比较两列并获得熊猫的唯一值

Question

我有一个数据框，其中一些值位于两个不同的列中

Ligand_hit,Ligand_miss
M00001,M00005
M00002,M00001
M00003,M00007
M00004,M00003

我想创建一个新列，其中包含“ Ligand_hit”中所有不在“ Ligand_hit”中的值。 所需的输出如下所示：

Ligand_hit,Ligand_miss,Unique
M00001,M00005,M00005
M00002,M00001,M00007
M00003,M00007,NaN
M00004,M00003,NaN

我尝试使用“ pandas.isin”，但它仅输出布尔值。 有没有简单的方法来获得所需的结果？

Answer 1

一个直接的熊猫解决方案可以是这样的：

df["Unique"] = df["Ligand_miss"][~df["Ligand_miss"].isin(df["Ligand_hit"])].drop_duplicates()

  Ligand_hit Ligand_miss  Unique
0     M00001      M00005  M00005
1     M00002      M00001     NaN
2     M00003      M00007  M00007
3     M00004      M00003     NaN

这为唯一值提供了索引查找。

Answer 2

您可以简单地使用vanilla python，这要感谢set ：

In [129]: df
Out[129]: 
  Ligand_hit Ligand_miss
0     M00001      M00005
1     M00002      M00001
2     M00003      M00007
3     M00004      M00003

In [130]: pd.concat([df, pd.Series(list(set(df['Ligand_miss'].values) - set(df['Ligand_hit'].values)))], ignore_index=True, axis=1)
Out[130]: 
        0       1       2
0  M00001  M00005  M00007
1  M00002  M00001  M00005
2  M00003  M00007     NaN
3  M00004  M00003     NaN

一些解释：

• set(df['Ligand_miss'].values)和set(df['Ligand_hit'].values)获得2列中的唯一值。

• set(...) - set(...)根据您的要求计算差异（“唯一”）。

• pd.concat将结果合并到原始数据帧中。

Answer 3

基本的列表理解将做到：

[i for i in df.Ligand_miss if i not in df.Ligand_hit]

您也可以为此使用集：

list(set(df.Ligand_miss)-set(df.Ligand_hit))

Answer 4

在Pandas中有一个名为isin（）的函数。 您可以使用它从Ligand_hit中的Ligand_miss中查找值。 相反的是Ligand_miss中的值，不在Ligand_hit中 。 然后，您必须根据相反的子集来划分数据框，并将其保存在新列中。 例如：

假设您有如下数据框items_data ：

 col_a col_b a_1 b_1 a_2 b_2 a_3 a_3 a_4 b_4 a_5 b_5 

您可以通过以下代码行创建一个名为col_def的新列：

 items_data['col_def'] = items_data['col_a'][~items_data['col_a'].isin(items_data['col_b'])] 

通过反转isin （）函数的结果，将为您提供col_a列中不在col_b中的项目。

Answer 5

df['Unique']=df.loc[~df['Ligand_miss'].isin(df['Ligand_hit']),'Ligand_miss'].reset_index(drop=True)

df
Out[624]: 
  Ligand_hit Ligand_miss  Unique
0     M00001      M00005  M00005
1     M00002      M00001  M00007
2     M00003      M00007     NaN
3     M00004      M00003     NaN