python - 聚合值与 pandas 中的相应计数

Question

我有像这样的 Pandas 数据框:

my_df = 

chr   PI
2     5
2     5
2     5
2     6
2     6
2     8
2     8
2     8
2     8
2     8
3     5
3     5
3     5
3     5
3     9
3     9
3     9
3     9
3     9
3     9
3     9
3     7
3     7
3     4
......
......

我想将它转换成新的数据框，其中包含有关数据框的新信息，例如:

• chr:独特的染色体
• unq_PI :每条染色体内唯一 PI 的数量
• PIs:该染色体中“PI”值的列表
• PI_freq:相应染色体中每个“PI”的长度

因此，预期输出为:

chr   unq_PI   PIs        PI_freq
2     3        5,6,8      3,2,5
3     4        5,9,7,4    4,7,2,1

我在想:

new_df = pd.DataFrame({'chr': my_df['chr'].unique(),
         'unq_PI': my_df('chr')['unq_PI'].nunique()),
         'PIs': .......................,
         'PI_freq': ..................})

The only code that works is for `chr` when used alone; any additional code just throws an error. How can I fix this?

Answer 1

使用groupby + value_counts，然后是groupby + agg。

v = (df.groupby('chr')
       .PI
       .apply(pd.Series.value_counts, sort=False)
       .reset_index(level=1)
       .astype(str)
       .groupby(level=0)
       .agg(','.join)
       .rename(columns={'level_1' : 'PIs', 'PI' : 'PI_freq'})
)

这不考虑唯一值的计数，可以使用 groupby + nunique 计算:

v.insert(0, 'unq_PI', df.groupby('chr').PI.nunique())

v 

     unq_PI      PIs  PI_freq
chr                          
2         3    5,6,8    3,2,5
3         4  4,5,7,9  1,4,2,7