最近接到一个需求，因为门诊数据表里的患者信息有大量的空值，会导致在后续数据处理及分析的过程中产生大的偏差，让我想办法把患者信息补全，借助深度的业务理解，很快就找到解决方案。针对该医院的实际运营状况，住院患者多是根据门诊患者产生的，根据患者的姓名、社保卡号可以锁定同一个人，那么开始上代码：

第一步数据读取准备工作:

import pandas as pd
#分别读取住院字典表和门诊数据表
data1 = pd.read_csv('C:\\Users\\glf\\Desktop\\测试医院\\住院字典表.txt',encoding='gbk')
data2 = pd.read_csv('C:\\Users\\glf\\Desktop\\测试医院\\门诊数据表.txt',names=['c0','c1','c2','c3','c4','c5','c6','c7','c8','c9','c10','c11','c12','c44'])
#把读取到的数据框转换为list
data1 = data1.values.tolist()
data2 = data2.values.tolist()
#定义一个空列表
res = []

住院字典表如图:

门诊数据表如图:

第二步业务逻辑实现:

#第一层循环遍历门诊数据表list
for i in data2:
    #第二层循环遍历住院字典表list
        for j in data1:
            #拿到每次循环遍历的下标值进行判断是否成立
            if i[12] == j[1] and i[44] == j[2]:
                #条件成立,则把住院字典表里的值赋给门诊数据表
                i[7] = j[0]
                #解决在excel表科学计数法的问题
                i[7] = str(i[7]) +'\t'
                #把成立的list追加在我们定义的res中
                res.append(i)
                break
        else:
            #条件不成立,直接运行到这里然后进行追加
            i[7] = str(i[7]) + '\t'
            res.append(i)
#最后调用pandas的DataFrame方法,把list重新转换为数据框并导出结果
df = pd.DataFrame(res)
df.to_csv('C:\\Users\\glf\\Desktop\\99.csv',index=False,header=False)

关联结果输出如图:

回顾一下，会发现在这一个需求里考到了三个知识点：

         1、list和DataFrame的相互转换，在这里呢我们可以直接调用python或者pandas的一些方法进行转换，这一点是不是要比java爽的多呢，哈哈哈哈。

         2、嵌套循环，我们以门诊数据表为业务主表，在每次循环遍历门诊数据时，我们都会循环遍历住院字典表，判断住院字典表中是否满足和门诊数据表信息重叠的情况，成立的话，我们就进行赋值追加到res列表中,不成立的话,我们就直接进行追加。

         3、科学计数法问题，在出现过长的纯数字时，在Excel数据表里会发生科学计数法的问题，我们可以把该字段给转换为字符串，在加上\t（或者别的特殊字符），就ok了。