如何外推列联表分析？

Question

首先，对于基因G，我想为control和experimental条件创建一个pandas数据框，其中0:1的比例为10%和20 %，分别。

import pandas as pd

n = 5000

df = pd.DataFrame.from_dict(
     {"Cells": (f'Cell{x}' for x in range(1, n+1)), "Control": np.random.choice([1,0], p=[0.1, 0.9], size=n), "Experimental": np.random.choice([1,0], p=[0.1+0.1, 0.9-0.1], size=n)},
     orient='columns'
)

df = df.set_index("Cells")

其次，我对G基因进行了列联分析

# Contingency table/array
table = pd.crosstab(df.index, [df["Control"], df["Experimental"]])
table

现在，我想从步骤 1 和 2 中推断出 1000 个基因的条件，然后进行交叉制表。怎么样？

Answer 1

有多种处理方法。最简单的方法之一是：

将模拟程序包装在一个函数中，运行它为每个基因创建一个基于结果的基因列表。
Concat 所有 gene_based 模拟和运行 crosstab 函数以获取列联表单个 dataframe.

类似于：


n = 100   # no of records per simulation/ gene
nog = 2   # no of genes
gene_list = ["gene_" + str(i) for i in range(0,nog)]

# simulation procedure
def generate_gene_df(gene, n):

    df = pd.DataFrame.from_dict(
         {"Gene" : gene,
          "Cells": (f'Cell{x}' for x in range(1, n+1)),
          "Control": np.random.choice([1,0], p=[0.1, 0.9], size=n),
          "Experimental": np.random.choice([1,0], p=[0.1+0.1, 0.9-0.1], size=n)},
         orient='columns'
    )

    df = df.set_index(["Gene","Cells"])
    
    return df

# create a list of gene based simulations generated using your procedure
gene_df_list = [generate_gene_df(gene, n) for gene in gene_list]

single_genes_df = pd.concat(gene_df_list)
single_genes_df = single_genes_df.reset_index()


table = pd.crosstab([single_genes_df["Gene"], single_genes_df["Cells"]], 
                    [single_genes_df["Control"], single_genes_df["Experimental"]])
table

如何外推列联表分析？

How to extrapolate cross tabulation analysis?

statistics

machine-learning

pandas