熊猫：从一行中选择多列

Question

我有一个脚本可以为我做事，但是效率很低。 我向代码审查员寻求帮助，并被告知尝试使用Pandas。 这是我所做的，但是我在理解其工作方式方面遇到了一些困难。 我已经尝试在此处阅读文档和其他问题，但是找不到任何答案。

因此，我有一个数据框，其中包含少量的行（20到几百个）和较少的列数。 我已经使用过read_table pandas函数以.txt格式获取原始数据，如下所示：

[ID1, Gene1, Sequence1, Ratio1, Ratio2, Ratio3]
[ID1, Gene1, Sequence2, Ratio1, Ratio2, Ratio3]
[ID2, Gene2, Sequence3, Ratio1, Ratio2, Ratio3]
[ID2, Gene3, Sequence4, Ratio1, Ratio2, Ratio3]
[ID3, Gene3, Sequence5, Ratio1, Ratio2, Ratio3]

...以及一大堆不重要的列。

我想要做的是从每个序列中选择所有比率，并对它们进行一些计算和统计（也就是说，每个序列都具有3个比率）。 我试过了

df.groupby('Sequence')
for col in df:
    do something / print(col) / print(col[0])

...但这只会让我更加困惑。 如果我通过print（col），我会得到某种df构造的打印，而如果我通过print（col [0]），我只会得到序列。 据我在构造中看到的那样，我仍然应该拥有所有其他列及其数据，因为groupby（）不会删除任何数据，而是仅按某个输入列对其进行分组。 我究竟做错了什么？

尽管我还没走那么远，但由于上述问题，我也希望我的脚本能够为每个ID选择所有比率并对它们进行相同的计算，但是这次是每个比率本身（即Ratio1对于ID1的所有行，对于Ratio2等，等等。 最后，对每个基因都做同样的事情。

编辑：

因此，假设我要对行中的每个比率执行此计算，然后取三个结果值的中位数：

df[Value1] = spike[data['ID']] / float(data['Ratio 1]) * (10**-12) * (6.022*10**23) / (1*10**6)
df[Value2] = spike[data['ID']] / float(data['Ratio 2]) * (10**-12) * (6.022*10**23) / (1*10**6)
df[Value3] = spike[data['ID']] / float(data['Ratio 3]) * (10**-12) * (6.022*10**23) / (1*10**6)

...其中穗是字典，键是ID。 忽略字典部分，我可以进行计算（谢谢！），但是如何使用数据框ID访问字典？ 使用上面的代码，我仅收到“ Unhashable type：Series”错误。

这是一些真实数据：

ID  Gene    Sequence    Ratio1  Ratio2  Ratio3
1   KRAS    SFEDXXYR    15.822  14.119  14.488
2   KRAS    VEDAXXXLVR  9.8455  8.9279  16.911
3   ELK4    IEXXXCESLNK 15.745  7.9122  9.5966
3   ELK4    IEGXXXSLNKR 1.177   NaN     12.073

Answer 1

1. df.groupby()不会在原位置修改/分组df 。 因此，您必须将结果分配给新变量才能进一步使用它。 例如：

    grouped = df.groupby('Sequence') 

   顺便说一句，在您提供的示例数据中，“ Sequence列中的所有数据都是唯一的，因此对该列进行分组不会有太大作用。
   此外，您通常不需要像在此那样“遍历df”。 要将功能应用于所有组，可以直接在groupby结果上执行此操作，例如df.groupby().apply(..)或df.groupby().aggregate(..) 。

2. 您能否举一个更具体的例子说明要对比率应用哪种功能？

   要计算每个序列（每一行）的三个比率的中位数，您可以执行以下操作：

    df[['Ratio1', 'Ratio2', 'Ratio3']].median(axis=1) 

   axis=1表示您不希望获取一列（行中）的中位数，而是获取每一行（列中）的中位数

另一个示例，要计算每个ID的所有Ratio1的中位数，您可以执行以下操作：

df.groupby('ID')['Ratio1'].median()

在这里，您可以按ID分组，选择列Ratio1并计算每组的中位数。

---

更新：您可能应该将问题分解为单独的问题，但作为对新问题的解答：

data['ID']将为您提供ID列，因此您不能将其用作键。 您需要该列的一个特定值。 要将功能应用于数据框的每一行，可以使用apply ：

def my_func(row):
    return spike[row['ID']] / float(row['Ratio 1']) * (10**-12) * (6.022*10**23) / (1*10**6)

df['Value1'] = df.apply(my_func, axis=1)