使用列作為行加入 pandas

Question

我正在嘗試在列樣本上加入這兩個 pandas 數據幀，以便“total_reads”對應於第二個 df 中該列的正確值。

樣本	下采樣	系列	total_reads
ERR4223677	Down_10	ERP120397	2500121
ERR4225180	下_50	ERP120397	12500608
ERR4225239	下_50	ERP120397	22190433
ERR4225273	下來_75	ERP120397	18750912
ERR4225325	原始數據	ERP120397	25001217
ERR4225370	下_25	ERP120397	11095216
ERR4225386	下來_75	ERP120397	33285650
ERR4225387	原始數據	ERP120397	44380867

和

系列	樣本	原始數據	下來_75	下_50	下_25	Down_10
ERP120397	ERR4223677	762828	666093	534468	342070	177346
ERP120397	ERR4225180	1304291	1085140	816593	467548	206039
ERP120397	ERR4225239	1007582	857346	664345	394410	180437
ERP120397	ERR4225273	872706	750629	592641	362647	172176
ERP120397	ERR4225325	1052892	900727	701227	420112	187159
ERP120397	ERR4225370	913854	771552	590478	347846	159422
ERP120397	ERR4225386	1174005	995511	767682	455647	204522

Answer 1

您可以pivot並merge ：

(df2.merge(df1.pivot(['Series', 'Sample'], 'Downsample', 'total_reads').add_suffix('_total'),
           left_on=['series', 'sample'], right_index=True)
    .sort_index(axis=1)
)

output：

   Down_10  Down_10_total  Down_25  Down_25_total  Down_50  Down_50_total  \
0   177346      2500121.0   342070            NaN   534468            NaN   
1   206039            NaN   467548            NaN   816593     12500608.0   
2   180437            NaN   394410            NaN   664345     22190433.0   
3   172176            NaN   362647            NaN   592641            NaN   
4   187159            NaN   420112            NaN   701227            NaN   
5   159422            NaN   347846     11095216.0   590478            NaN   
6   204522            NaN   455647            NaN   767682            NaN   

   Down_75  Down_75_total  Raw_Data  Raw_Data_total      sample     series  
0   666093            NaN    762828             NaN  ERR4223677  ERP120397  
1  1085140            NaN   1304291             NaN  ERR4225180  ERP120397  
2   857346            NaN   1007582             NaN  ERR4225239  ERP120397  
3   750629     18750912.0    872706             NaN  ERR4225273  ERP120397  
4   900727            NaN   1052892      25001217.0  ERR4225325  ERP120397  
5   771552            NaN    913854             NaN  ERR4225370  ERP120397  
6   995511     33285650.0   1174005             NaN  ERR4225386  ERP120397  

join替代

(df2
 .set_index(['series', 'sample']).rename_axis(['Series', 'Sample'])
 .join(df1.pivot(['Series', 'Sample'], 'Downsample', 'total_reads').add_suffix('_total'))
 .sort_index(axis=1)
 .reset_index()
)

output：

      Series      Sample  Down_10  Down_10_total  Down_25  Down_25_total  \
0  ERP120397  ERR4223677   177346      2500121.0   342070            NaN   
1  ERP120397  ERR4225180   206039            NaN   467548            NaN   
2  ERP120397  ERR4225239   180437            NaN   394410            NaN   
3  ERP120397  ERR4225273   172176            NaN   362647            NaN   
4  ERP120397  ERR4225325   187159            NaN   420112            NaN   
5  ERP120397  ERR4225370   159422            NaN   347846     11095216.0   
6  ERP120397  ERR4225386   204522            NaN   455647            NaN   

   Down_50  Down_50_total  Down_75  Down_75_total  Raw_Data  Raw_Data_total  
0   534468            NaN   666093            NaN    762828             NaN  
1   816593     12500608.0  1085140            NaN   1304291             NaN  
2   664345     22190433.0   857346            NaN   1007582             NaN  
3   592641            NaN   750629     18750912.0    872706             NaN  
4   701227            NaN   900727            NaN   1052892      25001217.0  
5   590478            NaN   771552            NaN    913854             NaN  
6   767682            NaN   995511     33285650.0   1174005             NaN