如何对 pandas 中的 dataframe 中的某些列进行分组？

Question

我有以下 dataframe 我有不同的基因、药物 ID 和引用。 我基本上需要相同的基因与相同的药物合并，但如果要发生该药物，则包括该药物的两个引用。 例如以下：药物基因组学

      Gene                          Drug                     ID     Cite
1  MAD1L1                       Lithium[17]           34718328     [17]
2    OAS1                       Lithium[17]           34718328     [17]
3    OAS1                       Lithium[7]            27401222      [7]

MAD1L1 有锂和引文 17，但 OAS1 有锂和引文 17 和 7。我想将表格连接成类似于下面的内容：

      Gene                          Drug                     ID     Cite
1  MAD1L1                       Lithium[17]           34718328     [17]
2    OAS1                       Lithium[17][7]        34718328     [17]

OAS1 有锂，但两个引用彼此相邻，而 MAD1L1 没有改变，因为它与 OAS1 不共享相同的锂引用。

Answer 1

这是一种方法

#use cite to group together the citations
df['cite2']=df.groupby('Gene')['Cite'].transform('sum')

#group by gene, and take the first result for each gene
df2=df.groupby('Gene').first()

#split the citation from the Drug name and append the cite2 (created above)
df2['Drug']=df2['Drug'].str.split('[', expand=True)[0] + df2['cite2']

# drop the temporary cite2 columns
df2.drop(columns='cite2', inplace=True)
df2.reset_index()

    Gene    Drug    ID  Cite
0   MAD1L1  Lithium[17]     34718328    [17]
1   OAS1    Lithium[17][7]  34718328    [17]

Answer 2

从 "Drug" 中删除引用，然后从groupby.agg中删除，或者作为 'first' 或者join字符串。 然后添加引用：

out = (df
 .assign(Drug=df['Drug'].str.extract(r'(^[^\[\]]+)', expand=False))
 .groupby(['Gene', 'Drug'], as_index=False)
 .agg({'ID': 'first', 'Cite': ''.join})
 .assign(Drug=lambda d: d['Drug']+d['Cite'])
)

Output：

     Gene            Drug        ID     Cite
0  MAD1L1     Lithium[17]  34718328     [17]
1    OAS1  Lithium[17][7]  34718328  [17][7]