Question

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？

Answer 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)

使用索引从另一个表中检索数据

1 个答案: