使用索引从另一个表中检索数据

Question

我想用 python 和 pandas 处理生物数据。

表 1 由蛋白质对的名称组成。 XX、YY、ZZ、AA是蛋白质的名称。 表2是每种蛋白质的一些数据（值）。

我要计算的是表1中存在的每个蛋白质对的皮尔逊相关系数（PCC），使用表2的数据列表。这是一种类似数据库的方法。

Table 1

Col1 Col2
 XX YY
 XX ZZ
 ZZ AA

Table 2

      XX YY ZZ AA BB CC ...
Data1 10 20 30 40 50 60 ...
Data2 11 12 13 14 15 16 ...
Data3 80 70 60 50 40 20 ...

Result

      PCC
XX_YY R1
XX_ZZ R2
ZZ_AA R3

结果表中的R1是蛋白质XX和YY的PCC值，也就是pearsonr([10, 11, 80], [20, 12, 70])的结果。 R2 和 R3 将分别是 pearsonr([10, 11, 80], [30, 13, 60]) 和 pearsonr([30, 13, 60], [40, 14, 50])。

在这种工作之前，我得到了使用combination 函数的建议。用所有对计算时非常好，但在这种情况下，我只需要计算表1中的蛋白质对，所以很难使用。

请问有没有什么简单的方法可以用 pandas 轻松完成这种工作？

Answer 1

您可以遍历第一个DataFrame (df1) 的行，从df2 中选择相关列，并将带有适当标签的结果添加到dictionary，您可以将其转换为@987654326 @完成后：

correlations = {}
for i, row in df1.iterrows():
    correlations[row['col1' + '_' + row['col2']]] = df2.loc[:,row['col1']].corr(df2.loc[:, row['col2'], method='pearson')

result = pd.Series(correlations)