在 pandas 数据框上拆分和执行功能的最有效方法

Question

我得到了一个数据框，其中包含行中的值（A 和 B）的两个测量值，每列代表样本的测量值。下面的例子：ID S1 S2 S3M1_A 1 2 3 M1_B 3 2 1M2_A 1 2 3 M2_B 3 2 1 我需要为每个样本的每次测量计算 B 与 A+B 的比率 [即 (B/(A+B))]。结果数据框示例：ID S1 S2 S3M1 0.75 0.5 .25 M2 0.75 0.5 .25目前，我一次读取文件两行，检查 ID 是否匹配（不包括 _A 或 _B），将“行”转换为向量，然后执行计算到向量。在较大的样本集上，这变得非常缓慢。使用 pandas 等库最有效的方法是什么？所有帮助表示赞赏！

Answer 1

这听起来像是一个经典的 groupby-aggregate 问题。Pandas 也可以轻松处理 ID 列中的下划线。

df['ID'] = df['ID'].str.split('_').str[0]

df = df.groupby('ID').agg(lambda x: x.values[-1]/x.sum())

print(df)

      S1   S2    S3

ID                 

M1  0.75  0.5  0.25

M2  0.75  0.5  0.25