我想使用python和pandas来处理生物数据。
表1由蛋白质对的名称组成。 XX,YY,ZZ和AA表示蛋白质的名称。 表2由每种蛋白质的一些数据(值)组成。
我想要计算的是表1中存在的每个蛋白质对的Pearson相关系数(PCC),使用表2的数据列表。它是一种类似数据库的方法。
Table 1
Col1 Col2
XX YY
XX ZZ
ZZ AA
Table 2
XX YY ZZ AA BB CC ...
Data1 10 20 30 40 50 60 ...
Data2 11 12 13 14 15 16 ...
Data3 80 70 60 50 40 20 ...
Result
PCC
XX_YY R1
XX_ZZ R2
ZZ_AA R3
结果表中的R1是蛋白质XX和YY的PCC值,换句话说,是皮尔逊([10,11,80],[20,12,70])的结果。 R2和R3分别为pearsonr([10,11,80],[30,13,60])和pearsonr([30,13,60],[40,14,50])。
我在此类工作之前得到了使用combination
函数的建议。用所有对进行计算时非常好,但在这种情况下,我只需要计算表1中的蛋白质对,因此很难使用。
有没有简单的方法可以轻松地与熊猫一起做这种工作?
答案 0 :(得分:1)
您可以遍历第一个DataFrame
(df1
)的行,从df2
中选择相关列,并将带有适当标签的结果添加到dictionary
,完成后可以转换为Series
:
correlations = {}
for i, row in df1.iterrows():
correlations[row['col1' + '_' + row['col2']]] = df2.loc[:,row['col1']].corr(df2.loc[:, row['col2'], method='pearson')
result = pd.Series(correlations)