Pandas groupby nunique 输出到列表答案

【问题标题】：Pandas groupby nunique output to listPandas groupby nunique 输出到列表
【发布时间】：2018-01-31 15:18:27
【问题描述】：

我有一个如下数据集作为输入：

labels = ['chrom', 'start', 'end', 'read']
my_data = [['chr1', 784344, 800125, 'read1'],
           ['chr1', 784344, 800124, 'read2'],
           ['chr1', 784344, 800124, 'read3']]

我使用以下方法将其转换为 pandas 数据框：

my_data_pd = pd.DataFrame.from_records(my_data, columns=labels)

看起来像这样：

  chrom   start     end   read
0  chr1  784344  800125  read1
1  chr1  784344  800124  read2
2  chr1  784344  800124  read3

我想要做的是以下内容：我不想合并具有相同 chrom、start、end 值的行，并计算 'read' 中值的不同出现次数 合并的行的列。最后，我想将该输出转换为列表/元组，如本例所示（注意最后一列包含计数信息）：

[('chr1', 784344, 800125,1), ('chr1', 784344, 800124,2)]

我能做到的：

使用以下命令取消 Pandas Groupby 和 nunique()：

my_data_pd.groupby(['chrom','start','end'],sort=False).read.nunique()

我到达了一个看起来像我想要的东西的 Pandas.Series 对象：

chrom  start   end   
chr1   784344  800125    1
               800124    2
Name: read, dtype: int64

但是，当我使用以下方法将其转换为列表/元组时：

 sortedd.index.tolist()

最后一列被排除，导致输出结果：

[('chr1', 784344, 800125), ('chr1', 784344, 800124)]

知道如何解决这个问题吗？

对于所有可能想出解决方案的人，我在一个大程序中这样做了数千次，所以速度是一个大问题。这就是我避免使用 BedTools 和 pybedtools

等其他工具的原因

谢谢！

【问题讨论】：

标签： python pandas

【解决方案1】：

首先reset_index，然后在list comprehension中转换为tuples：

L = [tuple(x) for x in sortedd.reset_index().values.tolist()]
print (L)
[('chr1', 784344, 800125, 1), ('chr1', 784344, 800124, 2)]

【讨论】：

这很简单 :)
我在想用这种方式..对于元组很好（PS：我忘记如何获取元组..）
@Dark - 不要忘记也支持问题，我认为这很好;)
@Wen- 并且不要忘记也支持问题，我认为这很好;)
这似乎是最快的 :) 非常感谢大家的快速回答！

【解决方案2】：

你可以set_index

sortedd.to_frame('val').set_index('val',append=True).index.tolist()
Out[277]: [('chr1', 784344, 800125, 1), ('chr1', 784344, 800124, 2)]

【讨论】：

我想知道追加的存在。这么多天今天才看到

【解决方案3】：

您可以使用多索引，即

idx = pd.MultiIndex.from_arrays(sortedd.reset_index().values.T)

idx.tolist()
[('chr1', 784344, 800125, 1), ('chr1', 784344, 800124, 2)]

【讨论】：