我有以下数据框。
df.head(30)
struct_id resNum score_type_name score_value
0 4294967297 1 omega 0.064840
1 4294967297 1 fa_dun 2.185618
2 4294967297 1 fa_dun_dev 0.000027
3 4294967297 1 fa_dun_semi 2.185591
4 4294967297 1 ref -1.191180
5 4294967297 2 rama -0.795161
6 4294967297 2 omega 0.222345
7 4294967297 2 fa_dun 1.378923
8 4294967297 2 fa_dun_dev 0.028560
9 4294967297 2 fa_dun_rot 1.350362
10 4294967297 2 p_aa_pp -0.442467
11 4294967297 2 ref 0.249477
12 4294967297 3 rama 0.267443
13 4294967297 3 omega 0.005106
14 4294967297 3 fa_dun 0.020352
15 4294967297 3 fa_dun_dev 0.025507
16 4294967297 3 fa_dun_rot -0.005156
17 4294967297 3 p_aa_pp -0.096847
18 4294967297 3 ref 0.979644
19 4294967297 4 rama -1.403292
20 4294967297 4 omega 0.212160
21 4294967297 4 fa_dun 4.218029
22 4294967297 4 fa_dun_dev 0.003712
23 4294967297 4 fa_dun_semi 4.214317
24 4294967297 4 p_aa_pp -0.462765
25 4294967297 4 ref -1.960940
26 4294967297 5 rama -0.600053
27 4294967297 5 omega 0.061867
28 4294967297 5 fa_dun 3.663050
29 4294967297 5 fa_dun_dev 0.004953
根据pivot文档,我应该能够使用pivot函数在score_type_name上重新构造这个。
df.pivot(columns='score_type_name',values='score_value',index=['struct_id','resNum'])
但是,我明白了。
不过,pivot_table函数似乎起作用:
pivoted = df.pivot_table(columns='score_type_name',
values='score_value',
index=['struct_id','resNum'])
但至少对我来说,它不适合作进一步的分析。我希望它只将struct_id、resNum和score_type_name作为列,而不是将score_type_name叠加在其他列之上。另外,我希望struct_id是针对每一行的,而不是像对表那样聚合在一个连接行中。
那么有谁能告诉我怎样才能得到一个像我想用pivot那样好的数据帧呢?另外,从文档中,我不知道pivot_table为什么工作而pivot不工作。如果我看pivot的第一个示例,它看起来正是我所需要的。
附则。 我确实发布了一个关于这个问题的问题,但是我在演示输出方面做得太差了,我删除了它,然后使用ipython笔记本再次尝试。如果你看了两遍,我会事先道歉的。
Here is the notebook for your full reference
编辑-我想要的结果如下(用excel制作):
StructId resNum pdb_residue_number chain_id name3 fa_dun fa_dun_dev fa_dun_rot fa_dun_semi omega p_aa_pp rama ref
4294967297 1 99 A ASN 2.1856 0.0000 2.1856 0.0648 -1.1912
4294967297 2 100 A MET 1.3789 0.0286 1.3504 0.2223 -0.4425 -0.7952 0.2495
4294967297 3 101 A VAL 0.0204 0.0255 -0.0052 0.0051 -0.0968 0.2674 0.9796
4294967297 4 102 A GLU 4.2180 0.0037 4.2143 0.2122 -0.4628 -1.4033 -1.9609
4294967297 5 103 A GLN 3.6630 0.0050 3.6581 0.0619 -0.2759 -0.6001 -1.5172
4294967297 6 104 A MET 1.5175 0.2206 1.2968 0.0504 -0.3758 -0.7419 0.2495
4294967297 7 105 A HIS 3.6987 0.0184 3.6804 0.0547 0.4019 -0.1489 0.3883
4294967297 8 106 A THR 0.1048 0.0134 0.0914 0.0003 -0.7963 -0.4033 0.2013
4294967297 9 107 A ASP 2.3626 0.0005 2.3620 0.0521 0.1955 -0.3499 -1.6300
4294967297 10 108 A ILE 1.8447 0.0270 1.8176 0.0971 0.1676 -0.4071 1.0806
4294967297 11 109 A ILE 0.1276 0.0092 0.1183 0.0208 -0.4026 -0.0075 1.0806
4294967297 12 110 A SER 0.2921 0.0342 0.2578 0.0342 -0.2426 -1.3930 0.1654
4294967297 13 111 A LEU 0.6483 0.0019 0.6464 0.0845 -0.3565 -0.2356 0.7611
4294967297 14 112 A TRP 2.5965 0.1507 2.4457 0.5143 -0.1370 -0.5373 1.2341
4294967297 15 113 A ASP 2.6448 0.1593 0.0510 -0.5011
对于仍然对
pivot
和pivot_table
之间的区别感兴趣的人来说,主要有两个区别:pivot_table
是pivot
的泛化,它可以处理一个支点索引/列对的重复值。具体来说,可以使用关键字参数aggfunc
给pivot_table
一个聚合函数列表。pivot_table
的默认aggfunc
是numpy.mean
。pivot_table
还支持对透视表的索引和列使用多个列。系统将自动为您生成层次索引。参考号:^{} 和^{}
我不太明白,但我会试试的。我通常使用stack/unstack而不是pivot,这更接近您想要的吗?
我不知道为什么你的轴心不工作(在我看来似乎应该这样做,但我可能是错的),但它似乎工作(或至少不给一个错误),如果我离开'结构id'。当然,对于“struct\u id”有多个不同值的完整数据集,这并不是一个真正有用的解决方案。
编辑添加:
reset_index()
将从多索引(分层)转换为更平缓的样式。列名中仍然存在一些层次结构,有时最简单的方法就是执行df.columns=['var1','var2',...]
操作,尽管如果执行一些搜索,还有更复杂的方法。df.set_index(['struct_id','resNum','score_type_name']).unstack().reset_index()
我调试了一下。
在内部,它们都使用reset_index()/stack()/unstack()来完成任务。
pivot()只是简单用法的捷径,我认为。
相关问题 更多 >
编程相关推荐