Question

我对熊猫和替换值有疑问。我有一张桌子，上面放着动物，它们的等位基因看起来是这样：

Name   User A1_Top  A2_Top
stefan1 721    A    C   
stefan2 721    A    G
stefan3 331    T    T   
stefan4 331    C    G
stefan5 331    A    A
stefan6 721    G    G

我需要通过每行的特定键来更改Top1和Top2的值。

例如：if values in same rows will be = C & A, I will replace it to A & B, if row == TT will be BB等（密钥在下面的if / else中）。

我在另一篇文章中得到了一个答案，如何用字典来做，但是我不能用双重条件处理（如果这是一个条件，例如，如果第一行中的A替换为B，就可以了））。所以我只是将其放入if / else循环中，并且可以工作...我的意思是可以工作，直到文件很大为止。现在太慢了。 300mb文件可以在标准桌面上处理30分钟。

这就是我的代码现在的样子：

def ATCG_to_AB(df):
x = 0
for i in range(lenFor):
    if df['A1_TOP'].iloc[i] == 'A' and df['A2_TOP'].iloc[i] =='C':
        df['A1_TOP'].iloc[i] = 'A'
        df['A2_TOP'].iloc[i] ='B'
    elif df['A1_TOP'].iloc[i] == 'A' and df['A2_TOP'].iloc[i] =='G':
        df['A1_TOP'].iloc[i] = 'A'
        df['A2_TOP'].iloc[i] ='B'
    elif df['A1_TOP'].iloc[i] == 'A' and df['A2_TOP'].iloc[i] =='T':
        df['A1_TOP'].iloc[i] = 'A'
        df['A2_TOP'].iloc[i] ='B'
    elif df['A1_TOP'].iloc[i] == 'C' and df['A2_TOP'].iloc[i] =='G':
        df['A1_TOP'].iloc[i] = 'A'
        df['A2_TOP'].iloc[i] ='B'
    elif df['A1_TOP'].iloc[i] == 'A' and df['A2_TOP'].iloc[i] =='A':
        df['A1_TOP'].iloc[i] = 'A'
        df['A2_TOP'].iloc[i] ='A'
    elif df['A1_TOP'].iloc[i] == 'C' and df['A2_TOP'].iloc[i] =='C':
        df['A1_TOP'].iloc[i] = 'B'
        df['A2_TOP'].iloc[i] ='B'
    elif df['A1_TOP'].iloc[i] == 'G' and df['A2_TOP'].iloc[i] =='G':
        df['A1_TOP'].iloc[i] = 'B'
        df['A2_TOP'].iloc[i] ='B'
    elif df['A1_TOP'].iloc[i] == 'T' and df['A2_TOP'].iloc[i] =='T':
        df['A1_TOP'].iloc[i] = 'B'
        df['A2_TOP'].iloc[i] ='B'
    else:
        print(x,". Something is wrong in line: ", i)
        x+=1

X-计算错误。而且我知道，该代码很丑陋，所以我尝试使用字典方法。我的尝试：

L = [('A', 'C', 'A', 'B'),('A', 'G', 'A', 'B'),('A', 'T', 'A', 'B'),
 ('C', 'G', 'A', 'B'),('A', 'A', 'A', 'A'),('C', 'C', 'B', 'B'),
 ('G', 'G', 'B', 'B'),('T', 'T', 'B', 'B')]


for x in L:
    a.loc[(df[2] == x[0]) & (df[3] == x[1]), [2,3]] = [x[2], x[3]]

但是我的输出不好。唯一的A1_top已更改，通常它是一个不好的符号。有人可以帮我把丑陋的代码翻译成字典并解释吗？我是否认为这将是一个更快的解决方案？

当然可以期待输出（为清晰起见，下面没有标题）

name   User A1_Top  A2_Top
    stefan1 721    A    B   
    stefan2 721    A    B   
    stefan3 331    B    B   
    stefan4 331    A    B
    stefan5 331    A    A
    stefan6 721    B    B

Answer 1

一个简单的技巧，并不是说最好的，但它可以起作用： [创建虚拟列以进行映射或df[col].apply]

df['combined'] = df['A1_Top']+"|"+df['A2_Top']

  A1_Top A2_Top combined
0      A      C      A|C
1      A      G      A|G
2      T      T      T|T
3      C      G      C|G
4      A      A      A|A
5      G      G      G|G

创建字典，映射所有需求：我在这里给1

map_dict = {}
map_dict['A|C'] = 'B|C'
.
.
.

df['new_values'] = df['combined'].apply(lambda x:map_dict[x] if x in map_dict.keys() else x)

  A1_Top A2_Top combined new_values
0      A      C      A|C        B|C
1      A      G      A|G        A|G
2      T      T      T|T        T|T
3      C      G      C|G        C|G
4      A      A      A|A        A|A
5      G      G      G|G        G|G

df['new_a1_top'] = df['new_values'].apply(lambda x: x.split('|')[0])
df['new_a2_top'] = df['new_values'].apply(lambda x: x.split('|')[1])

  A1_Top A2_Top combined new_values new_a1_top new_a2_top
0      A      C      A|C        B|C          B          C
1      A      G      A|G        A|G          A          G
2      T      T      T|T        T|T          T          T
3      C      G      C|G        C|G          C          G
4      A      A      A|A        A|A          A          A
5      G      G      G|G        G|G          G          G

如何用字典替换熊猫数据框中的值？

1 个答案: