Pandas DataFrame中行和列的元数据

Question

我有一个大的遗传数据矩阵，SNP的个体，值为0,1,2。个体和SNP都有一些相关的元数据。例如，

  

个人可能有性别，血统，年龄，医生等   SNP具有染色体，位置，突变类型等。

元数据不是分层的。我想把它组织成一个DataFrame所以我可以

1. 轻松过滤元数据值（例如18至65岁）
2. 仍然通过整数指数自然地参考遗传数据（例如df.iloc [0,0]或df.values [0,0]是第一个SNP的第一个个体的基因型。）

熊猫可以吗？

组织数据的自然方式是什么？

Answer 1

我不确定您的专业水平是基于这个问题，但我首先要查看大熊猫merge上的docs。

听起来你有个人作为行和SNP作为列;我还假设您拥有由每个人的唯一标识符索引的两个数据帧。如果您的第二个数据框的临床数据具有相同的索引，您可以使用以下行合并它们：

import pandas as pd
pd.merge(snp_df, clinical_df, how='inner', left_index=True, right_index=True)

这只会给你完整的数据;如果您想要包含没有临床数据的个体，请将参数更改为how=left，这将使每个人都拥有遗传数据。

要根据有关SNP的一些信息进行过滤，我可以这样做：

snp_info_dict = {...}  # Some information you already have, indexed by SNP
def test_function(single_snp_info):
    # Test something about the information, return True or False
good_snps = [snp for snp in snp_info_dict if test_function(snp_info_dict[snp])]
good_snps_df = df.loc[:, good_snps]

您也可以使用pandas数据帧上的操作来执行上述操作。