Question

我有以下数据框：

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

看起来像这样

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

我想要做的是执行row-zscore calculation using SCIPY。使用此代码我得到：

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 ]])

如何方便地附加列和索引名称再次结果呢？

在一天结束时。它看起来像是：

                               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

documentation for pd.DataFrame有：

数据：numpy ndarray（结构化或同类），dict或DataFrame Dict可以包含Series，数组，常量或类似列表的对象索引：索引或类似数组用于结果框架的索引。如果没有索引信息部分输入数据且没有提供索引，则默认为np.arange（n）列：索引或类似数组用于生成框架的列标签。如果没有提供列标签，则默认为np.arange（n）

所以，

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

应该做的。

Answer 2

你不需要scipy。你可以使用lambda函数来完成它：

>>> 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

如何在Pandas数据帧上应用scipy函数

2 个答案: