如何在熊貓數據框上應用Scipy功能

Question

我有以下數據框：

import pandas as pd
import io
from scipy import stats

temp=u"""probegenes,sample1,sample2,sample3
1415777_at Pnliprp1,20,0.00,11
1415805_at Clps,17,0.00,55
1415884_at Cela3b,47,0.00,100"""
df = pd.read_csv(io.StringIO(temp),index_col='probegenes')
df

看起來像這樣

                     sample1  sample2  sample3
probegenes
1415777_at Pnliprp1       20        0       11
1415805_at Clps           17        0       55
1415884_at Cela3b         47        0      100

我也想使用SCIPY執行row-zscore計算 。 使用此代碼，我得到：

In [98]: stats.zscore(df,axis=1)
Out[98]:
array([[ 1.18195176, -1.26346568,  0.08151391],
       [-0.30444376, -1.04380717,  1.34825093],
       [-0.04896043, -1.19953047,  1.2484909 ]])

如何方便地將列和索引名稱重新附加到該結果？

在一天結束時。 它看起來像：

                               sample1  sample2  sample3
probegenes
1415777_at Pnliprp1      1.18195176, -1.26346568,  0.08151391
1415805_at Clps         -0.30444376, -1.04380717,  1.34825093
1415884_at Cela3b        -0.04896043, -1.19953047,  1.2484909

Answer 1

pd.DataFrame的文檔具有：

data ：numpy ndarray（結構化或均質化），dict或DataFrame Dict可以包含Series，數組，常量或類似列表的對象index ：用於生成結果幀的Index或類似array的Index。 如果沒有輸入數據的索引信息部分並且沒有提供索引，則默認為np.arange（n） 列 ：用於結果幀的索引或類似數組的列標簽。 如果未提供列標簽，則默認為np.arange（n）

所以，

pd.DataFrame(
    stats.zscore(df,axis=1),
    index=df.index,
    columns=df.columns)

應該做的工作。

Answer 2

你不需要臭味。 您可以使用lambda函數來做到這一點：

>>> df.apply(lambda row: (row - row.mean()) / row.std(ddof=0), axis=1) 
                      sample1   sample2   sample3
probegenes                                       
1415777_at Pnliprp1  1.181952 -1.263466  0.081514
1415805_at Clps     -0.304444 -1.043807  1.348251
1415884_at Cela3b   -0.048960 -1.199530  1.248491