python - 如何对列进行分组并输出用制表符分隔的多列 - Python

Question

我的目标是按“患者”列进行分组，并在单行 = 中输出每个患者，然后按顺序输出输入文件中的多列。理想情况下，我希望在列头有一个计数器。这是我的输入文件示例:

Patient	Test	panel	gene	alteration
1	A	54	APC	E1345*
1	B	54	TP53	Y205H
1	C	54	APC	V2278V
2	A	54	KRAS	G12D
2	B	54	PTEN	L25L
3	A	54	KRAS	G13D
3	C	54	TP53	C141W
3	C	54	APC	R876* 
3	A	54	ERBB2	L663P
 

按“患者”列分组的预期输出，然后循环“测试”、“基因”和“改变”列以创建以下内容:

Patient	Test	gene	alteration	Test	gene	alteration	Test	gene	alteration	Test	gene	alteration	Test	gene	alteration
1	A	APC	E1345*	B	TP53	Y205H	C	TP53	Y205H						
2	A	KRAS	G12D	B	PTEN	L25L									
3	A	KRAS	G13D	C	TP53	C141W	C	APC	R876* 	A	ERBB2	L663P	A	ERBB2	L663P

理想情况下，最好 # Tests/gene/alteration 即 Test_1gene_1alteration_1 等。但是，我意识到这让事情变得复杂。

这是我尝试过的，但无法获得感兴趣的输出

df = pd.read_table(args.md, sep="\t")
df=pd.DataFrame(df)  #I used an input file  
values=grouped['gene'].apply('\t'.join).reset_index()

此函数的输出 1) 不允许我组合超过 'gene' 列，因此如果我使用 ['gene', 'Test'] 它不会给出所需的输出，2) 加入 '\t ' 实际上会输出为 '\t' 而不是制表符

然后我尝试了

grouped=df.groupby('Patient')
print grouped
values=grouped['gene'].apply('\t'.join).reset_index()
print values
id_df = grouped['Test'].apply(lambda x: pd.Series(x.values)).unstack()
id_df = id_df.rename(columns={i: 'Test{}'.format(i + 1) for i in range(id_df.shape[1])})
result = pd.concat([id_df, values], axis=1)
print(result)

第二次尝试的结构不符合我的需要，但它确实为我提供了一个计数器

我想知道是否有人可以提供一些见解以获得所需的输出。我使用上述命令查看SO，但无法排除故障。

Answer 1

下面是一种可能的解决方案。也许不是 super 优雅，但很有效。

grouped = df.groupby('Patient')

col = ['Patient']
data = []
for p, g in grouped:
    d = {'Patient': p}
    g.reset_index(inplace=True)
    for i, row in g.iterrows():
        for c in range(2, len(g.columns)):
            col_name = g.columns[c] + '_' + str(i + 1)
            d[col_name] = row[g.columns[c]]
            if col_name not in col:
                col.append(col_name)
    data.append(d)

df = pd.DataFrame(data, columns=col)