对多个熊猫列进行排序并计算大于零的值百分比

Posted 2023-03-27

【中文标题】对多个熊猫列进行排序并计算大于零的值百分比

【英文标题】：sorting multiple pandas columns and calculating value percent greater than zero

【发布时间】：2022-01-12 21:08:57

【问题描述】：

我有一个 pandas 数据框，我将其融合在一起，每一行都是不同的单细胞基因表达。我想按元数据列（“患者 ID”、“集群 ID”、“基因 ID”）进行排序，并计算“值”列中有多少单元格的值大于零。

接下来，我想将其除以该“患者 ID”中该“集群 ID”中的单元格的总值。我不是 100% 确定如何做到这一点。我尝试了类似的东西

df = df.groupby(['patient ID', 'Cluster ID', 'Gene ID']).size().reset_index(name='counts') 

获得df，其中包含患者表达基因的簇内细胞总数。我仍然需要一种方法来按“值”列高于零的值对它们进行排序，然后除以得到我的最终值。

当我尝试类似的事情时

df["Counts > 0"]= df.groupby(['patient ID', 'Cluster ID', 'Gene ID'])['value'].gt(0).sum()

我收到一条错误消息：

AttributeError: 'SeriesGroupBy' object has no attribute 'gt'

编辑：示例

data = 'Patient ID':['C100', 'C100', 'C100', 'C101', 'C102', 'C103'],
    'Cluster ID':['ID 1', 'ID 2', 'ID 2', 'ID 2', 'ID 3', 'ID4'],
    'Gene ID':['Gene 1', 'Gene 1', 'Gene 2', 'Gene 2', 'Gene 3', 'Gene 4'],
    'Expression Value':[0, 0, 5, 0, 20, 5],
   


# Create DataFrame
df = pd.DataFrame(data)
  
# Print the output.
df

EXAMPLE but it gets much bigger and complicated

对于患者 ID、集群 ID、基因 ID 的每个组合，我如何计算它们的总和？它们的总和大于“值”中的零？将它们两者相除，找出患者体内某个簇中某个基因 ID 呈阳性的细胞的百分比。

【问题讨论】：

你能举一个df输入的例子吗？

@DaSong 我刚刚用一个例子编辑和更新了帖子！

【参考方案1】：

好的，我找到了获得我想要的东西的方法：

总数：

CRC_Merge_GD_total_TEST = CRC_GD_Melt_1.groupby(['HTO_secondID', 'new_clusters_3', 'variable'])['value'].agg(pos=lambda ts: (ts.ge(0)).sum()) 

CRC_Merge_GD_total_TEST = CRC_Merge_GD_total_TEST.rename(columns="pos": "Sum of total")

总计数大于零：

CRC_Merge_GD_over_zero = CRC_GD_Melt_1.groupby(['HTO_secondID', 'new_clusters_3', 'variable'])['value'].agg(pos=lambda ts: (ts > 0).sum()) 

CRC_Merge_GD_over_zero = CRC_Merge_GD_over_zero.rename(columns="pos": "Sum gt zero")

结合：

df_new = CRC_Merge_GD_total_TEST.merge(CRC_Merge_GD_over_zero, left_index=True, right_index=True)

计算阳性百分比：

df_new['pct pos'] = df_new['Sum gt zero']/df_new['Sum of total'] * 100