通过对应的字典值组合 Pandas 列

Posted 2023-03-12

【中文标题】通过对应的字典值组合 Pandas 列

【英文标题】：Combine Pandas Columns by Corresponding Dictionary Values

【发布时间】：2020-04-28 12:30:58

【问题描述】：

我希望快速合并彼此为genetic complements 的列。我有一个带有计数的大型数据框，并且想要组合列名是补码的列。我目前有一个系统，

获取列名的补码 检查列名的赞美 如果匹配，则将列加在一起 然后删除恭维列

但是，这很慢（检查每个列名）并根据列的顺序给出不同的列名（即在运行之间删除不同的补充列）。我想知道是否有一种方法可以合并字典键：值对来加速过程并保持输出一致。我在下面有一个带有所需结果的示例数据框（ATTG|TAAC 和 CGGG|GCCC 是恭维）。

df = pd.DataFrame("ATTG": [3, 6, 0, 1],"CGGG" : [0, 2, 1, 4], 
"TAAC": [0, 1, 0, 1], "GCCC" : [4, 2, 0, 0], "TTTT": [2, 1, 0, 1]) 

## Current Pseudocode
for item in df.columns():
    if compliment(item) in df.columns():
        df[item] = df[item] + df[compliment(item)]
        del df[compliment(item)]

## Desired Result
df_result = pd.DataFrame("ATTG": [3, 7, 0, 2],"CGGG" : [4, 4, 1, 4], "TTTT": [2, 1, 0, 1]) 

【问题讨论】：

您可能应该提供如何确定补语的逻辑，但至少您可以做到df.groupby(complement, axis=1).sum()。这假定 complement 函数为 item 及其补码返回相同的值（例如，它可以是排序函数）。

嗨@ayhan，感谢您的及时回复。 Compliment 不会为项目及其赞美返回相同的值。 ``` 恭维（“ATTG”） ``` 返回“TAAC”，compliment("TAAC") 返回“ATTG”。不过，我确实认为您对 groupby 有所了解。

【参考方案1】：

翻译列，然后为列分配首先排序的翻译或原件。这使您可以对赞美进行分组。

import numpy as np

mytrans = str.maketrans('ATCG', 'TAGC')
df.columns = np.sort([df.columns, [x.translate(mytrans) for x in df.columns]], axis=0)[0, :]

df.groupby(level=0, axis=1).sum()
#   AAAA  ATTG  CGGG
#0     2     3     4
#1     1     7     4
#2     0     0     1
#3     1     2     4

【讨论】：

这很好用！当列的顺序发生变化时，它甚至可以工作。谢谢@ALollz