Панды реплицируют и редактируют 'n' строк на основе значений из двух других столбцов

1

Рассматривая следующий блок данных df ниже:

from numpy import nan
import pandas as pd
d = {'x': {0: 'MT', 1: 'MT', 2: 'MT', 3: 'MT', 4: 'MT', 3379: 'MT', 3406: 'MT', 4184: 'MT', 4248: 'MT'}, 'Position': {0: 3, 1: 5, 2: 5, 3: 6, 4: 6, 3379: 568, 3406: 573, 4184: 16184, 4248: 16193}, 'Reference': {0: 'T', 1: 'A', 2: 'A', 3: 'C', 4: 'C', 3379: 'C', 3406: 'C', 4184: 'C', 4248: 'C'}, 'Variant': {0: 'C', 1: 'G', 2: 'C', 3: 'T', 4: 'G', 3379: 'C', 3406: 'C', 4184: 'C', 4248: 'C'}, 'Min': {0: nan, 1: nan, 2: nan, 3: nan, 4: nan, 3379: 2.0, 3406: 2.0, 4184: 2.0, 4248: 2.0}, 'Max': {0: nan, 1: nan, 2: nan, 3: nan, 4: nan, 3379: 8.0, 3406: 8.0, 4184: 5.0, 4248: 3.0}}

df = pd.DataFrame(d)

Мы видим, что под столбцами Min и Max меня есть NaN а также плавает. В конечном счете то, что я пытаюсь сделать, - это копировать буквы в Variant n раз, тогда как число, которое будет тиражировать это письмо, определяется значениями Min и Max

Там, где есть NaN под Min или Max, наблюдения по Variant должны оставаться неизменными.

Для каждой из строк, в которых есть float под Min или Max я буду реплицировать строки под ними n раз, где n равно Max - Min.

После репликации столбцов я буду редактировать наблюдения в разделе Variant соответствии со значениями, указанными Min и Max.

Например, учитывая строку индекса 3379, я буду копировать этот столбец 8 - 2 = 6 раз, так что у меня будет в общей сложности семь одинаковых строк. Теперь я должен "увеличить" или объединить obsevations в Variant n раз, от Min до Max, так что, рассматривая эту строку (или индекс 3379), мои репликации будут выглядеть следующим образом:

d1 = {'x':{3379: 'MT', 3380:'MT', 3381:'MT', 3382:'MT', 3383:'MT', 3384:'MT', 3385:'MT'}, 
      'Position':{3379:568, 3380:568, 3381:568, 3382:568, 3383:568, 3384:568, 3385:568},
      'Reference':{3379:'C', 3380:'C', 3381:'C', 3382:'C', 3383:'C', 3384:'C', 3385:'C'},
      'Variant':{3379:'CC', 3380:'CCC', 3381:'CCCC', 3382:'CCCCC', 3383:'CCCCCC', 3384:'CCCCCCC', 3385:'CCCCCCCC'},
      'Min':{3379:2.0, 3380:2.0, 3381:2.0, 3382:2.0, 3383:2.0, 3384:2.0, 3385:2.0},
      'Max':{3379:8.0, 3380:8.0, 3381:8.0, 3382:8.0, 3383:8.0, 3384:8.0, 3385:8.0}}

df1 = pd.DataFrame(d1)

Я хотел бы сделать это для всех строк, в которых наблюдения под Min и Max не являются NaNs

Теги:
pandas

1 ответ

2
Лучший ответ

IIUC, используя конструктор по умолчанию и np.repeat

n = (df['Max'] - df['Min'] + 1).fillna(1).astype(int)
df2 = pd.DataFrame({c: df[c].values.repeat(n, axis=0) for c in df.columns}, 
                   index=df.index.repeat(n))

m = df[['Min', 'Max']].notnull().all(1)
df2.loc[m, 'Variant'] = df2.loc[m, 'Variant'] * df2.loc[m].groupby(df2.loc[m].index).cumcount().add(2)

        x       Position   Reference    Variant     Min Max
0       MT      3          T                  C     NaN NaN
1       MT      5          A                  G     NaN NaN
2       MT      5          A                  C     NaN NaN
3       MT      6          C                  T     NaN NaN
4       MT      6          C                  G     NaN NaN
3379    MT      568        C                 CC     2.0 8.0
3379    MT      568        C                CCC     2.0 8.0
3379    MT      568        C               CCCC     2.0 8.0
3379    MT      568        C              CCCCC     2.0 8.0
3379    MT      568        C             CCCCCC     2.0 8.0
3379    MT      568        C            CCCCCCC     2.0 8.0
3379    MT      568        C           CCCCCCCC     2.0 8.0
Поделиться
  • 0
    Очень близко, единственное, что ваш код реплицирует ('C') от одного до семи, тогда как я хочу повторить от двух до восьми, т.е. между значениями, указанными в Min и Max
  • 0
    Я собирался просмотреть ваш код, чтобы проверить, где я могу это сделать. Во всяком случае, вы получили ответ быстрее, большое спасибо
Показать ещё 1 комментарий

Ещё вопросы

Сообщество Overcoder
Наверх
Меню