Как указано в комментариях, вы хотите рандомизировать два объекта datetime с учетом некоторых ограничений:
- Дата начала должна быть ниже даты окончания
- временной интервал между датами начала и окончания должен оставаться неизменным после рандомизации
- Годы начала и окончания должны оставаться такими же (например, 2000-01-01 не может превратиться в 1999-12-31)
Чтобы решить эту проблему, я думал найти диапазон изменения, который возможен для начальных данных без изменения года, затем найти диапазон изменения, который возможен для конечной даты, также без изменения года, и наконец, пересеките их, чтобы получить диапазон изменений, применимый к обеим датам. После этого любое случайное значение внутри конечного диапазона не изменит год любой из ограничивающих дат и сохранит интервал без изменений.
Я создал функцию, которая реализует эту функциональность. Вы передаете ему начальные и конечные объекты datetime, и он вернет кортеж с этими датами, рандомизированными в соответствии с ограничениями.
import datetime as dt
from random import random
def rand_date_diff_keep_year_and_interval(dt1, dt2):
if dt1 > dt2:
raise Exception("dt1 must be lesser than dt2")
range1 = {
"min": dt1.replace(month=1, day=1) - dt1,
"max": dt1.replace(month=12, day=31) - dt1,
}
range2 = {
"min": dt2.replace(month=1, day=1) - dt2,
"max": dt2.replace(month=12, day=31) - dt2,
}
intersection = {
"min": max(range1["min"], range2["min"]),
"max": min(range1["max"], range2["max"]),
}
rand_change = random()*(intersection["max"] - intersection["min"]) + intersection["min"]
return (dt1 + rand_change, dt2 + rand_change)
print(rand_date_diff_keep_year_and_interval(dt.datetime(2000, 1, 1), dt.datetime(2000, 12, 31)))
print(rand_date_diff_keep_year_and_interval(dt.datetime(2000, 5, 18), dt.datetime(2001, 8, 20)))
Pandas Решение
Для работы с Pandas DataFrame нам нужно адаптировать предыдущий код для работы с сериями вместо отдельных объектов datetime. Лог c остался почти таким же, но теперь мы делаем все, так сказать, «последовательно». Кроме того, я использовал numpy.random для генерации серии случайных чисел вместо того, чтобы создавать только одно случайное число и повторять его для всех строк ... это было бы намного менее случайным.
import datetime as dt
import pandas as pd
import numpy.random as rnd
def series_rand_date_diff_keep_year_and_interval(sdt1, sdt2):
if any(sdt1 > sdt2):
raise Exception("dt1 must be lesser than dt2")
range1 = {
"min": sdt1.apply(lambda dt1: dt1.replace(month=1, day=1) - dt1),
"max": sdt1.apply(lambda dt1: dt1.replace(month=12, day=31) - dt1),
}
range2 = {
"min": sdt2.apply(lambda dt2: dt2.replace(month=1, day=1) - dt2),
"max": sdt2.apply(lambda dt2: dt2.replace(month=12, day=31) - dt2),
}
intersection = {
"min": pd.concat([range1["min"], range2["min"]], axis=1).max(axis=1),
"max": pd.concat([range1["max"], range2["max"]], axis=1).min(axis=1),
}
rand_change = pd.Series(rnd.uniform(size=len(sdt1)))*(intersection["max"] - intersection["min"]) + intersection["min"]
return (sdt1 + rand_change, sdt2 + rand_change)
df = pd.DataFrame([
{"start": dt.datetime(2000, 1, 1), "end": dt.datetime(2000, 12, 31)},
{"start": dt.datetime(2000, 5, 18), "end": dt.datetime(2001, 8, 20)},
])
df2 = pd.DataFrame(df)
df2["start"], df2["end"] = series_rand_date_diff_keep_year_and_interval(df["start"], df["end"])
print(df2.head())
Многоколоночный Pandas Решение
Еще раз взглянув на вопрос, в последовательности событий есть много столбцов, все они представляют даты, а некоторые из них - значения NaT (нулевые даты). Если мы хотим применить те же ограничения и сохранить относительное расстояние между всеми событиями в серии событий, не изменяя год любого из значений, а также принимая столбцы NaT, мы должны изменить несколько вещей. Вместо того, чтобы перечислять изменения, давайте go прямо в код:
import datetime as dt
import pandas as pd
import numpy.random as rnd
import numpy as np
from functools import reduce
def manyseries_rand_date_diff_keep_year_and_interval(*sdts):
ranges = list(map(
lambda sdt:
{
"min": sdt.apply(lambda dt: dt.replace(month=1, day=1 ) - dt),
"max": sdt.apply(lambda dt: dt.replace(month=12, day=31) - dt),
},
sdts
))
intersection = reduce(
lambda range1, range2:
{
"min": pd.concat([range1["min"], range2["min"]], axis=1).max(axis=1),
"max": pd.concat([range1["max"], range2["max"]], axis=1).min(axis=1),
},
ranges
)
rand_change = pd.Series(rnd.uniform(size=len(intersection["max"])))*(intersection["max"] - intersection["min"]) + intersection["min"]
return list(map(lambda sdt: sdt + rand_change, sdts))
def setup_diffs(df1, df2):
df1['diff_birth_death'] = df1['date_death'] - df1['date_birth']
df1['diff_birth_death'] = df1['diff_birth_death']/np.timedelta64(1,'D')
df2['diff_birth_diag_start'] = df2['diag_start'] - df1['date_birth']
df2['diff_birth_diag_end'] = df2['diag_end'] - df1['date_birth']
df2['diff_birth_diag_start'] = df2['diff_birth_diag_start']/np.timedelta64(1,'D')
df2['diff_birth_diag_end'] = df2['diff_birth_diag_end']/np.timedelta64(1,'D')
df1 = pd.DataFrame({'person_id': [1, 2, 3, 4, 5],
'date_birth': ['12/30/1961', '05/29/1967', '02/03/1957', '7/27/1959', '01/13/1971'],
'date_death': ['07/23/2017', '05/29/2017', '02/03/2015', np.nan, np.nan]})
df1['date_birth'] = pd.to_datetime(df1['date_birth'])
df1['date_death'] = pd.to_datetime(df1['date_death'])
df2 = pd.DataFrame({'person_id': [1,1,1,2,3],
'visit_id':['A1','A2','A3','B1','B2'],
'diag_start': ['01/01/2012', '02/25/2017', '02/03/2015', '07/27/2016', '01/13/2011'],
'diag_end': ['05/03/2012','05/29/2017','03/03/2015','08/15/2016','02/13/2011']})
df2['diag_start'] = pd.to_datetime(df2['diag_start'])
df2['diag_end'] = pd.to_datetime(df2['diag_end'])
setup_diffs(df1, df2)
display(df1)
display(df2)
series_list = manyseries_rand_date_diff_keep_year_and_interval(
df1['date_birth'], df1['date_death'], df2['diag_start'], df2['diag_end'])
df1['date_birth'], df1['date_death'], df2['diag_start'], df2['diag_end'] = series_list
setup_diffs(df1, df2)
display(df1)
display(df2)
На этот раз я использовал Jupyter Notebook, чтобы лучше визуализировать DataFrames:
Надеюсь, это поможет! Любые комментарии и предложения приветствуются.