Question

所以我正在编写一个脚本来比较数据，我需要关联收集的数据。 DataFrame由一列基因组成，与其他基因进行比较以获得重复。我需要具有相同重复基因的基因的相关性。

示例数据：Index Gene Duplicate of Value1 Value2 Value3 Etc. 0 Gene1 DGene1 0.1 14 13 .. 1 Gene14 DGene1 0 13 17 .. 2 Gene4 DGene3 20 0 0 .. 3 Gene90 DGene3 25 0 10 .. 4 Gene22 DGene31 0 10 0 .. 5 Gene40 DGene31 10 0.5 0 .. 6 Gene130 DGene31 10 1 0 .. 7 Gene600 DGene31 12 0 0 ..

在上述例子的情况下，我想要三个相关性：1个基因Gene1和Gene14,1个Gene4和Gene90，最后一个Gene22，Gene40，Gene130和Gene600。相关性将存在于这些行的所有值（Value1等）中。

我试图通过Duplicate of（CGENE是重复）对数据进行分组，

df_com2.groupby(CGENE).apply(lambda x: x.index.tolist())

但是我无法在这样做之后找到从相应基因中选择所有值的方法。

任何帮助将不胜感激！

Answer 1

我并不完全清楚您在groupby中寻找的内容，但我怀疑您正在寻找.agg来汇总字段。

例如，这将给出逗号分隔的基因列表，以及Value1的平均值：

In [26]: df
Out[26]:
   Index     Gene Duplicate_of  Value1  Value2  Value3 Etc.
0      0    Gene1       DGene1     0.1    14.0      13   ..
1      1   Gene14       DGene1     0.0    13.0      17   ..
2      2    Gene4       DGene3    20.0     0.0       0   ..
3      3   Gene90       DGene3    25.0     0.0      10   ..
4      4   Gene22      DGene31     0.0    10.0       0   ..
5      5   Gene40      DGene31    10.0     0.5       0   ..
6      6  Gene130      DGene31    10.0     1.0       0   ..
7      7  Gene600      DGene31    12.0     0.0       0   ..

In [27]: df.groupby("Duplicate_of").agg({'Gene': ', '.join, 'Value1': np.mean})
Out[27]:
                                          Gene  Value1
Duplicate_of
DGene1                           Gene1, Gene14    0.05
DGene3                           Gene4, Gene90   22.50
DGene31       Gene22, Gene40, Gene130, Gene600    8.00

获取具有相同值的多个行的相关性（Python）

1 个答案: