我有一个 pandas 数据框，如下所示: 数据由第一列中的 3 个副本组成。这些副本中的每一个都包含相同的元素，即它们各有 2 个序列，而这些序列又由 3 种不同的类型组成:A、R2 和 R3。
Copy sequence type ntv
1 1 A 0.45
1 1 R2 0.878
1 1 R3 1.234
1 2 A -7.890
1 2 R2 2.345
1 2 R3 -0.871
2 1 A -0.098
2 1 R2 -0.007
2 1 R3 9.089
2 2 A 1.567
2 2 R2 -0.764
2 2 R3 17.908
3 1 A 4.980
3 1 R2 2.34
3 1 R3 1.280
3 2 A -9.189
3 2 R2 -7.09
3 2 R3 -0.009
我想创建一个如下所示的数据框，这样对于同一副本中的每个序列，R2 和 R3 的平均值在新行中作为类型“R”给出。我的意思是，例如在副本 1 中，我如何找到每个序列的 R2 和 R3 的平均值。
Copy sequence type ntv
1 1 A 0.45
1 1 R2 0.878
1 1 R3 1.234
1 1 R 1.056
1 2 A -7.890
1 2 R2 2.345
1 2 R3 -0.871
1 2 R 0.737
2 1 A -0.098
2 1 R2 -0.007
2 1 R3 9.089
2 1 R 4.541
2 2 A 1.567
2 2 R2 -0.764
2 2 R3 17.908
2 2 R 8.572
3 1 A 4.980
3 1 R2 2.34
3 1 R3 1.280
3 1 R 1.81
3 2 A -9.189
3 2 R2 -7.09
3 2 R3 -0.009
3 2 R -3.549
这是我目前的代码:
avg_type = [(('R2','R3'),'R')]
for i in set(df['Copy']):
cp = df[df['Copy'] == i]
for i in set(df['sequence']):
seq = df[df['sequence'] == i]
for oldname, newname in avg_type:
avg = seq.loc[seq['type'].isin(oldname)]
if len(avg) > 1:
newrow = avg.loc[avg.index[0]]
newrow['ntv'] = avg['ntv'].mean()
newrow['type'] = newname
df.loc[-1] = newrow
df.index += 1
我只是设法以某种方式弄清楚如何找到每个序列的 R2 和 R3 的平均值(换句话说，我得到 2 个值而不是 6 个)，但即使是新行也没有按照我的意愿正确放置。
如何扩展我的选择标准以同时考虑“复制”编号？我将不胜感激任何关于如何使用 pandas 或 python 进行一般操作的帮助或指导。提前致谢!
请您参考如下方法:
试试这个:
In [68]: df.append(
...: df[df['type'].isin(['R2','R3'])]
...: .groupby(['Copy','sequence'], as_index=False)
...: ['ntv'].mean()
...: .assign(type='R')) \
...: .sort_values(['Copy','sequence'])[df.columns]
...:
Out[68]:
Copy sequence type ntv
0 1 1 A 0.4500
1 1 1 R2 0.8780
2 1 1 R3 1.2340
0 1 1 R 1.0560
3 1 2 A -7.8900
4 1 2 R2 2.3450
5 1 2 R3 -0.8710
1 1 2 R 0.7370
6 2 1 A -0.0980
7 2 1 R2 -0.0070
.. ... ... ... ...
11 2 2 R3 17.9080
3 2 2 R 8.5720
12 3 1 A 4.9800
13 3 1 R2 2.3400
14 3 1 R3 1.2800
4 3 1 R 1.8100
15 3 2 A -9.1890
16 3 2 R2 -7.0900
17 3 2 R3 -0.0090
5 3 2 R -3.5495
[24 rows x 4 columns]
