Question

我的数据框如下：

df = pd.DataFrame(columns=['New Category', 'Sample1', 'Sample2'],
         data=[
               ['Pathogenic/Likely Pathogenic', '0/0:240', '1/0:100'],
               ['Likely Benign', '1/1:0,237', '1/0:700'],
               ['Likely Benign', '0/0:239', '0/0:234'],
               ['Likely Benign', '1/1:1,238', '0/1:890'],
               ['Likely Benign', '0/1:156,79', '1/1:767'],
               ['VUS', '1/1:0,241', '0/1:21']
               ])

看起来像这样：

               New Category       Sample1   Sample2
0  Pathogenic/Likely Pathogenic   0/0:240   1/0:100
1                 Likely Benign   1/1:237   1/0:700
2                 Likely Benign   0/0:239   0/0:234
3                 Likely Benign   1/1:238   0/1:890
4                 Likely Benign   0/1:156   1/1:767
5                           VUS   1/1:241   0/1:21

我想做一些多索引，以便Sample1和Sample2值被冒号分割并作为子列名放在下面。但是，我不希望这些子列名称应用于“新类别”列。基本上我希望它看起来像这样：

               New Category       Sample1   Sample2
                                  GT   GQ    GT   GQ
0  Pathogenic/Likely Pathogenic   0/0  240   1/0  100
1                 Likely Benign   1/1  237   1/0  700
2                 Likely Benign   0/0  239   0/0  234
3                 Likely Benign   1/1  238   0/1  890
4                 Likely Benign   0/1  156   1/1  767
5                           VUS   1/1  241   0/1  21

我真的很难过如何做到这一点。 pandas docs的多索引页面不包含仅对所选列进行多索引的示例。这让我们想知道这是否可能。

Answer 1

这不是“索引”的问题，而是操纵数据，特别是拆分列。以下应该做：

df_new_category = pd.DataFrame(
    df[['New Category']].values,
    columns=pd.MultiIndex.from_tuples([('New Category', '')])
)
sample_data_dfs = \
    [pd.DataFrame(list(df[col].str.split(':')),
                  columns=pd.MultiIndex.from_product([[col], ['GT', 'GQ']]))
     for col in ['Sample1', 'Sample2']]

pd.concat([df_new_category] + sample_data_dfs, axis=1)

请注意，可以一次完成拆分（即每列上没有循环），如下所示：

df[['Sample1', 'Sample2']].applymap(lambda s : s.split(':'))

......但是

这样会慢一些，因为你隐式在每个单元格上循环
您仍然需要另一个循环来提取单个新创建的列

使用Pandas DataFrame进行部分多索引

1 个答案: