Skip to main content

Een implementatie van de grouper

Project description

Kerapu

Een implementatie van de Grouper in Python voor Business Intelligence doeleinden.

Social

Legal

Release

Tests

Code

https://badges.gitter.im/SetBased/py-kerapu.svg https://img.shields.io/github/license/setbased/py-kerapu.svg https://badge.fury.io/py/Kerapu.svg https://travis-ci.org/SetBased/py-kerapu.svg?branch=master https://scrutinizer-ci.com/g/SetBased/py-kerapu/badges/coverage.png?b=master https://scrutinizer-ci.com/g/SetBased/py-kerapu/badges/quality-score.png?b=master

Installatie

Kerapu kan eenvoudig geïnstalleerd worden met pip:

pip3 install kerapu

Voorbereiding

Alvorens gebruik te kunnen maken van Kerapu moeten de boombestanden en referentietabellen worden geconverteerd en opgeslagen. Ten tijde van schrijven van dit document was de meest recente versie van Grouper Tabellen v20180920, vervang in de onderstaande tekst deze versie voor de meest recente versie.

unzip -x "20190101 Groupertabellen v20180920.zip"
  • Converteer de XML-bestanden naar CSV (in het voorbeeld hieronder worden de CSV-bestanden weggeschreven in de folder var/lib):

kerapu kerapu:shredder "20190101 BoomBestanden v20180920.xml" var/lib/
kerapu kerapu:shredder "20190101 Referenties v20180920.xml" var/lib/

Voorbeeld

Hieronder een voorbeeld om de zorgproductcode van een subtraject af te leiden.

from kerapu.Kerapu import Kerapu
from kerapu.lbz.Subtraject import Subtraject

# Maak een Grouper object en laad boombestanden en referentietabellen.
grouper = Kerapu()
grouper.init_static('var/lib')

# Maak een subtraject object.
subtraject = Subtraject('1',             # Subtrajectnummer
                        '0303',          # Zorgverlenerspecificatiecode
                        '0280',          # Diagnosecode
                        '11',            # Zorgtypecode
                        '000',           # Zorgvraagcode
                        '2012-01-01',    # Begindatum subtraject
                        '2000-01-01',    # Geboortedatum
                        'M',             # Geslachtscode
                        '01234567')      # AGB-code zorginstelling

# Voeg uitgevoerde zorgactiviteiten aan het subtraject toe.
subtraject.add_zorg_activiteit('038940', 1)
subtraject.add_zorg_activiteit('038941', 1)
subtraject.add_zorg_activiteit('190012', 1)
subtraject.add_zorg_activiteit('190015', 1)

# Bepaal zorgproductgroep en zorgproduct.
zorg_product_code = grouper.bepaal_zorg_product(subtraject)

print('Zorgproductgroepcode: {}'.format(subtraject.zorg_product_groep_code))
print('Zorgproductcode: {}'.format(subtraject.zorg_product_code))

Testset

De grouperbestanden bevatten sinds 2019 een testset. Deze testset is terug te vinden in bestand var/lib/testset.csv en zijn een onderdeel van de unittesten van Kerapu.

Het commando voor het converteren van de XML-bestanden met test data is:

./bin/kerapu kerapu:test-shredder ~/Downloads/20190101\ Testset\ Grouper\ RZ19b\ v20180920.zip  test/var/lib/testset.csv

Ondersteuning en bijdragen

Ondersteuning is beschikbaar via GitHub tickets, Gitter en email: support@setbased.nl.

Bijdragen zijn uiteraard welkom, we werken volgens de GitHub Flow, zie de handleiding voor het maken een pull request.

Wie gebruiken Kerapu?

https://avatars0.githubusercontent.com/u/12200736?v=3&s=200

Licentie

Dit project is gelicentieerd onder de MIT-licentie.

Project details


Download files

Download the file for your platform. If you're not sure which to choose, learn more about installing packages.

Source Distribution

Kerapu-2.0.1.tar.gz (22.6 kB view details)

Uploaded Source

File details

Details for the file Kerapu-2.0.1.tar.gz.

File metadata

  • Download URL: Kerapu-2.0.1.tar.gz
  • Upload date:
  • Size: 22.6 kB
  • Tags: Source
  • Uploaded using Trusted Publishing? No
  • Uploaded via: twine/1.12.2 pkginfo/1.4.2 requests/2.20.0 setuptools/40.8.0 requests-toolbelt/0.8.0 tqdm/4.28.1 CPython/3.7.3

File hashes

Hashes for Kerapu-2.0.1.tar.gz
Algorithm Hash digest
SHA256 381d84e28761068642b782ef445ec11e5ab1d9dfc14ca6a3a74acd6188707e73
MD5 fbec9a6d196cc784f1a81254240aa947
BLAKE2b-256 1b0f60e483bb300eac3c902505d0384816b10268ed498d9ada37b9c944e6d4c8

See more details on using hashes here.

Supported by

AWS AWS Cloud computing and Security Sponsor Datadog Datadog Monitoring Fastly Fastly CDN Google Google Download Analytics Microsoft Microsoft PSF Sponsor Pingdom Pingdom Monitoring Sentry Sentry Error logging StatusPage StatusPage Status page