Python melt dataframe 基于逗号分隔的字符向量列的值

Question

我目前正在进行一项测试，其中我有不同的区域和一些相关的统计数据，以及位于这些区域的以逗号分隔的基因列表。此列表的数量是可变的，并且可能不包含任何内容 ("NA")。

我怎样才能“融化”这个数据框:

 region_id  statistic      genelist
          1        2.5       A, B, C
          2        0.5    B, C, D, E
          3        3.2          <NA>
          4        0.1          E, F

像这样:

     region_id  statistic gene
           1       2.5    A
           1       2.5    B
           1       2.5    C
           2       0.5    B
           2       0.5    C
           2       0.5    D
           2       0.5    E
           3       3.2 <NA>
           4       0.1    E
           4       0.1    F

Answer 1

使用下面的代码，使用stack进行堆叠，拆分后在','上，然后再次堆叠，因为我们堆叠了两次，使用unstack 使用 -2 取消堆叠，然后使用 reset_index 和 -1 重置索引，然后执行最后的 reset_index 没有参数:

print(df.set_index(['region_id', 'statistic'])
   .stack()
   .str.split(', ', expand=True)
   .stack()
   .unstack(-2)
   .reset_index(-1, drop=True)
   .reset_index()
)