从具有不同基因的受试者列表中创建一个矩阵，这些基因存在或不存在于 python

Posted 2023-03-12

【中文标题】从具有不同基因的受试者列表中创建一个矩阵，这些基因存在或不存在于 python

【英文标题】：creating a matrix from from a list of subjects with different genes present or absent with python

【发布时间】：2019-03-25 20:04:50

【问题描述】：

我有一个包含不同主题的文件，其中包含每个主题存在的基因列表（每个基因新行）。我想将数据重组为一个矩阵，其中行中有不同的受试者，然后是每个存在的基因的列（1 或 0 表示存在或不存在）。我将原始数据作为我用 pandas 导入的 excel 文件来尝试用 Python 执行此操作。但老实说，我不知道如何以一种好的方式做到这一点。

image of how the data is structured and of how it is supposed to be formatted.

非常感谢我能得到的所有帮助！

已经非常感谢了

【参考方案1】：

如果这是您的文件原始文件：

Subject,Gene
subject1,gene1
subject1,gene2
subject1,gene3
subject2,gene1
subject2,gene4
subject3,gene2
subject3,gene4
subject3,gene5

然后你可以用pd.crosstab做这样的事情：

>>> import pandas as pd
>>> df = pd.read_csv("genes.csv")
>>> pd.crosstab(df["Subject"], df["Gene"])
Gene      gene1  gene2  gene3  gene4  gene5
Subject                                    
subject1      1      1      1      0      0
subject2      1      0      0      1      0
subject3      0      1      0      1      1

【参考方案2】：

使用pivot()

df['count'] = 1
df.pivot(index='Subject', columns='Gene', values='count')

Gene       gene1    gene2   gene3   gene4   gene5
Subject                 
subject1    1.0      1.0    1.0      NaN    NaN
subject2    1.0      NaN    NaN      1.0    NaN
subject3    NaN      1.0    NaN      1.0    1.0

已更新 -- 基于您的评论的完整示例

# import pandas module
import pandas as pd
import numpy as np

# read your excel file
df = pd.read_excel(r'path\to\your\file\myFile.xlsx')

# create a new column call 'count' and set it to a value of 1
df['count'] = 1

# use pivot and assign it to a new variable: df2
df2 = df.pivot(index='Subject', columns='Gene', values='count').replace(np.nan, 0)

# print your new dataframe
print(df2)

【讨论】：

嗨，克里斯，感谢您的回复。我还没有完全开始工作。如果我使用脚本：'import pandas as pd' 然后 'df = pd.read_excel("path+file")' 然后我不知道如何定义带有“count”的变量。我可以给 df.pivot 取一个类似的名称：'name = df.pivot(index='Subject', columns='Gene', values='count')' 并在最后打印：'print name' ?

@newbie_here 我更新了我的答案，向你展示了一个完整的例子

谢谢克里斯。我现在明白了。也是一个非常好的方法！非常感谢！