Структура данных расплавления Python, основанная на значениях символьного вектора-столбца, разделенных запятыми

Question

В настоящее время я работаю над тестом, в котором у меня есть разные регионы с некоторой связанной статистикой, а также список разделенных запятыми генов, которые лежат в этих регионах. Этот список будет переменным по номеру и может не содержать ничего ("NA").

Как мне "расплавить" этот фрейм данных:

 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

На что-то вроде этого:

     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

Используйте приведенный ниже код, используйте stack, чтобы сложить его, после этого разделения на ', ', затем снова сложите его, так как мы сложили его дважды, используйте unstack, чтобы отстегнуть с -2, затем сбросьте индекс используя reset_index с -1, после этого сделайте окончательный reset_index без параметров:

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

Answer 2

Использование:

# 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

Answer 3

используя стек

df=df.join(df.pop('genelist').str.split(',',expand=True))
df.set_index(['region_id','statistic']).stack().reset_index(level=[0,1],name='gene')

используя расплав

df=df.join(df.pop('genelist').str.split(',',expand=True))
pd.melt(df,id_vars=['region_id','statistic'],value_name='gene').dropna()