从 2D df 中提取并在 python 中将值添加到 1D df

Question

我正在尝试从二维数据框中提取信息，其中我有 A 到 H 行和 1-12 列。每个单元格都有不同的编号。我的第二个数据框只有一列包含组合信息，例如 A1、A2 等。我想设置一个 for 循环，以便我可以执行 df1.iloc 并选择坐标。但我不想输入 96 行，所以我认为 for 循环会有所帮助，但我不知道该怎么做。 我还很新，所以我不太了解这些技巧。

df1 将是：

	1	2	3	4	5	6
A	237	543	300	256	343	122
B	435	313	150	635	847	321

df2 将是：

well=['A1','A2','A3','B1','B2','B3']

我想做一个 df3，看起来像：

Well	Value
A1	237
A2	543
A3	300
B1	435
B2	313
B3	150

到目前为止，我拥有的是：

    df3=pd.DataFrame()
    for i in df2:
        if i.contains('A'):
           row=df1.iloc[1]
           if i.contains('1'):
              value=row.iloc[1]
        df3.append(i,value)

我知道 col # 对于 iloc 将始终相同。 那么我可以将 A-H 分配为 1-8，然后以某种方式选择 df2 中字母后面的数字作为 iloc 值吗？

Answer 1

一个选项是stack df1 和reindex 来自well：

df3 = df1.stack()
df3.index = df3.index.map(lambda s: ''.join(map(str, s)))
df3 = df3.reindex(df2['well']).reset_index(name='Value')

df3:

  Well  Value
0   A1    237
1   A2    543
2   A3    300
3   B1    435
4   B2    313
5   B3    150

使用的数据帧：

import pandas as pd

df1 = pd.DataFrame({
    1: {'A': 237, 'B': 435}, 2: {'A': 543, 'B': 313},
    3: {'A': 300, 'B': 150}, 4: {'A': 256, 'B': 635},
    5: {'A': 343, 'B': 847}, 6: {'A': 122, 'B': 321}
})

df2 = pd.DataFrame({'well': ['A1', 'A2', 'A3', 'B1', 'B2', 'B3']})

---

解释：

1. 堆栈产生一个系列：

df3 = df1.stack()

df3:

A  1    237
   2    543
   3    300
   4    256
   5    343
   6    122
B  1    435
   2    313
   3    150
   4    635
   5    847
   6    321
dtype: int64

---

1. 使用 Index.map 将 MultiIndex 折叠成单个索引：

df3.index = df3.index.map(lambda s: ''.join(map(str, s)))

df3:

A1    237
A2    543
A3    300
A4    256
A5    343
A6    122
B1    435
B2    313
B3    150
B4    635
B5    847
B6    321
dtype: int64

---

1. 从df2 和reindex 获取well：

df3 = df3.reindex(df2['well'])

Well
A1    237
A2    543
A3    300
B1    435
B2    313
B3    150
dtype: int64

*如果 well 是 OP 中出现的 list，则将其转换为名称为 well 和 reindex 的 Series：

well = ['A1', 'A2', 'A3', 'B1', 'B2', 'B3']
df3 = df3.reindex(pd.Series(well, name='well'))

或直接来自list 的reindex 但在重置索引之前需要重命名轴：

well = ['A1', 'A2', 'A3', 'B1', 'B2', 'B3']
df3 = df3.reindex(well).rename_axis(index='Well')

---

4. reset_index 转换为 DataFrame（并为 Value 列命名）：

df3 = df3.reindex(df2['well']).reset_index(name='Value')

df3:

  Well  Value
0   A1    237
1   A2    543
2   A3    300
3   B1    435
4   B2    313
5   B3    150