Pandas中列差zscore的精巧计算

Question

我有一个n x m DataFrame来量化n基因在m区域的表达。我想计算所有区域之间差异表达的基因数目。

               Area                             Area
 Gene    A     B     C            Area    A    B    C             
  a                                 A 
  b                      -->        B     x
  c                                 C

在上面的草图中，x表示A和B区域在B区富集的共同基因的数目。我需要计算所有成对列差的zscores。。

电流逼近

def compare(one,two):
     column_one_header,column_one_data = one
     column_two_header,column_two_data = two
     zscores =  zscore(column_one_data-column_two_data)
     return len(zscores[zscores>threshold])


 heatmap = [[compare(column_one,column_two)
             for column_one in df.iteritems()]
             for column_two in df.iteritems()]

This question建议有一种更简单、更快的方法来做到这一点。与这个问题相反，我想做多个操作。我不知道如何为我的问题写一篇类似的文章。

Answer 1

df = pd.DataFrame(random_integers(0,100,(3,3)),columns=list('ABC'),index=list('abc'))


differ = reshape([sum(df[col2]-df[col]) for col2 in df for col in df], (3,3))
differ = pd.DataFrame(differ, columns=list('ABC'),index=list('ABC'))

differ

您仍然可以在调用sum(A)的地方使用自己的函数。请注意，我们让Pandas按系列处理函数的应用，这通常更优雅。