python - 使用 Pandas ，如何按两列查找值计数

我有一个三栏的熊猫数据框，Protein_A，Protein_B，交互。
see it here

我想通过将Protein_A和Protein_B分组来查找所有交互作为值计数。此外，将Protein_A和Protein_B分组时，顺序并不重要。

    Protein_A   Interaction      Protein_B
0   A1BG        ER               A2M
1   A1BG        MI               ABCC6
2   ABCC6       AS               A1BG
3   A1BG        MI               ADAM10
4   A1BG        MI               ADAM17

结果将如下所示：

{AB1G, A2M}     -> ER
{AB1G, ABCC6}   -> MI, AS
{A1BG, ADAM10}  -> MI
{A1BG, ADAM17}  -> MI

最佳答案

我同意您要对行进行分组，但是预期结果表明
而不是每个组的价值计数，您实际上想要一个列表
交互代码。

要创建这样的列表（针对每个组），请执行以下操作：

从定义一个函数开始，该函数计算分组键
-蛋白质代码（A和B）的排序列表，转换为字符串：

def protSorted(key):
    row = df.loc[key]
    return ', '.join(sorted([row.Protein_A, row.Protein_B]))

然后通过此功能将源DataFrame分组，进行交互
每个组中的列，并创建一个交互代码列表：

df.groupby(protSorted).Interaction.apply(list)

对于您的样本数据，结果是如下所示的系列：

A1BG, A2M           [ER]
A1BG, ABCC6     [MI, AS]
A1BG, ADAM10        [MI]
A1BG, ADAM17        [MI]
Name: Interaction, dtype: object

或者，如果您要为每个组使用一个字符串（不包含方括号），
改为运行：

df.groupby(protSorted).Interaction.apply(', '.join)

这次的结果是：

A1BG, A2M           ER
A1BG, ABCC6     MI, AS
A1BG, ADAM10        MI
A1BG, ADAM17        MI
Name: Interaction, dtype: object