[英]creating a matrix from multiple pandas data frames
我基本上没有使用 pandas 的经验,我正试图强迫自己更多地使用它。
我正在尝试根据特定列加入多个数据帧的“计数”以创建计数矩阵。 我通常使用旧的 python 字典来执行此操作,但如果有一种简单的方法可以使用 pandas 执行此操作,我会对学习感兴趣。
我有多个数据框。 它们的大小不相等。 GeneID 和geneName 基本上是一回事。 只是识别基因的方法不同。
我的数据框如下所示:
数据框1:
geneID geneName count
0 A123 ABC 202
1 B456 DEF 30
2 C789 GHI 265
数据框2:
geneID geneName count
0 X999 FOO 700
1 B456 DEF 606
2 C789 GHI 777
如果基因名称/基因 ID 不存在于任何数据框中,则矩阵文件中的计数值应为“0”。
这是加入计数后所需的结果:
geneID geneName df1 df2 df3 ...
0 A123 ABC 202 0
1 B456 DEF 30 606
2 C789 GHI 265 777
3 X999 FOO 0 700
提前感谢任何解决方案,以及任何 pandas 学习技巧!
尝试pd.concat
:
pd.concat([d.set_index(['geneID','geneName']).rename(columns={'count':f'df{i}'})
for i,d in enumerate([df1,df2])], axis=1
).fillna(0)
Output:
df0 df1
geneID geneName
A123 ABC 202.0 0.0
B456 DEF 30.0 606.0
C789 GHI 265.0 777.0
X999 FOO 0.0 700.0
或concat
然后pivot_table
:
(pd.concat([d.assign(col=f'df{i}') for i,d in enumerate([df1,df2])])
.pivot_table(index=['geneID','geneName'], columns='col',
values='count', fill_value=0)
)
或在concat
中使用选项key
的类似方法:
(pd.concat([df1,df2], keys=['df1','df2'])
.reset_index(level=1,drop=True)
.set_index(['geneID','geneName'],append=True)
['count']
.unstack(level=0, fill_value=0)
)
这是另一种方法:
concatdict = {'df1':df1,'df2':df2}
df3 = pd.concat(concatdict).reset_index(level=1,drop=True).set_index(['geneID','geneName'],append=True)['count'].unstack(level=0).fillna(0).reset_index()
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.