Question

我知道在R中我可以使用tidyr进行以下操作：

data_wide <- spread(data_protein, Fraction, Count)

和data_wide将继承data_protein中未传播的所有列。

Protein Peptide  Start  Fraction  Count
1             A    122       F1     1
1             A    122       F2     2     
1             B    230       F1     3     
1             B    230       F2     4

变为

Protein Peptide  Start  F1  F2
1             A    122   1  2
1             B    230   3  4

但是在熊猫（Python）中，

data_wide = data_prot2.reset_index(drop=True).pivot('Peptide','Fraction','Count').fillna(0)

不会继承函数中未指定的任何内容（索引，键，值）。因此，我决定通过df.join（）加入它：

data_wide2 = data_wide.join(data_prot2.set_index('Peptide')['Start']).sort_values('Start')

但是这会产生肽的重复，因为有几个起始值。有没有更直接的方法来解决这个问题？或者一个特殊的连接参数，省略重复？提前谢谢。

Answer 1

试试这个：

In [144]: df
Out[144]:
   Protein Peptide  Start Fraction  Count
0        1       A    122       F1      1
1        1       A    122       F2      2
2        1       B    230       F1      3
3        1       B    230       F2      4

In [145]: df.pivot_table(index=['Protein','Peptide','Start'], columns='Fraction').reset_index()
Out[145]:
         Protein Peptide Start Count
Fraction                          F1 F2
0              1       A   122     1  2
1              1       B   230     3  4

您还可以明确指定Count列：

In [146]: df.pivot_table(index=['Protein','Peptide','Start'], columns='Fraction', values='Count').reset_index()
Out[146]:
Fraction  Protein Peptide  Start  F1  F2
0               1       A    122   1   2
1               1       B    230   3   4

Answer 2

使用stack：

df.set_index(df.columns[:4].tolist()) \
  .Count.unstack().reset_index() \
  .rename_axis(None, axis=1)

Answer 3

spread 在 pivot_wider 中被 tidyr 取代。

如何使用遵循 tidyr 的 API 设计的 datar：

>>> from datar.all import f, tribble, pivot_wider
>>> data_protein = tribble(
...     f.Protein, f.Peptide,  f.Start,  f.Fraction,  f.Count,
...     1,         "A",        122,      "F1",        1,
...     1,         "A",        122,      "F2",        2,     
...     1,         "B",        230,      "F1",        3,     
...     1,         "B",        230,      "F2",        4,
... )
>>> data_wide = pivot_wider(data_protein, names_from=f.Fraction, values_from=f.Count)
>>> data_wide
  Peptide  Protein  Start  F1  F2
0       A        1    122   1   2
1       B        1    230   3   4

我是包的作者。如果您有任何问题，请随时提交问题。

将列添加到数据透视表（pandas）

3 个答案: