Pandas-合并行并添加带有get_dummies的列
使用以下数据帧：
import pandas as pd
df=pd.DataFrame(data=[[1,5179530,'rs10799170',8.1548,'E001'], [1,5179530,'rs10799170',8.1548,'E002'], [1,5179530,'rs10799170',8.1548,'E003'], [1,455521,'rs235884',2.584,'E003'], [1,455521,'rs235884',2.584,'E007']], col umns=['CHR','BP','SNP','CM','ANNOT'])
CHR BP SNP CM ANNOT
0 1 5179530 rs10799170 8.1548 E001
1 1 5179530 rs10799170 8.1548 E002
2 1 5179530 rs10799170 8.1548 E003
3 1 455521 rs235884 2.5840 E003
4 1 455521 rs235884 2.5840 E007
我想获得
CHR BP SNP CM E001 E002 E003 E007
0 1 5179530 rs10799170 8.1548 1 1 1 0
1 1 455521 rs235884 2.5840 0 0 1 1
我分别尝试了Groupby（）和get_dummies（）
df.groupby(['CHR','BP','SNP','CM']).sum()
CHR BP SNP CM ANNOT
1 455521 rs235884 2.5840 E003E007
5179530 rs10799170 8.1548 E001E002E003
pd.get_dummies(df['ANNOT'])
E001 E002 E003 E007
0 1 0 0 0
1 0 1 0 0
2 0 0 1 0
3 0 0 1 0
4 0 0 0 1
但我不知道如何将两者结合起来，或者是否有其他方法。
共有3个答案
这里有一种方法，使用groupby和apply
In [66]: (df.groupby(['CHR', 'BP', 'SNP', 'CM'])
.apply(lambda x: {y:1 for y in x['ANNOT']})
.apply(pd.Series)
.fillna(0)
.reset_index())
Out[66]:
CHR BP SNP CM E001 E002 E003 E007
0 1 455521 rs235884 2.5840 0.0 0.0 1.0 1.0
1 1 5179530 rs10799170 8.1548 1.0 1.0 1.0 0.0
你很接近！只要将这两种技术结合起来：
dummies = pd.get_dummies(df['ANNOT'])
combine = pd.concat([df, dummies], axis=1)
out = combine.groupby(['BP','CHR','SNP','CM']).sum().reset_index()
或者根据您的应用程序，您可能希望使用. max而不是和。请注意，我更改了组中的顺序，以防止一个hr组。只需按您想要的顺序获取结果：
out = out[['CHR', 'BP', 'SNP', 'CM'] + list(dummies)]
正如@Dadep在他们的评论中指出的，这可以通过数据透视表来实现。如果你想坚持你的get_dummiesGroupby技术，你可以这样做：
pd.concat([df, pd.get_dummies(df.ANNOT)], 1).groupby(['CHR','BP','SNP','CM']).sum().reset_index()
这首先连接你的数据框和get_dummies调用的输出，然后它根据相关的列对结果进行分组，在这些组中获取这些列的总和，然后重置索引，这样你就不必处理多索引了数据帧。结果看起来像：
CHR BP SNP CM E001 E002 E003 E007
0 1 455521 rs235884 2.5840 0 0 1 1
1 1 5179530 rs10799170 8.1548 1 1 1 0
-
问题内容： 我有一个带有4列的（example-）数据框： 我现在想将B，C和D列合并/合并到新的E列，如本例所示： 我在这里发现了一个非常类似的问题，但这在A列的末尾添加了合并的列B，C和D： 感谢帮助。 问题答案： 选项1 使用和 选项2 使用分配和 选项3 最近，我喜欢第3个选项。 使用
-
问题内容： 可以说我有一个DataFrame如下： 我想创建一个新的DataFrame像这样： 可能的代码是什么？ 问题答案： 1.使用Python 3.6+更新，使用带有列表理解功能的f字符串格式： 2.使用和： 3.如果您的列具有数字数据类型，请使用和： 输出：
-
问题内容： 我的MySQL表具有以下结构： 我想将以上三列合并为一列，如下所示： 我想将此“组合”列添加到表的末尾而不破坏原始的3个字段。 问题答案： 创建列： 更新当前值： 自动更新所有未来值：
-
问题内容： CREATE TABLE logistics ( id int primary key, campaign VARCHAR(255), event_type VARCHAR (255), date_offered VARCHAR (255), date_ordered DATE, date_delivered DATE, date_recorded DATE, date_complet
-
我想通过添加新列“count”来合并重复行 我想要的最终数据帧 行可以按任何顺序排列
-
问题内容： 假设我有两个这样的DataFrame： 我想合并它们，所以我尝试这样的事情： 我很开心 但是我正在尝试使用join方法，我被认为这是非常相似的。 我得到这个： 我想念什么？ 问题答案： 我总是在索引上使用： 通过在以下各列上使用，可以具有相同的功能：