在Pandas lambda函數中訪問組

Question

我有一個帶有多索引的Pandas數據框。等級0是'應變'，等級1是'JGI庫'。每個「Strain」都有幾個與之關聯的「JGI庫」列。我想使用lambda函數來應用t檢驗來比較兩個不同的菌株。爲了排除故障，我使用.iloc [0]命令佔用了一行數據幀。

row = pvalDf.iloc[0] 
parent = 'LL1004' 
child = 'LL345' 
ttest_ind(row.groupby(level='Strain').get_group(parent), row.groupby(level='Strain').get_group(child))[1] 

這個按預期工作。現在我試着將它應用到我的整個數據幀

parent = 'LL1004' 
child = 'LL345' 
pvalDf = countsDf4.apply(lambda row: ttest_ind(row.groupby(level='Strain').get_group(parent), row.groupby(level='Strain').get_group(child))[1]) 

現在，我得到一個錯誤信息說，「ValueError異常：（‘級別名稱應變是不是索引的名字’，「發生在指數（LL1004，BCHAC ）'）「

'LL1004'是'Strain'，但是Pandas似乎並沒有意識到這一點。它看起來也許multiindex沒有正確傳遞給lambda函數？是否有更好的方法來解決lambda函數比使用.iloc [0]？

我把我Jupyter筆記本的副本和一個excel與countsDf4數據幀文件在Github上https://github.com/danolson1/pandas_ttest

感謝， 丹

Answer 1

如何更簡單地說：

pvalDf = countsDf4.apply(lambda row: ttest_ind(row[parent], row[child]), axis=1) 

我已經在你的筆記本上測試過它，它工作。

您的問題是，DataFrame.apply()默認情況下適用於每個列，而不是每行。因此，您需要指定axis=1參數來覆蓋默認行爲並逐行應用函數。

此外，當您只需按row[x]索引列組時，就沒有理由使用row.groupby(level='Strain').get_group(x)。 :)