Pandas/Python: замена значений столбца из другого значения столбца с использованием .replace()
Данные:
import pandas as pd
dict= {'REF': ['A','B','C','D'],
'ALT': [['E','F'], ['G'], ['H','I','J'], ['K,L']],
'sample1': ['0', '0', '1', '2'],
'sample2': ['1', '0', '3', '0']
}
df = pd.DataFrame(dict)
Проблема:
Мне нужно заменить значения в столбцах «Образец1» и «Образец2». Если есть 0, то должно быть помещено значение столбца 'REF'. Если 1, то должен быть размещен первый элемент списка в колонке «ALT», если 2, то второй элемент списка в колонке «ALT» и так далее.
Мое решение:
sample_list = ['sample1', 'sample2']
for sample in sample_list:
#replace 0s
df[sample] = df.apply(lambda x: x[sample].replace('0', x['REF']), axis=1)
#replace other numbers
for i in range(1,4):
try:
df[sample] = df.apply(lambda x: x[sample].replace(f'{i}', x['ALT'][i-1]), axis=1)
except:
pass
Однако, поскольку длина списка различна в каждой строке столбца «ALT», кажется, что существует IndexError, и значения не заменяются после 1. Это видно из вывода:
'{"REF":{"0":"A","1":"B","2":"C","3":"D"},"ALT":{"0":["E","F"],"1":["G"],"2":["H","I","J"],"3":["K"]},"sample1":{"0":"A","1":"B","2":"H","3":"2"},"sample2":{"0":"E","1":"B","2":"3","3":"D"}}'
Как я могу это решить?
ОБНОВЛЯТЬ: Если у меня есть значение NaN в образце1 или образце2, я не могу преобразовать значения в int и не знаю, как пропустить эти значения.
Таким образом, значения NaN не должны преобразовываться и оставаться NaN
Ожидаемый результат:
Даже если это 2 элемента, все равно не работает
Мой вопрос был больше, что следует делать в таких случаях?
Я думаю, что у вас есть опечатка в колонке ALT, K и L должны быть разделены.
Ответы 3
Вы можете сделать:
df['sample1'] = np.where(df['sample1'].eq(0), df['REF'],
[v[max(i - 1, 0)] for v, i in zip(df['ALT'], df['sample1'].astype(int))])
df['sample2'] = np.where(df['sample2'].eq(0), df['REF'],
[v[max(i - 1, 0)] for v, i in zip(df['ALT'], df['sample2'].astype(int))])
print(df)
Выход
REF ALT sample1 sample2
0 A [E, F] E E
1 B [G] G G
2 C [H, I, J] H J
3 D [K] K K
Обратите внимание, что я использую другой ввод, учитывая, что тот, что в вашем примере, недействителен.
Спасибо! Но что я могу сделать, если в некоторых строках столбца примера есть значение NaN? тогда df['sample2'].astype(int)) не будет работать. Как пропустить эти строки?
Простое решение:
df = pd.DataFrame.from_dict({
'REF': {0: 'A', 1: 'B', 2: 'C', 3: 'D'},
'ALT': {0: ['E', 'F'], 1: ['G'], 2: ['H', 'I', 'J'], 3: ['K', 'L']},
'sample1': {0: 0, 1: 0, 2: 1, 3: 2},
'sample2': {0: 1, 1: 0, 2: 3, 3: 0},
})
# create a temp col s that includes a single string with letters:
df["s"] = df.REF + df.ALT.str.join("")
df["sample1"] = df.apply(lambda x: x["s"][x.sample1], axis=1)
df["sample2"] = df.apply(lambda x: x["s"][x.sample2], axis=1)
df = df.drop(columns = "s")
выход:
REF ALT sample1 sample2
0 A [E, F] A E
1 B [G] B B
2 C [H, I, J] H J
3 D [K, L] L D
Используя простую конкатенацию столбцов REF и ALT и примените:
import pandas as pd
d= {'REF': ['A','B','C','D'],
'ALT': [['E','F'], ['G'], ['H','I','J'], ['K','L']],
'sample1': ['0', '0', '1', '2'],
'sample2': ['1', '0', '3', '0']
}
df = pd.DataFrame(d)
df["REF_ALT"] = df["REF"].map(list)+df["ALT"] # concatenate REF and ALT
df["sample1"] = df.apply(lambda row: np.nan if np.isnan(row["sample1"]) else row["REF_ALT"][int(row["sample1"])], axis=1)
df["sample2"] = df.apply(lambda row: np.nan if np.isnan(row["sample2"]) else row["REF_ALT"][int(row["sample2"])], axis=1)
df.pop("REF_ALT")
df
Спасибо за простой ответ! Но что я могу сделать, если в некоторых столбцах примера есть значение NaN? то int(row["sample"]) не будет работать
В этом случае вам необходимо заранее заменить значения NaN на .fillna()
Но мне нужно сохранить эти значения NaN и не заменять их, поэтому я не могу использовать ни .fillna(), ни преобразовать в целое число.
Хорошо, пожалуйста, уточните, каков ожидаемый результат в случае nan
Ожидаемый результат - просто сохранить значения NaN (не заменять) в столбце образца и заменить только числа
Хорошо, я только что обновил код, чтобы учесть это.
В примере 1 у вас есть 2, но только один элемент в списке