2

我正在尝试迭代或创建一个循环遍历 pandas 数据框中的列的函数。该函数应该获取每列中的值并在更大的文件中搜索这些值。然后我希望它提取这些目标值的等级并获得一个向量，其中包含从所有 100 列中获得的值的等级和。

100 列文件名为 Simulation.txt，如下所示：

SIM0    SIM1    SIM2    ...SIM100
rs168   rs668   rs228   ...rs930
rs466   rs751   rs109   ...rs216
rs484   rs139   rs636   ...rs755
rs104   rs226   rs1540  ...rs671
rs123   rs377   rs732   ...rs672

我需要搜索的较大文件是 rs_ranks.txt，它看起来像这样：

rsid    Rank
rs168   1
rs464   2
rs485   3
rs110   4
rs129   5
rs297   6
rs139   7
.       .
.       .
.       .
.       .
.       .
rs105   2498509

我想从simulation.txt中提取SIM0，然后我想从rs_ranks.txt中的SIM0中获取rs数字的排名。在我得到 SIM0 列中 rs 数字的排名后，我想计算排名和。

示例：如果我要从 rs_ranks 中提取 SIM0 的等级，我会得到这样的结果：

    SIM0    Rank
    rs168   1
    rs466   49
    rs484   398208
    rs104   402487
    rs123   2972

SIM0 的秩和为=803717 rank_sum_vector(803717,SIM1_ranksum,SIM2_ranksum,SIM100_ranksum)

最后，我希望能够对所有 100 列模拟文本执行此操作，因此最后我有一个包含 100 个秩和值的秩和向量，对应于所有 100 列。

请帮忙！我不知道如何创建一个将遍历每一列并执行此操作的函数。我一直在考虑使用合并功能，但我不知道该怎么做。谢谢！

4

1 回答 1

0

您可以applymap使用Seriesget方法：

In [11]: res = df.applymap(rs.get)

In [12]: res
Out[12]:
   SIM0  SIM1  SIM2
0   388   386   491
1   148   471   171
2   162   261   276
3   910   780   445
4   952   673   367

然后sum：

In [13]: df.sum()
Out[13]:
SIM0    2560
SIM1    2571
SIM2    1750
dtype: int64

（我使用了一系列随机rs整数，而不是你给出的部分）

要获取 DataFrame 和 Series，您可以使用read_csv如下方式：

In [31]: df = pd.read_csv('simulation.txt')

In [32]: rs = pd.read_csv('rs_ranks.txt').set_index('rsid')['Rank']

In [33]: rs
Out[33]:
rsid
rs168    1
rs464    2
rs485    3
rs110    4
rs129    5
rs297    6
rs139    7
Name: Rank, dtype: int64
于 2013-07-02T20:39:38.057 回答