使用pandas，如何按两列计算值

Question

我有一个熊猫数据框，有三列，蛋白质a，蛋白质B，相互作用。 see it here

我想通过对蛋白质A和蛋白质B进行分组来找出所有的相互作用，并且，当对蛋白质A和蛋白质B进行分组时，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

结果如下所示：

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

Answer 1

我同意您希望对行进行分组，但预期结果显示 而不是值计数对于实际需要列表的每个组 交互代码。你知道吗

要创建这样一个列表（针对每个组），请按以下步骤操作：

从定义一个计算分组键的函数开始 -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]))

然后用这个函数对源数据帧进行分组，取交互 列并创建交互代码列表：

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

对于示例数据，结果是一个系列，如下所示：

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

或者，如果您希望每组都有一个字符串（不带括号）， 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