☰

使用 Python 和 Pandas 的矩阵

tag-icon • tag-icon python pandas
使用 Python 和 Pandas 的矩阵

我有一个文件，其中每两列包含链接数据（在此示例中只有 3 列，但可能更多），在制表符分隔的文件中：

Names   SampleA   Names   SampleB   Names   SamplesC
Name1      5      Name3      7      Name1         8
Name2      9      Name2      1      Name2         2
Name4      4      Name4      8      Name3         8

等等，我想要的是有一个列，其中的列名称不包含冗余数据，在这种情况下，有 3 列包含样本；在那些不是 x 名称的值的样本中，将使用 0 进行拟合：

Names     SampleA     SampleB    SampleC
Name1          5          0        8
Name2         9           1        2
Name3         0           7        8
Name4         4           8         0

我怎样才能用 Pandas 来处理这个矩阵？我已经尝试过使用 R 和 Perl，但我认为使用 Pandas 的 Python 会更容易！

非常感谢 ！！！！

答案1

您可以按照如下方式进行操作：

  1. 使列名明确，这样您就没有同名的列（如果您愿意，也可以避免这一步，如果您通过索引访问列，但我会使它们明确）：执行以下操作：

    your_df.columns = ['名称A', '样本A', '名称B', '样本B', '名称', '样本C']

  2. 根据列对创建数据框

  3. 将数据框与列部分连接在一起，并将名称列折叠成一列

  4. 填充 na 值

测试数据：

import pandas as pd
your_df= pd.DataFrame({
        'NamesA': ['Name1', 'Name2', 'Name4'], 
        'SampleA': [5, 9, 4], 
        'NamesB':['Name3', 'Name2', 'Name4'], 
        'SampleB': [5, 9, 4], 
        'NamesC':['Name1', 'Name2', 'Name3'], 
        'SampleC': [8, 2, 8]
        })

这里是一些示例代码（从步骤2开始）：

all_cols= list(your_df.columns)
joined_df= None
while all_cols:
    name_col, sample_col, *all_cols= all_cols
    # in case not all columns in your df are filled
    # you need to handle na values
    filled_indexer= ~your_df[name_col].isna()
    # Step 2:
    col_pair_df= your_df.loc[filled_indexer, [name_col, sample_col]]
    # Step 3:
    if joined_df is None:
        joined_df= col_pair_df
        joined_df.columns= ['Names', sample_col]
    else:
        joined_df= joined_df.merge(col_pair_df, how='outer', left_on='Names', right_on=name_col)
        # now we need to populate the one names column and remove the Names* columns
        names_na_indexer= joined_df['Names'].isna()
        joined_df.loc[names_na_indexer, 'Names']= joined_df[name_col]
        joined_df.drop(name_col, axis='columns', inplace=True)
# Step 4:
joined_df.fillna(0, inplace=True)

相关内容