_id_{i+1}'] for i in range(num_columns) if pd.notna(row[f'relative_id_{i+1}'])]
group = find_group(patient_id)
if group is None:
# Если группы еще нет, создаем новую
group = len(patient_groups) + 1
patient_groups[patient_id] = group
for relative_id in relatives_list:
relative_group = find_group(relative_id)
if relative_group is None:
# Если группы еще нет, создаем новую и добавляем в нее родственника
relative_group = len(patient_groups) + 1
patient_groups[relative_id] = relative_group
elif relative_group != group:
# Если родственник уже состоит в другой группе, объединяем группы
for pid, g in patient_groups.items():
if g == relative_group:
patient_groups[pid] = group
# Подсчитываем количество уникальных групп
num_groups = len(set(patient_groups.values()))
print("Количество групп:", num_groups)