使用掩蔽技术复制Pandas Dataframe枢轴

Question

非索引df包含行基因、包含该基因突变的细胞以及该基因的突变类型：

df = pd.DataFrame({'gene': ['one','one','one','two','two','two','three'],
                       'cell': ['A', 'A', 'C', 'A', 'B', 'C','A'],
                       'mutation': ['frameshift', 'missense', 'nonsense', '3UTR', '3UTR', '3UTR', '3UTR']})

df：

  cell   gene    mutation
0    A    one  frameshift
1    A    one    missense
2    C    one    nonsense
3    A    two        3UTR
4    B    two        3UTR
5    C    two        3UTR
6    A  three        3UTR

我想把这个df枢轴，这样我就可以按基因进行索引，并将列设置为单元格。问题是每个细胞可能有多个条目:一个细胞中的任何一个基因都有多个突变(A细胞有两个不同的基因突变一个)。所以当我跑的时候

df.pivot_table(index='gene', columns='cell', values='mutation')

这种情况会发生：

DataError: No numeric types to aggregate

我想用掩蔽来执行支点，同时捕获至少一个突变：

       A  B  C
gene          
one    1  1  1
two    0  1  0
three  1  1  0

Answer 1

基于drop_duplicates和pivot_table的解决方案

df = df.drop_duplicates(['cell','gene'])
       .pivot_table(index='gene', 
                    columns='cell', 
                    values='mutation',
                    aggfunc=len, 
                    fill_value=0)
print (df)
cell   A  B  C
gene          
one    1  0  1
three  1  0  0
two    1  1  1

使用drop_duplicates的另一种解决方案，带有聚合size的groupby和unstack最后的重塑方案

df = df.drop_duplicates(['cell','gene'])
       .groupby(['cell', 'gene'])
       .size()
       .unstack(0, fill_value=0)
print (df)
cell   A  B  C
gene          
one    1  0  1
three  1  0  0
two    1  1  1

Answer 2

错误消息不是在运行pivot_table时产生的。pivot_table的索引中可以有多个值。我不认为pivot方法是正确的。但是，您可以通过将聚合更改为对字符串(而不是数字)有效的方法来解决问题。大多数聚合函数都对数值列进行操作，上面编写的代码将产生与列的数据类型有关的错误，而不是索引错误。

df.pivot_table(index='gene',
               columns='cell',
               values='mutation',
               aggfunc='count', fill_value=0)

如果您只希望每个单元格有一个值，则可以按组进行分组，并将所有内容聚合到1，然后展开一个级别。

df.groupby(['cell', 'gene']).agg(lambda x: 1).unstack(fill_value=0)