首页 / PYTHON / python-如何从列中拆分字符串以创建长格式数据框

python-如何从列中拆分字符串以创建长格式数据框

内容导读

互联网集市收集整理的这篇技术教程文章主要介绍了python-如何从列中拆分字符串以创建长格式数据框，小编现在分享给大家，供广大互联网技能从业者学习和参考。文章包含2742字，纯文字阅读大概需要4分钟。

内容图文

如果我有以下所示的数据框,如何制作长格式的数据框(即每个基因每行一个术语).

我想我将必须将split(“,”)应用于或映射到Term列,但是在那之后我该怎么办？

import pandas as pd
from StringIO import StringIO

df = pd.read_table(StringIO("""Gene    Terms
Mt-nd1  GO:0005739,GO:0005743,GO:0016021,GO:0030425,GO:0043025,GO:0070469,GO:0005623,GO:0005622,GO:0005737
Madd    GO:0016021,GO:0045202,GO:0005886
Zmiz1   GO:0005654,GO:0043231
Cdca7   GO:0005622,GO:0005623,GO:0005737,GO:0005634,GO:0005654"""), sep="\s+")

附言上表经过了简化,实际df将有更多列.

psps.如果我不清楚,我想以类似以下内容结束：

Mt-nd1  GO:0005739
Mt-nd1  GO:0005743
Mt-nd1  GO:0016021
...
Cdca7   GO:0005634
Cdca7   GO:0005654

解决方法:

您可以使用str.split进行拆分(而不是应用和拆分方法,但类似)：

In [6]: splitted = df['Terms'].str.split(',', expand=True)

In [7]: splitted 
Out[7]:
            0           1           2           3           4           5  0  GO:0005739  GO:0005743  GO:0016021  GO:0030425  GO:0043025  GO:0070469
1  GO:0016021  GO:0045202  GO:0005886         NaN         NaN         NaN
2  GO:0005654  GO:0043231         NaN         NaN         NaN         NaN
3  GO:0005622  GO:0005623  GO:0005737  GO:0005634  GO:0005654         NaN

            6           7           8
0  GO:0005623  GO:0005622  GO:0005737
1         NaN         NaN         NaN
2         NaN         NaN         NaN
3         NaN         NaN         NaN

要将其变成列(而不是列表),可以使用expand = True关键字进行拆分,或者对于较旧的熊猫版本,可以执行df [‘Terms’].str.split(‘,’).apply(pd.系列)获得相同的结果.

现在,为了获得所需的输出,我们必须堆叠这些列,但首先将其与genes列合并,以在堆叠的框架中包含此信息：

In [14]: stacked = pd.concat([df['Gene'], splitted],axis=1).set_index('Gene').stack()
In [15]: stacked
Out[15]:
Gene
Mt-nd1  0    GO:0005739
        1    GO:0005743
        2    GO:0016021
        3    GO:0030425
        4    GO:0043025
        5    GO:0070469
        6    GO:0005623
        7    GO:0005622
        8    GO:0005737
Madd    0    GO:0016021
        1    GO:0045202
        2    GO:0005886
Zmiz1   0    GO:0005654
        1    GO:0043231
Cdca7   0    GO:0005622
        1    GO:0005623
        2    GO:0005737
        3    GO:0005634
        4    GO:0005654
dtype: object

从这里,我们可以重置索引,用术语重命名我们的列,并删除不再需要的整数列(从自动生成的列名称中删除)：

In [19]: stacked.rename(columns={0:'Term'}).drop('level_1', axis=1)
Out[19]:
      Gene        Term
0   Mt-nd1  GO:0005739
1   Mt-nd1  GO:0005743
2   Mt-nd1  GO:0016021
3   Mt-nd1  GO:0030425
4   Mt-nd1  GO:0043025
5   Mt-nd1  GO:0070469
6   Mt-nd1  GO:0005623
7   Mt-nd1  GO:0005622
8   Mt-nd1  GO:0005737
9     Madd  GO:0016021
10    Madd  GO:0045202
11    Madd  GO:0005886
12   Zmiz1  GO:0005654
13   Zmiz1  GO:0043231
14   Cdca7  GO:0005622
15   Cdca7  GO:0005623
16   Cdca7  GO:0005737
17   Cdca7  GO:0005634
18   Cdca7  GO:0005654

如何将其与您所拥有的其他列组合或合并,将取决于您确切要如何处理.

内容总结

以上是互联网集市为您收集整理的python-如何从列中拆分字符串以创建长格式数据框全部内容，希望文章能够帮你解决python-如何从列中拆分字符串以创建长格式数据框所遇到的程序开发问题。 如果觉得互联网集市技术教程内容还不错，欢迎将互联网集市网站推荐给程序员好友。

内容备注

版权声明：本文内容由互联网用户自发贡献，该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请发送邮件至 gblab@vip.qq.com 举报，一经查实，本站将立刻删除。

内容手机端

扫描二维码推送至手机访问。

本文链接：https://qyyshop.com/info/680624.html

来源：【匿名】