Pandas 从长到宽

Pandas long to wide

使用pandas,我想将长数据框转换为宽数据框,但是通常的pivot方法没有我需要的那么灵活。

这里是长数据:

raw = {
'sample':[1, 1, 1, 1, 2, 2, 3, 3, 3, 3],
'gene':['G1', 'G2', 'G3', 'G3', 'G1', 'G2', 'G2', 'G2', 'G3', 'G3'],
'type':['HIGH', 'HIGH', 'LOW', 'MED', 'HIGH', 'LOW', 'LOW', 'LOW', 'MED', 'LOW']}
df = pd.DataFrame(raw)`

产生

gene  sample  type
G1       1  HIGH
G2       1  HIGH
G3       1   LOW
G3       1   MED
G1       2  HIGH
G2       2   LOW
G2       3   LOW
G2       3   LOW
G3       3   MED
G3       3   LOW

我想要的是一个数据框,其行为 gene,列为 sample,但我希望单元格值填充 "greatest" type 根据 HIGH > MED > LOW > NONE 即它应该看起来像

casted = {
'gene':['G1', 'G2', 'G3'],
'1':['HIGH', 'HIGH', 'MED'],
'2':['HIGH', 'LOW', 'NONE'],
'3':['NONE', 'LOW', 'MED']
}
dfCast = pd.DataFrame(casted)

这使得

1     2     3      gene
HIGH  HIGH  NONE   G1
HIGH  LOW   LOW    G2
MED   NONE  MED    G3

平凡而错误的是,我从长到宽的命令看起来像

df = df.pivot(index='gene', columns = 'sample', values='type')

但当然这并没有说明我想在 HIGH>MED>LOW>NONE

中强加的层次结构

投射时,如何控制单元格值?

您可以使用 pivot_table,它提供了一个 aggfun 方法来聚合重复的 index-column 值;将关键词HIGH,MED,LOW按你需要的顺序排序,将它们设置为字典的键,其值是单调排序的,并选择具有min/max的极值作为聚合函数:

cat = {"HIGH": 3, "MED": 2, "LOW": 1}
df.pivot_table("type", "gene", "sample", aggfunc=lambda x: max(x, key=cat.get))


或另一种选择,将 type 转换为有序分类数据类型,然后使用 pivot_table:

df['type'] = pd.Categorical(df['type'], ["LOW", "MED", "HIGH"], ordered=True)
df.pivot_table("type", "gene", "sample", aggfunc='max')