我正在尝试创建一个pandas数据框，并从另一个数据框中迭代计算statisitcs，它通过列（使用正则表达式过滤）。我如何创建结果数据框？
输入数据框：
In [4]: control.head()
Out[4]:
Patient Gender Age Left-Lateral-Ventricle_NVoxels Left-Inf-Lat-
Vent_NVoxels ... supramarginal_CurvInd_lh
0 P008 M 30 9414
311 ... 7.5
1 P013 F 35 7668
85 ... 10.4
2 P018 F 27 7350
202 ... 8.0
3 P033 F 55 7548
372 ... 9.2
4 P036 F 31 8598
48 ... 8.0
[5 rows x 930 columns]
我写了一个代码来统计统计信息，但坚持创建结果熊猫数据框
def select_volumes(group_c,group_k):
Select_list = ["Amygdala", "Hippocampus", "Lateral-Ventricle",
"Pallidum", "Putamen", "Thalamus"]
Side = ["Left", "Right"]
for s in Side:
for struct in Select_list:
volumes_c = group_c.filter(regex="^(?=.*"+s+")(?=.*"+struct+")
(?=.*Volume)")
volumes_k = group_k.filter(regex="^(?=.*"+s+")(?=.*"+struct+")
(?=.*Volume)")
k = cohens_d(volumes_c, volumes_k)
meand = volumes_c.mean()
result_df = pd.Dataframe(
{
"Cohen's norm": some result
"Mean Value": meand
}
)
return k
函数select_volumes给我结果：
Left-Amygdala_Volume_mm3 -0.29729
dtype: float64
Left-Hippocampus_Volume_mm3 0.33139
dtype: float64
Left-Lateral-Ventricle_Volume_mm3 -0.111853
dtype: float64
Left-Pallidum_Volume_mm3 0.28857
dtype: float64
Left-Putamen_Volume_mm3 0.696645
dtype: float64
Left-Thalamus-Proper_Volume_mm3 0.772492
dtype: float64
Right-Amygdala_Volume_mm3 -0.358333
dtype: float64
Right-Hippocampus_Volume_mm3 0.275668
dtype: float64
Right-Lateral-Ventricle_Volume_mm3 -0.092283
dtype: float64
Right-Pallidum_Volume_mm3 0.279258
dtype: float64
Right-Putamen_Volume_mm3 0.484879
dtype: float64
Right-Thalamus-Proper_Volume_mm3 0.809775
dtype: float64
我希望Left-Amygdala_Volume_mm3 ...是值为-0.29729且列名为Cohen's d的行作为每个Select_list的列：
example, how dataframe should looks
最佳答案
我仍然无法真正理解它的方式和位置，但是您证明了在函数的某个地方您可以构建一个float64系列，其中包含例如Left-Amygdala_Volume_mm3作为索引，而-0.29729作为值。我假设同时，对于相同的索引值，您具有meand的值。
更确切地说，我将假设：
k = pd.Series([-0.29729], dtype=np.float64,index=['Left-Amygdala_Volume_mm3'])
因为它打印为：
print(k)
Left-Amygdala_Volume_mm3 -0.29729
dtype: float64
同时，我假设
meand也是类似的系列。因此，我们将以meand.iloc[0]的形式访问其值（假设值为9174.1）您应该将它们结合起来以构建一行的内容：
row = k.reset_index().iloc[0].tolist() + [meand.iloc[0]]
在示例中，我们有
row：['Left-Amygdala_Volume_mm3', -0.29729, 9174.1]因此，您现在需要构建该行的大型列表：
def select_volumes(group_c,group_k):
Select_list = ["Amygdala", "Hippocampus", "Lateral-Ventricle",
"Pallidum", "Putamen", "Thalamus"]
Side = ["Left", "Right"]
data = []
for s in Side:
for struct in Select_list:
volumes_c = group_c.filter(regex="^(?=.*"+s+")(?=.*"+struct+")
(?=.*Volume)")
volumes_k = group_k.filter(regex="^(?=.*"+s+")(?=.*"+struct+")
(?=.*Volume)")
k = cohens_d(volumes_c, volumes_k)
meand = volumes_c.mean()
# build a row of result df
data.append(k.reset_index().iloc[0].tolist() + [meand.iloc[0]])
# after the loop combine the rows into a dataframe and return it:
result = pd.DataFrame(data, columns=['index', "Cohen's d", 'Mean']).set_index('index')
return result
关于python - 如何用列迭代填充Pandas Dataframe，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/56235427/