python - Pandas:基于字典分割和编辑文件

Question

我是 pandas 新手，在解决以下问题时遇到了一些麻烦。我需要使用两个文件来创建输出。第一个文件包含功能和相关基因的列表。文件示例(显然数据完全是虚构的)

File 1:

Function    Genes
Emotions    HAPPY,SAD,GOOFY,SILLY
Walking    LEG,MUSCLE,TENDON,BLOOD
Singing    VOCAL,NECK,BLOOD,HAPPY

我正在使用以下方法读字典:

from collections import *

FunctionsWithGenes = defaultdict(list)

def read_functions_file(File):
    Header = File.readline()
    Lines = File.readlines()
    for Line in Lines:
        Function, Genes = Line[0], Line[1] 
        FunctionsWithGenes[Function] = Genes.split(",") # the genes for each function are in the same row and separated by commas

第二个表包含我在包含一列基因的 .txt 文件中需要的所有信息例如:

chr    start    end    Gene    Value   MoreData
chr1    123    123    HAPPY    41.1    3.4
chr1    342    355    SAD    34.2    9.0
chr1    462    470    LEG    20.0    2.7

我在使用中读到的:

import pandas as pd 

df = pd.read_table(File)

数据框包含多列，其中一列是“Genes”。该列可以包含可变数量的条目。我想通过 FunctionsWithGenes 字典中的“Function”键分割数据框。到目前为止我已经:

df = df[df["Gene"].isin(FunctionsWithGenes.keys())] # to remove all rows with no matching entries

现在我需要根据基因功能以某种方式分割数据框。我想也许添加一个具有基因功能的新列，但不确定这是否有效，因为某些基因可以具有多个功能。

Answer 1

我对你的最后一行代码有点困惑:

 df = df[df["Gene"].isin(FunctionsWithGenes.keys())]

因为 FunctionsWithGenes 的键是实际函数(Emotions 等...)，但基因列具有值。生成的 DataFrame 将始终为空。

如果我理解正确的话，你想将表分开，以便属于一个函数的所有基因都在一个表中，如果是这样的话，你可以使用简单的字典理解，我设置了一些类似的变量给你的:

>>> for function, genes in FunctionsWithGenes.iteritems():
...     print function, genes
... 
Walking ['LEG', 'MUSCLE', 'TENDON', 'BLOOD']
Singing ['VOCAL', 'NECK', 'BLOOD', 'HAPPY']
Emotions ['HAPPY', 'SAD', 'GOOFY', 'SILLY']
>>> df
    Gene  Value
0  HAPPY   3.40
1    SAD   4.30
2    LEG   5.55

然后我像这样分割DataFrame:

>>> FunctionsWithDf = {function:df[df['Gene'].isin(genes)]
...     for function, genes in FunctionsWithGenes.iteritems()}

现在 FunctionsWithDf 是一个字典，它将 Function 映射到 DataFrame，其中 Gene 列的所有行都在FunctionsWithGenes[Function]

的值

例如:

>>> FunctionsWithDf['Emotions']
    Gene  Value
0  HAPPY    3.4
1    SAD    4.3
>>> FunctionsWithDf['Singing']
    Gene  Value
0  HAPPY    3.4