使用掩码透视 Pandas 具有重复项的数据框

Question

非索引 df 包含基因行、包含该基因突变的细胞以及该基因突变类型：

df = pd.DataFrame({'gene': ['one','one','one','two','two','two','three'],
                       'cell': ['A', 'A', 'C', 'A', 'B', 'C','A'],
                       'mutation': ['frameshift', 'missense', 'nonsense', '3UTR', '3UTR', '3UTR', '3UTR']})

df:

  cell   gene    mutation
0    A    one  frameshift
1    A    one    missense
2    C    one    nonsense
3    A    two        3UTR
4    B    two        3UTR
5    C    two        3UTR
6    A  three        3UTR

我想旋转此 df，以便我可以按基因编制索引并将列设置为单元格。问题在于每个单元格可能有多个条目：给定单元格中的任何一个基因都可能有多个突变（单元格 A 在基因一中有两个不同的突变）。所以当我运行:

df.pivot_table(index='gene', columns='cell', values='mutation')

发生这种情况：

DataError: No numeric types to aggregate

我想在捕获 至少一个 突变的存在时使用掩码来执行枢轴：

       A  B  C
gene          
one    1  1  1
two    0  1  0
three  1  1  0

Answer 1

错误信息不是您运行 pivot_table 时产生的信息。 pivot_table 的索引中可以有多个值。我不相信 pivot 方法是这样。但是，您可以通过将聚合更改为适用于字符串而不是数字的内容来解决您的问题。大多数聚合函数对数字列进行操作，您上面编写的代码会产生与列的数据类型相关的错误，而不是索引错误。

df.pivot_table(index='gene',
               columns='cell',
               values='mutation',
               aggfunc='count', fill_value=0)

如果您只希望每个单元格有 1 个值，您可以执行 groupby 并将所有内容聚合为 1，然后取消堆叠一个级别。

df.groupby(['cell', 'gene']).agg(lambda x: 1).unstack(fill_value=0)

Answer 2

drop_duplicates and pivot_table 的解决方案：

df = df.drop_duplicates(['cell','gene'])
       .pivot_table(index='gene', 
                    columns='cell', 
                    values='mutation',
                    aggfunc=len, 
                    fill_value=0)
print (df)
cell   A  B  C
gene          
one    1  0  1
three  1  0  0
two    1  1  1

drop_duplicates, groupby with aggregate size and last reshape by unstack的另一个解决方案：

df = df.drop_duplicates(['cell','gene'])
       .groupby(['cell', 'gene'])
       .size()
       .unstack(0, fill_value=0)
print (df)
cell   A  B  C
gene          
one    1  0  1
three  1  0  0
two    1  1  1

使用掩码透视 Pandas 具有重复项的数据框

Pivot Pandas Dataframe with Duplicates using Masking

python

group-by

pivot-table

reshape

pandas