熊猫：从一行中选择多列

Question

我有一个脚本可以为我做事，但效率很低。我要求代码审查人员提供一些帮助，并被告知要尝试使用熊猫。这就是我所做的，但我很难理解它是如何工作的。我试着在这里阅读文档和其他问题，但我找不到任何答案。

所以，我有一个数据帧与少量的行（20到几百）和较少的列数。我已经使用了read_table大熊猫函数来获取在.TXT格式的原始数据，它看起来像这样：

[ID1, Gene1, Sequence1, Ratio1, Ratio2, Ratio3] 
[ID1, Gene1, Sequence2, Ratio1, Ratio2, Ratio3] 
[ID2, Gene2, Sequence3, Ratio1, Ratio2, Ratio3] 
[ID2, Gene3, Sequence4, Ratio1, Ratio2, Ratio3] 
[ID3, Gene3, Sequence5, Ratio1, Ratio2, Ratio3] 

...有一大堆无关紧要的列一起。

我希望能够做的是从每个序列中选择所有比率，并对它们进行一些计算和统计（每个序列的所有3个比率，即）。我试过

df.groupby('Sequence') 
for col in df: 
    do something/print(col)/print(col[0]) 

......但这只会让我更困惑。如果我通过打印（col），我会打印某种df结构，而如果我通过打印（col [0]），我只能得到序列。据我可以在构造中看到，我应该仍然有所有其他列和他们的数据，因为groupby（）不会删除任何数据，它只是通过一些输入列分组。我究竟做错了什么？

虽然我还没有得到那么多，但由于上述问题，我还希望我的脚本能够为每个ID选择所有比率并对它们执行相同的计算，但这次每个比率都是由本身（即ID1的所有行的Ratio1，Ratio2的相同等）。最后，为每个基因做同样的事情。

编辑：

所以，说我想执行的行中的每一个比这个计算，然后取这三个结果值的中位数：

df[Value1] = spike[data['ID']]/float(data['Ratio 1]) * (10**-12) * (6.022*10**23)/(1*10**6) 
df[Value2] = spike[data['ID']]/float(data['Ratio 2]) * (10**-12) * (6.022*10**23)/(1*10**6) 
df[Value3] = spike[data['ID']]/float(data['Ratio 3]) * (10**-12) * (6.022*10**23)/(1*10**6) 

...其中尖峰一个字典，并且这些键是这些ID。忽略字典部分，我可以进行计算（谢谢！），但是如何使用数据框ID访问字典？使用上面的代码，我只是得到一个“不可能的类型：系列”错误。

下面是一些真实的数据：

ID Gene Sequence Ratio1 Ratio2 Ratio3 
1 KRAS SFEDXXYR 15.822 14.119 14.488 
2 KRAS VEDAXXXLVR 9.8455 8.9279 16.911 
3 ELK4 IEXXXCESLNK 15.745 7.9122 9.5966 
3 ELK4 IEGXXXSLNKR 1.177 NaN  12.073 

Answer 1

1. df.groupby()不修改/组df到位。所以你必须把结果赋给一个新变量以进一步使用它。例如。 ：

   grouped = df.groupby('Sequence') 
   

   顺便说一句，在你给的数据。例如，在Sequence列中的所有数据都是独一无二的，所以分组该列不会做太大。
   此外，您通常不需要像在此处那样“遍历df”。要将功能应用于所有组，可以直接在组别结果上执行此操作，例如df.groupby().apply(..)或df.groupby().aggregate(..)。

2. 你可以举一个更具体的例子来说明你想应用于比率的功能吗？

   要计算三个比率的中位数为每个序列（每行），你可以这样做：

   df[['Ratio1', 'Ratio2', 'Ratio3']].median(axis=1) 
   

   的axis=1意味着你不想拿一列的中位数（超过行），但每行（在列）

另一个examle，计算所有比1的每个ID的中位数，你可以这样做：

df.groupby('ID')['Ratio1'].median() 

在这里，您通过组ID，选择列Ratio1并计算每个组的中值。

---

UPDATE：你应该分裂问题成单独的，但作为一个回答你的新问题：

data['ID']会给你ID列，所以你不能用它作为重点。您需要该列的一个具体值。要在数据帧的每一行上应用函数，可以使用apply：

def my_func(row): 
    return spike[row['ID']]/float(row['Ratio 1']) * (10**-12) * (6.022*10**23)/(1*10**6) 

df['Value1'] = df.apply(my_func, axis=1)