python - 使用 Pandas 聚合所有数据框行对组合

Question

我使用 python pandas 跨数据帧执行分组和聚合，但我现在想执行特定的行成对聚合(n 选择 2，统计组合)。这是示例数据，我想在其中查看 [mygenes] 中的所有基因对:

import pandas
import itertools

mygenes=['ABC1', 'ABC2', 'ABC3', 'ABC4']

df = pandas.DataFrame({'Gene' : ['ABC1', 'ABC2', 'ABC3', 'ABC4','ABC5'],
                       'case1'   : [0,1,1,0,0],
                       'case2'   : [1,1,1,0,1],
                       'control1':[0,0,1,1,1],
                       'control2':[1,0,0,1,0] })
>>> df
   Gene  case1  case2  control1  control2
0  ABC1      0      1         0         1
1  ABC2      1      1         0         0
2  ABC3      1      1         1         0
3  ABC4      0      0         1         1
4  ABC5      0      1         1         0

最终产品应如下所示(默认应用 np.sum 即可):

                 case1    case2    control1    control2
'ABC1', 'ABC2'    1         2         0            1
'ABC1', 'ABC3'    1         2         1            1
'ABC1', 'ABC4'    0         1         1            2
'ABC2', 'ABC3'    2         2         1            0
'ABC2', 'ABC4'    1         1         1            1
'ABC3', 'ABC4'    1         1         2            1 

可以使用 itertools ($itertools.combinations(mygenes, 2)) 轻松获得基因对集，但我不知道如何执行特定<的聚合/strong> 行基于它们的值。谁能建议？谢谢

Answer 1

我想不出一个聪明的矢量化方法来做到这一点，但除非性能是真正的瓶颈，否则我倾向于使用最简单的有意义的方法。在这种情况下，我可能会 set_index("Gene") 然后使用 loc 来挑选行:

>>> df = df.set_index("Gene")
>>> cc = list(combinations(mygenes,2))
>>> out = pd.DataFrame([df.loc[c,:].sum() for c in cc], index=cc)
>>> out
              case1  case2  control1  control2
(ABC1, ABC2)      1      2         0         1
(ABC1, ABC3)      1      2         1         1
(ABC1, ABC4)      0      1         1         2
(ABC2, ABC3)      2      2         1         0
(ABC2, ABC4)      1      1         1         1
(ABC3, ABC4)      1      1         2         1