Panda_Merge df1中的多个值到df2中的唯一值

Question

我有一个数据数据(df1)，详细的基因和与之相关的器官列表，以及另一个映射数据(df2)，它将这些器官转化为独特的器官类型。

例如。

df1 <-

data.frame ("Gene_name"=c("Gene1", "Gene2", "Gene3, "Gene4"),   
"Organ_name"=c("Skin, Stomach, Eyes, Hair", "Lungs, Mouth, Oesophagus", "Pharynx, Lungs, Throat, Skin", "Stomach, Small intestine"))

df2 <-

data.frame ("Type"=c("External", "External", "External", "External"......"Internal", "Internal", "Internal"...),

 "Organ"=c("Skin", "Eyes", "Hair", "Legs",.... "Lungs", "Small intestine", "Oesophagus".....))

我想看看个人基因属于什么主要类别。经常出现在内部还是外部？

如果我使用"Organ_name"拆分str.split(",")，那么在某些情况下，我将得到大约20列。将这些单独的"Organ_name“列与df1中的"Type"合并，使用Organ作为关键，这是一个很大的痛苦。

有没有更好的方法来分析这些数据？如何知道器官"Type"的频率/计数？请让我知道

Answer 1

下面是如何使用pandas构建逻辑的一个示例。

设置

import pandas as pd

df1 = pd.DataFrame({"Gene_name": ("Gene1", "Gene2", "Gene3", "Gene4"),   
                    "Organ_name": ("Skin, Stomach, Eyes, Hair", "Lungs, Mouth, Oesophagus",
                                  "Pharynx, Lungs, Throat, Skin", "Stomach, Small intestine")})

df2 = pd.DataFrame({"Type": ("External", "External", "External", "External", "Internal", "Internal", "Internal"),
                    "Organ": ("Skin", "Eyes", "Hair", "Legs", "Lungs", "Small intestine", "Oesophagus")})

溶液

t = df2.set_index('Organ')['Type']

df1['Organ_list'] = df1['Organ_name'].str.split(', ')

df1['Int_Ext'] = [list(filter(None, map(t.get, x))) for x in df1['Organ_list']]

df1['Int_Ext_Flag'] = df1['Int_Ext'].apply(lambda x: 'Internal' if \
                      x.count('Internal') / len(x) >= 0.5 else 'External')

结果

  Gene_name                    Organ_name                      Organ_list  \
0     Gene1     Skin, Stomach, Eyes, Hair     [Skin, Stomach, Eyes, Hair]   
1     Gene2      Lungs, Mouth, Oesophagus      [Lungs, Mouth, Oesophagus]   
2     Gene3  Pharynx, Lungs, Throat, Skin  [Pharynx, Lungs, Throat, Skin]   
3     Gene4      Stomach, Small intestine      [Stomach, Small intestine]   

                          Int_Ext Int_Ext_Flag  
0  [External, External, External]     External  
1            [Internal, Internal]     Internal  
2            [Internal, External]     Internal  
3                      [Internal]     Internal 

解释

• 使用df2创建从器官到类型的映射。
• 将df1['Organ_list']中的字符串拆分成一个列表。
• 将此列表中的元素映射到键入。通过pd.Series.apply添加逻辑以确定“内部”还是“外部”。
• 在本例中，我通过list(filter(None, ...))过滤出尚未映射为类型的器官。