Python基于逗号分隔的字符向量列的值融化数据框

Question

我目前正在进行一项测试，在该测试中，我具有不同的区域以及一些相关的统计信息，并且用逗号分隔了这些区域中的基因。该列表的数量是可变的，并且可能不包含任何内容（"NA"）。

如何“融化”此数据框：

 region_id  statistic      genelist
          1        2.5       A, B, C
          2        0.5    B, C, D, E
          3        3.2          <NA>
          4        0.1          E, F

变成这样的东西：

     region_id  statistic gene
           1       2.5    A
           1       2.5    B
           1       2.5    C
           2       0.5    B
           2       0.5    C
           2       0.5    D
           2       0.5    E
           3       3.2 <NA>
           4       0.1    E
           4       0.1    F

Answer 1

使用下面的代码，使用stack将其堆叠', '，然后在上拆分，然后再次对其进行堆叠，因为我们将其堆叠了两次，使用unstack进行了的堆叠-2，然后使用reset_indexwith 重置了索引-1，此后不reset_index使用参数进行最终处理：

print(df.set_index(['region_id', 'statistic'])
   .stack()
   .str.split(', ', expand=True)
   .stack()
   .unstack(-2)
   .reset_index(-1, drop=True)
   .reset_index()
)

Answer 2

使用：

# Splitting on , and joining with region_id and statistic columns
val = pd.concat([df.region_id, 
                 df.statistic, 
                 df.genelist.str.split(',', expand=True)], 
                axis=1)

# Unpivoting and ignoring variable column
m = pd.melt(val, id_vars=['region_id', 'statistic'])\
            .loc[:, ['region_id', 'statistic', 'value']]

# Ignoring Null values and sorting based on region_id
m[m.value.notnull()]\
.sort_values('region_id')\
.reset_index(drop=True)\
.rename(columns={'value':'gene'})

 region_id  statistic gene
       1       2.5    A
       1       2.5    B
       1       2.5    C
       2       0.5    B
       2       0.5    C
       2       0.5    D
       2       0.5    E
       3       3.2 <NA>
       4       0.1    E
       4       0.1    F