image.png
    类似这样的数据，有很多的其他手术字段，现在想要知道一个编码下有多少种手术，可能出现在其他手术1，其他手术2这样，这个时候需要将多列聚合到一起，最后得到的结果类似这样
    image.png
    这个时候可以用以下代码进行处理

    1. data = data.fillna("空白")
    2. data["手术编码"] = data["主要手术编码"] + ',' + data["其他手术编码1"] + ',' + data["其他手术编码2"]
    3. data["手术编码处理"] = data["手术编码"].apply(lambda x: x.split(","))
    5. clist = []
    6. for i in df['DRG_CODE'].unique():
    7.     tmp = df[df["DRG_CODE"]==i].explode("手术编码处理")
    8.     tmp = (tmp[tmp['手术编码处理']!='空白'])
    9.     tmp.drop_duplicates(subset=['手术编码处理','手术名称处理'],keep='first',inplace=True)
    10.     clist.append(tmp)
    11.     tmp["数量"] = 1
    12.     shit = tmp.groupby(["DRG_CODE","手术编码处理","手术名称处理"],as_index=False).agg("count")
    14. final = pd.concat(clist)
    • 首先将分布在这些列的数据汇聚到一个单元格中，这里是新建一个字段，用加号将各个字段的值一一连接，用逗号作为分隔符
    • 之前汇聚的结果相当于是一个长支付穿，这里用lambda函数以逗号作为分隔符，将这个单元格的数据放入列表之中
    • pandas有一个名为explode的函数data.explode()，可以将单元格中的列表数据炸开到行中，由于过程中会涉及到索引的变化，有时候会报错
    • 使用如果要explode多列，可以用data.explode(["xxx","yyy"])如果是需要忽略索引的影响，加上data.explode(["xxx","yyy"], ignore_index=True)
    • 对于多列的情况还可以使用apply的方式，data.apply(pd.Series.explode)
    • 留一列作为分组统计的聚合指标

    最后结果如图image.png如果要explode多列的情况，需要两列中的列表是一样长度的