使用蒙版重复Pivot Pandas Dataframe

Question

未索引的df包含基因行，包含该基因突变的细胞以及该基因突变的类型：

df = pd.DataFrame({'gene': ['one','one','one','two','two','two','three'],
                       'cell': ['A', 'A', 'C', 'A', 'B', 'C','A'],
                       'mutation': ['frameshift', 'missense', 'nonsense', '3UTR', '3UTR', '3UTR', '3UTR']})

df：

  cell   gene    mutation
0    A    one  frameshift
1    A    one    missense
2    C    one    nonsense
3    A    two        3UTR
4    B    two        3UTR
5    C    two        3UTR
6    A  three        3UTR

我想旋转此df，以便我可以按基因索引并为细胞设置列。 问题在于每个细胞可能有多个条目：给定细胞中的任何一个基因都可能存在多个突变（细胞A在一个基因中具有两个不同的突变）。 因此，当我运行时：

df.pivot_table(index='gene', columns='cell', values='mutation')

有时候是这样的：

DataError: No numeric types to aggregate

我想使用遮罩来执行数据透视，同时捕获至少一个突变的存在：

       A  B  C
gene          
one    1  1  1
two    0  1  0
three  1  1  0

Answer 1

该错误消息不是您运行pivot_table时产生的。 您可以在数据pivot_table的索引中包含多个值。 我不认为这对于pivot方法是正确的。 但是，您可以通过将聚合更改为适用于字符串而不是数字的内容来解决问题。 大多数聚合函数都在数字列上运行，并且您上面编写的代码将产生与列的数据类型有关的错误，而不是索引错误。

df.pivot_table(index='gene',
               columns='cell',
               values='mutation',
               aggfunc='count', fill_value=0)

如果每个单元格只需要1个值，则可以执行groupby并将所有内容汇总为1，然后取消堆叠级别。

df.groupby(['cell', 'gene']).agg(lambda x: 1).unstack(fill_value=0)

Answer 2

drop_duplicates和pivot_table解决方案：

df = df.drop_duplicates(['cell','gene'])
       .pivot_table(index='gene', 
                    columns='cell', 
                    values='mutation',
                    aggfunc=len, 
                    fill_value=0)
print (df)
cell   A  B  C
gene          
one    1  0  1
three  1  0  0
two    1  1  1

用另一种解决方案drop_duplicates ， groupby与总size由和最后重塑unstack ：

df = df.drop_duplicates(['cell','gene'])
       .groupby(['cell', 'gene'])
       .size()
       .unstack(0, fill_value=0)
print (df)
cell   A  B  C
gene          
one    1  0  1
three  1  0  0
two    1  1  1