python - 使用 Pandas ，如何按两列查找值计数

Question

我有一个包含三列的 Pandas 数据框，Protein_A、Protein_B、Interaction。 see it here

我想通过对 Protein_A 和 Protein_B 进行分组来找到作为值计数的所有相互作用。此外，将 Protein_A 和 Protein_B 分组时顺序无关紧要。

    Protein_A   Interaction      Protein_B
0   A1BG        ER               A2M
1   A1BG        MI               ABCC6
2   ABCC6       AS               A1BG
3   A1BG        MI               ADAM10
4   A1BG        MI               ADAM17

结果看起来像这样:

{AB1G, A2M}     -> ER
{AB1G, ABCC6}   -> MI, AS
{A1BG, ADAM10}  -> MI
{A1BG, ADAM17}  -> MI 

Answer 1

我同意您想要对行进行分组，但预期结果显示您实际上想要一个列表，而不是为每个组计算值交互代码。

要创建这样的列表(针对每个组)，请按以下步骤操作:

从定义一个函数开始，该函数计算分组键- 蛋白质代码(A 和 B)的排序列表，转换为字符串:

def protSorted(key):
    row = df.loc[key]
    return ', '.join(sorted([row.Protein_A, row.Protein_B]))

然后通过这个函数对源DataFrame进行分组，进行Interaction来自每个组的列并创建交互代码列表:

df.groupby(protSorted).Interaction.apply(list)

对于您的示例数据，结果是如下所示的系列:

A1BG, A2M           [ER]
A1BG, ABCC6     [MI, AS]
A1BG, ADAM10        [MI]
A1BG, ADAM17        [MI]
Name: Interaction, dtype: object

或者，如果您希望每个组都有一个字符串(不带括号)，改为运行:

df.groupby(protSorted).Interaction.apply(', '.join)

这次的结果是:

A1BG, A2M           ER
A1BG, ABCC6     MI, AS
A1BG, ADAM10        MI
A1BG, ADAM17        MI
Name: Interaction, dtype: object