熊貓：從一行中選擇多列

Question

我有一個腳本可以為我做事，但是效率很低。 我向代碼審查員尋求幫助，並被告知嘗試使用Pandas。 這是我所做的，但是我在理解其工作方式方面遇到了一些困難。 我已經嘗試在此處閱讀文檔和其他問題，但是找不到任何答案。

因此，我有一個數據框，其中包含少量的行（20到幾百個）和較少的列數。 我已經使用過read_table pandas函數以.txt格式獲取原始數據，如下所示：

[ID1, Gene1, Sequence1, Ratio1, Ratio2, Ratio3]
[ID1, Gene1, Sequence2, Ratio1, Ratio2, Ratio3]
[ID2, Gene2, Sequence3, Ratio1, Ratio2, Ratio3]
[ID2, Gene3, Sequence4, Ratio1, Ratio2, Ratio3]
[ID3, Gene3, Sequence5, Ratio1, Ratio2, Ratio3]

...以及一大堆不重要的列。

我想要做的是從每個序列中選擇所有比率，並對它們進行一些計算和統計（也就是說，每個序列都具有3個比率）。 我試過了

df.groupby('Sequence')
for col in df:
    do something / print(col) / print(col[0])

...但這只會讓我更加困惑。 如果我通過print（col），我會得到某種df構造的打印，而如果我通過print（col [0]），我只會得到序列。 據我在構造中看到的那樣，我仍然應該擁有所有其他列及其數據，因為groupby（）不會刪除任何數據，而是僅按某個輸入列對其進行分組。 我究竟做錯了什么？

盡管我還沒走那么遠，但由於上述問題，我也希望我的腳本能夠為每個ID選擇所有比率並對它們進行相同的計算，但是這次是每個比率本身（即Ratio1對於ID1的所有行，對於Ratio2等，等等。 最后，對每個基因都做同樣的事情。

編輯：

因此，假設我要對行中的每個比率執行此計算，然后取三個結果值的中位數：

df[Value1] = spike[data['ID']] / float(data['Ratio 1]) * (10**-12) * (6.022*10**23) / (1*10**6)
df[Value2] = spike[data['ID']] / float(data['Ratio 2]) * (10**-12) * (6.022*10**23) / (1*10**6)
df[Value3] = spike[data['ID']] / float(data['Ratio 3]) * (10**-12) * (6.022*10**23) / (1*10**6)

...其中穗是字典，鍵是ID。 忽略字典部分，我可以進行計算（謝謝！），但是如何使用數據框ID訪問字典？ 使用上面的代碼，我僅收到“ Unhashable type：Series”錯誤。

這是一些真實數據：

ID  Gene    Sequence    Ratio1  Ratio2  Ratio3
1   KRAS    SFEDXXYR    15.822  14.119  14.488
2   KRAS    VEDAXXXLVR  9.8455  8.9279  16.911
3   ELK4    IEXXXCESLNK 15.745  7.9122  9.5966
3   ELK4    IEGXXXSLNKR 1.177   NaN     12.073

Answer 1

1. df.groupby()不會在原位置修改/分組df 。 因此，您必須將結果分配給新變量才能進一步使用它。 例如：

    grouped = df.groupby('Sequence') 

   順便說一句，在您提供的示例數據中，“ Sequence列中的所有數據都是唯一的，因此對該列進行分組不會有太大作用。
   此外，您通常不需要像在此那樣“遍歷df”。 要將功能應用於所有組，可以直接在groupby結果上執行此操作，例如df.groupby().apply(..)或df.groupby().aggregate(..) 。

2. 您能否舉一個更具體的例子說明要對比率應用哪種功能？

   要計算每個序列（每一行）的三個比率的中位數，您可以執行以下操作：

    df[['Ratio1', 'Ratio2', 'Ratio3']].median(axis=1) 

   axis=1表示您不希望獲取一列（行中）的中位數，而是獲取每一行（列中）的中位數

另一個示例，要計算每個ID的所有Ratio1的中位數，您可以執行以下操作：

df.groupby('ID')['Ratio1'].median()

在這里，您可以按ID分組，選擇列Ratio1並計算每組的中位數。

---

更新：您可能應該將問題分解為單獨的問題，但作為對新問題的解答：

data['ID']將為您提供ID列，因此您不能將其用作鍵。 您需要該列的一個特定值。 要將功能應用於數據框的每一行，可以使用apply ：

def my_func(row):
    return spike[row['ID']] / float(row['Ratio 1']) * (10**-12) * (6.022*10**23) / (1*10**6)

df['Value1'] = df.apply(my_func, axis=1)