從數據幀

Question

重命名索引的子集我有一個數據幀，看起來像這樣

Geneid PRKCZ.exon1 PRKCZ.exon2 PRKCZ.exon3 PRKCZ.exon4 PRKCZ.exon5 PRKCZ.exon6 PRKCZ.exon7 PRKCZ.exon8 PRKCZ.exon9 PRKCZ.exon10 ... FLNA.exon31 FLNA.exon32 FLNA.exon33 FLNA.exon34 FLNA.exon35 FLNA.exon36 FLNA.exon37 FLNA.exon38 MTCP1.exon1 MTCP1.exon2 
S28 22 127 135 77 120 159 49 38 409 67 ... 112 104 37 83 47 18 110 70 167 19 
22 3 630 178 259 142 640 77 121 521 452 ... 636 288 281 538 276 109 242 314 790 484 
S04 16 658 320 337 315 881 188 162 769 577 ... 1291 420 369 859 507 208 554 408 1172 706 
56 26 663 343 390 314 1090 263 200 844 592 ... 675 243 250 472 280 133 300 275 750 473 
S27 13 1525 571 1081 560 1867 427 370 1348 1530 ... 1817 926 551 1554 808 224 971 1313 1293 701 
5 rows × 8297 columns 

在上述數據幀我需要與有關索引的信息添加一個額外的列。因此，我列出了一份名單 - 健康的所有索引都被標記爲h，其餘的一切都應該是d。

所以嘗試了以下幾行：

healthy=['39','41','49','50','51','52','53','54','56'] 

H_type =pd.Series(['h' for x in df.loc[healthy] 
        else 'd' for x in df]).to_frame() 

但它扔了我以下錯誤：

SyntaxError: invalid syntax 

任何幫助將非常感激

在我的目標東西到底像這樣：

Geneid sampletype SSX4.exon4 SSX2.exon11 DUX4.exon5 SSX2.exon3 SSX4.exon5 SSX2.exon10 SSX4.exon7 SSX2.exon9 SSX4.exon8 ... SETD2.exon21 FAT2.exon15 CASC5.exon8 FAT1.exon21 FAT3.exon9 MLL.exon31 NACA.exon7 RANBP2.exon20 APC.exon16 APOB.exon4 
    S28 h 0 0 0 0 0 0 0 0 0 ... 2480 2003 2749 1760 2425 3330 4758 2508 4367 4094 
    22 h 0 0 0 0 0 0 0 0 0 ... 8986 7200 1
    S04 h 0 0 0 0 0 0 0 0 0 ... 14518 16657 17500 15996 17367 17948 18037 19446 24179 28924 
    56 h 0 0 0 0 0 0 0 0 0 ... 17784 17846 20811 17337 18135 19264 19336 22512 28318 32405 
    S27 h 0 0 0 0 0 0 0 0 0 ... 10375 20403 11559 18895 18410 12754 21527 11603 16619 37679 

謝謝

Answer 1

我認爲你可以使用numpy.where與isin，如果Geneid是列。

編輯的評論：

可以有Geneid列integers，這樣你就可以通過astype轉換爲string。

healthy=['39','41','49','50','51','52','53','54','56'] 

df['type'] = np.where(df['Geneid'].astype(str).isin(healthy), 'h', 'd') 

#get last column to list 
print df.columns[-1].split() 
['type'] 

#create new list from last column and all columns without last 
cols = df.columns[-1].split() + df.columns[:-1].tolist() 
print cols 
['type', 'Geneid', 'PRKCZ.exon1', 'PRKCZ.exon2', 'PRKCZ.exon3', 'PRKCZ.exon4', 
'PRKCZ.exon5', 'PRKCZ.exon6', 'PRKCZ.exon7', 'PRKCZ.exon8', 'PRKCZ.exon9', 
'PRKCZ.exon10', 'FLNA.exon31', 'FLNA.exon32', 'FLNA.exon33', 'FLNA.exon34', 
'FLNA.exon35', 'FLNA.exon36', 'FLNA.exon37', 'FLNA.exon38', 'MTCP1.exon1', 'MTCP1.exon2'] 

#reorder columns 
print df[cols] 
    type Geneid PRKCZ.exon1 PRKCZ.exon2 PRKCZ.exon3 PRKCZ.exon4 \ 
0 d S28   22   127   135   77 
1 d  22   3   630   178   259 
2 d S04   16   658   320   337 
3 h  56   26   663   343   390 
4 d S27   13   1525   571   1081 

    PRKCZ.exon5 PRKCZ.exon6 PRKCZ.exon7 PRKCZ.exon8  ...  \ 
0   120   159   49   38  ...   
1   142   640   77   121  ...   
2   315   881   188   162  ...   
3   314   1090   263   200  ...   
4   560   1867   427   370  ...   

    FLNA.exon31 FLNA.exon32 FLNA.exon33 FLNA.exon34 FLNA.exon35 \ 
0   112   104   37   83   47 
1   636   288   281   538   276 
2   1291   420   369   859   507 
3   675   243   250   472   280 
4   1817   926   551   1554   808 

    FLNA.exon36 FLNA.exon37 FLNA.exon38 MTCP1.exon1 MTCP1.exon2 
0   18   110   70   167   19 
1   109   242   314   790   484 
2   208   554   408   1172   706 
3   133   300   275   750   473 
4   224   971   1313   1293   701 

[5 rows x 22 columns] 

Answer 2

您可以使用熊貓isin() 首先添加一個名爲'sampletype'的額外列並填充'd'。然後，找到所有健康生物樣本，並填入'h'。假設你的主數據框被稱爲df，那麼你會使用類似：

healthy = ['39','41','49','50','51','52','53','54','56'] 
df['sampletype'] = 'd' 
df['sampletype'][df['Geneid'].isin(healthy)]='h'