Python 为数据集生成所有排列
我有一个数据框,看起来像这样:Python 为数据集生成所有排列,python,pandas,combinations,permutation,Python,Pandas,Combinations,Permutation,我有一个数据框,看起来像这样: df1 = pd.DataFrame({'Gene':['TP53', 'COX5', 'P16'], 'test':[1,3,0], 'Healthy':[0,0,2]}) Gene test Healthy 0 TP53 1 0 1 COX5 3 0 2 P16 0 2 我一直在尝试创建所有可能值的排列。 其想法是将第一个基因“TP53”及其在“test”列中的值映射到
df1 = pd.DataFrame({'Gene':['TP53', 'COX5', 'P16'], 'test':[1,3,0], 'Healthy':[0,0,2]})
Gene test Healthy
0 TP53 1 0
1 COX5 3 0
2 P16 0 2
我一直在尝试创建所有可能值的排列。
其想法是将第一个基因“TP53”及其在“test”列中的值映射到每一个其他基因,并记录“health”列的值
例如,最初TP53将映射到自身:TP53:TP53:1:0
然后TP53将从健康列映射到COX5:TP53:COX5:1:0
然后是下一个基因:TP53:P16:1:2
接下来,将使用“测试”列中的值映射基因COX5,以与“健康”列进行比较:COX5:TP53:3:0
然后:COX5:COX5:3:0
因此,最终将生成下表:
All_combinations
TP53:TP53:1:0
TP53:COX5:1:0
TP53:P16:1:2
COX5:TP53:3:0
COX5:COX5:3:0
COX5:P16:3:2
P16:TP53:0:0
P16:COX5:0:0
P16:P16:0:2
我尝试了以下代码,但遇到了困难
import pandas as pd
df1 = pd.DataFrame({'Gene':['TP53', 'COX5', 'P16'], 'test':[1,3,0], 'Healthy':[0,0,2]})
df2 = df1.transpose()
df2.columns = df2.iloc[0]
df2 = df2.iloc[1:]
from itertools import product
uniques = [df1[i].unique().tolist() for i in df1.iloc[:,[1,2]]]
pd.DataFrame(product(*uniques), columns = df2.iloc[:,])
真正的数据集有32000多行,所以运行速度快的东西会很好。
感谢您的帮助此代码是否解决了您的问题
将熊猫作为pd导入
df1=pd.DataFrame({'Gene':['TP53','COX5','P16'],'test':[1,3,0],'health':[0,0,2]})
#将所有组合创建为元组。
#请注意,测试取自gene1,但健康取自gene2
#枚举用于获取与该基因相关的行号
行列表=[]
对于i,枚举中的gene1(df1.Gene):
对于j,枚举中的gene2(df1.Gene):
行_list.append((gene1,gene2,df1.iloc[i].test,df1.iloc[j].health))
#现在用结果创建一个新的dataframe
df2=pd.DataFrame(行列表,列=['Gene1'、'Gene2'、'test'、'健康')
这将产生:
Gene1 Gene2 test Healthy
0 TP53 TP53 1 0
1 TP53 COX5 1 0
2 TP53 P16 1 2
3 COX5 TP53 3 0
4 COX5 COX5 3 0
5 COX5 P16 3 2
6 P16 TP53 0 0
7 P16 COX5 0 0
8 P16 P16 0 2
因为已经给出了
pandas
解决方案。只是展示产品的工作原理
a=[1,3,0]
b=[0,0,2]
from itertools import product
list(product(*[a]+[b]))
[(1, 0), (1, 0), (1, 2), (3, 0), (3, 0), (3, 2), (0, 0), (0, 0), (0, 2)]
请提供预期的价格。显示中间结果与预期结果的偏差。我们应该能够将单个代码块粘贴到文件中,运行它,并重现您的问题。这也让我们可以在您的上下文中测试任何建议。“有困难”不是一个问题规范。您意识到32000行的所有成对组合将为您提供一个超过10亿行的数据帧。。。