python - Pandas - 每组内匹配的平均值减去不匹配的平均值

Question

假设我有一个名为 main_df 的数据框

    tf      organs
1   ALX3    brain,heart
2   ARID5A  kidney

并使用名为 ref_df 的引用数据框，

    tf      organ   expression
1   ALX3    brain   2
2   ALX3    heart   5
3   ALX3    kidney  4
4   ARID5A  brain   3
5   ARID5A  heart   6
6   ARID5A  kidney  1

我想向 main_df 添加一列名为 delta 的列，它取 ref_df 中相应值的平均值，并减去该 tf 的剩余值的平均值。所以在第 1 行，它将是

平均值([2,5])-平均值([4])= -0.5

在第 2 行，它将是

平均值([1])-平均值([3,6])= -3.5

使 main_df 现在看起来像这样:

    tf      organs      delta
1   ALX3    brain,heart -0.5
2   ARID5A  kidney      -3.5

我已经思考这个问题有一段时间了，但我被困住了。我需要使用 pandas 函数 isin() 还是其他函数吗？

Answer 1

第 1 步
将 ref_df 转换为在我将定义的函数中更易于使用的内容

rdf = ref_df.set_index(['tf', 'organ']).expression.unstack()
rdf

organ   brain  heart  kidney
tf                          
ALX3        2      5       4
ARID5A      3      6       1

第 2 步
使用split生成正平均值的器官列表。使用difference生成负均值的器官列表。

def delta(row):
    p = row.organs.split(',')
    n = rdf.columns.difference(p)
    return rdf.loc[row.tf, p].mean() - rdf.loc[row.tf, n].mean()

第 3 步
应用 + 分配以生成具有新列的新数据框

main_df.assign(detla=main_df.apply(delta, 1))

       tf       organs  detla
1    ALX3  brain,heart   -0.5
2  ARID5A       kidney   -3.5