熊猫：如何获取一列的所有值，其中另一列的值是特定值

Question

我有一个包含sample_id和突变的数据框：每个样品都包含几个突变

sample_id    mutation
sample1      mutation_A
sample1      mutation_B
sample1      mutation_D

sample2      mutation_C
sample2      mutation_D

sample3      mutation_A
sample3      mutation_B
sample3      mutation_C

我希望能够获得说存在mutation_C的值。 但是，我想获取该样本的所有结果-

df.loc[(df[mutation] == 'mutation_C')]

收益：

sample_id    mutation
sample2      mutation_C

我如何获取其余的sample2突变数据，所以：

sample_id    mutation
sample2      mutation_C
sample2      mutation_D

我一直在尝试使用grouopby，但无法弄清楚如何获得所有结果

Answer 1

首先过滤所有samples ，然后通过isin再次过滤：

a = df.loc[df['mutation'] == 'mutation_C', 'sample_id']
df = df[df['sample_id'].isin(a)]
print (a)

3    sample2
7    sample3
Name: sample_id, dtype: object

df = df[df['sample_id'].isin(a)]
print (df)
  sample_id    mutation
3   sample2  mutation_C
4   sample2  mutation_D
5   sample3  mutation_A
6   sample3  mutation_B
7   sample3  mutation_C

Answer 2

假设您还有其他数据，那么一个更整洁的想法是按照您的方式设置索引。 （我添加了一个df['value'] = 1的虚拟列）

>>> a = df.set_index(['mutation', 'sample_id'])
>>> a.sort_index()
                      value
mutation   sample_id       
mutation_A sample1        1
           sample3        1
mutation_B sample1        1
           sample3        1
mutation_C sample2        1
           sample3        1
mutation_D sample1        1
           sample2        1
>>> a.loc['mutation_C']
               value
sample_id       
sample2        1
sample3        1

如果您确实需要sample_ids作为列表，则可以执行以下操作：

>>> a.loc['mutation_C'].index.tolist()
['sample2', 'sample3']

不是您问的，而是另一个有用的观点：

>>> df.pivot_table(values='value', index='sample_id', columns='mutation')
mutation   mutation_A  mutation_B  mutation_C  mutation_D
sample_id                                                
sample1           1.0         1.0         NaN         1.0
sample2           NaN         NaN         1.0         1.0
sample3           1.0         1.0         1.0         NaN