Question

我在pandas中有以下数据框：

>>> df1[1:15]
      gene      beta
1    PALMD       NaN
2    PALMD       NaN
3    FRRS1  1.966503
4      AGL       NaN
5      AGL -4.082453
6      AGL  2.840288
7      AGL       NaN
8      AGL -4.909043
9      AGL       NaN
10     AGL  3.275433
11   SASS6       NaN
12   SASS6 -3.239315
13  TRMT13  3.434759
14  TRMT13  4.282222

我想创建一个变量，它将指示每个基因的所有β值是否为（1）该基因的所有阳性beta，（2）所有负β，或（3）混合。除非它们是给定基因的唯一类型，否则我将丢弃NaN。这是目标：

>>> df1[1:15]
      gene   Direction
1    PALMD         NaN
2    FRRS1         Pos
3      AGL         Mix
4    SASS6         Neg
5   TRMT13         Pos

我试图通过基因聚合，但是我得到了一个错误，可能是由于NaN。如果可能的话，我想将输出保留为pandas数据框，因为我将来必须将其合并到另一个df

>>> df1g = df1.groupby("gene")
>>> df1ga = df1g.agg(np.concatenate)
KeyError: 0L

谢谢

Answer 1

我写了一个小标签功能：

def label(ser):
    ser = ser.dropna()
    if ser.empty:
        return np.nan
    if (ser >= 0).all():
        return "Pos"
    if (ser < 0).all():
        return "Neg"
    return "Mix"

然后将其传递给groupby.agg，以便更容易指定名称：

>>> labelled = df.groupby("gene")["beta"].agg({"Direction": label}).reset_index()
>>> labelled
     gene Direction
0     AGL       Mix
1   FRRS1       Pos
2   PALMD       NaN
3   SASS6       Neg
4  TRMT13       Pos

使用python pandas将字符串字段聚合到一个列表中

1 个答案: