我有以下数据框:
datas = [['RAC1','CD0287',1.52,1.40,1.45,1.51], ['RAC1','CD0695',2.08,1.40,1.45,1.51], ['RAC1','ADN103-1',2.01,1.40,1.45,1.51], ['RAC3','CD0258',1.91,1.38,1.43,1.45], ['RAC3','ADN103-3',1.66,1.38,1.43,1.45], ['RAC8','CD0558',1.32,1.42,1.48,1.53], ['RAC8','ADN103-8',2.89,1.42,1.48,1.53]]
labels = ['Plate', 'Sample', 'LogRatio', 'm1', 'm2', 'm3']
df = pd.DataFrame(data = datas, columns=labels)
Plate Sample LogRatio m1 m2 m3
RAC1 CD0287 1.52 1.40 1.45 1.51
RAC1 CD0695 2.08 1.40 1.45 1.51
RAC1 ADN103-1 2.01 1.40 1.45 1.51
RAC3 CD0258 1.91 1.38 1.43 1.45
RAC3 ADN103-3 1.66 1.38 1.43 1.45
RAC8 CD0558 1.32 1.42 1.48 1.53
RAC8 ADN103-8 2.89 1.42 1.48 1.53
我想添加一个新列来计算 m1、m2、m3 的平均值 M 以及 ADN103 的 LogRatio 值,但我不知道如何按板添加值。 我想要的是:
df['M'] = (df['m1'] + df['m2'] + df['m3'] + LogRatio_ADN103_of_the_plate)/4
例如,对于我的数据框的第一行,计算为:
df['M'] = (1.40 + 1.45 + 1.51 + 2.01) / 4
Plate Sample LogRatio m1 m2 m3 M
RAC1 CD0287 1.52 1.40 1.45 1.51 1,5925
RAC1 CD0695 2.08 1.40 1.45 1.51
RAC1 ADN103-1 2.01 1.40 1.45 1.51
RAC3 CD0258 1.91 1.38 1.43 1.45
RAC3 ADN103-3 1.66 1.38 1.43 1.45
RAC8 CD0558 1.32 1.42 1.48 1.53
RAC8 ADN103-8 2.89 1.42 1.48 1.53
因为2.01是板RAC1上ADN103的LogRatio值。 我知道如何获取所有板的 ADN103 值:
expreg = "ADN103_RAC."
ADN103 = df[df['Sample'].str.contains(expreg, regex=True)]
logRatio_ADN103 = ADN103['Log Ratio']
我尝试通过仅选择 ADN103 值在新列中进行转换,但无法获取它们的 LogRatio 值,它只是重新运行 bool 值
df['ADN103oftheplate'] = df.groupby('Plate')['Sample'].transform(lambda x: x.str.contains(expreg, regex=True))
不知道说清楚了没有。我尝试了很多方法,现在完全迷失了。
感谢您的帮助。
最佳答案
思考不同列的性质会很有帮助。在这种情况下,您的“Plate”和“Sample”列实际上看起来更像是索引信息。因此,首先我将“Plate”列转换为索引,以便更轻松地对数据帧进行切片:
import pandas as pd
import numpy as np
datas = [['RAC1','CD0287',1.52,1.40,1.45,1.51], ['RAC1','CD0695',2.08,1.40,1.45,1.51], ['RAC1','ADN103-1',2.01,1.40,1.45,1.51], ['RAC3','CD0258',1.91,1.38,1.43,1.45], ['RAC3','ADN103-3',1.66,1.38,1.43,1.45], ['RAC8','CD0558',1.32,1.42,1.48,1.53], ['RAC8','ADN103-8',2.89,1.42,1.48,1.53]]
labels = ['Plate', 'Sample', 'LogRatio', 'm1', 'm2', 'm3']
df = pd.DataFrame(data = datas, columns=labels)
df.set_index('Plate', inplace=True)
然后,您可以循环“Plate”索引中的唯一值,并将适当的 Log_Value 分配给该数据帧延伸的新列。
for plate in df.index.unique():
indx = np.where(df.loc[plate, 'Sample'].str.contains('ADN'))[0][0]
temp_value = df.loc[plate, 'LogRatio'].iat[indx]
df.loc[plate, 'ADN_LogValues'] = temp_value
然后将最后四列相加并除以四。
df['M'] = df.loc[:, 'm1':'ADN_LogValues'].sum(axis=1)/4.0
这会产生:
Sample LogRatio m1 m2 m3 ADN_LogValues M
Plate
RAC1 CD0287 1.52 1.40 1.45 1.51 2.01 1.5925
RAC1 CD0695 2.08 1.40 1.45 1.51 2.01 1.5925
RAC1 ADN103-1 2.01 1.40 1.45 1.51 2.01 1.5925
RAC3 CD0258 1.91 1.38 1.43 1.45 1.66 1.4800
RAC3 ADN103-3 1.66 1.38 1.43 1.45 1.66 1.4800
RAC8 CD0558 1.32 1.42 1.48 1.53 2.89 1.8300
RAC8 ADN103-8 2.89 1.42 1.48 1.53 2.89 1.8300
关于python - 使用 pandas 转换数据框中的唯一值列,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/41127001/