根据 Pandas DataFrame 中的其他列值在列之间移动行值

我有一个熊猫数据框，其中包含生物体名称及其抗生素敏感性列表。我希望根据以下规则将所有生物体合并到下面数据框中的一列中。

1. 如果 ORG1 == A，则不执行任何操作；

2. 如果 ORG1 != A 且 ORG2 == A，则将 ORG2 值移至 ORG1 列

3. 如果 ORG1 != A 且 ORG3 == A，则将 ORG3 值移至 ORG1 列

如果满足条件 2，除了将 ORG2 值移动到 ORG1 列外，还将 AS20* 中的列值移动到 AS10* 中。

同样，如果满足条件 3，除了将 ORG3 值移至 ORG1 列外，还将 AS30* 中的列值移至 AS10* 中。

我自己尝试过根据上述规则编写一个函数，但基于以下规则取得了有限的成功：

If ORG2 == A:
       return ORG1.map(ORG2)

当我尝试根据条件顺序映射 AS201 -> AS101、AS202 -> AS102、AS203 -> AS103 等时，我迷路了。

我遇到的另一个问题是生物体名称不是单个字母，也不是漂亮的字母。示例中的 A 相当于re.match('aureus')在我的数据集中。

此外，每个 ORG 列有 20 个 AS 列，并且有超过 150,000 条记录，因此我希望能够将其推广到任意数量的抗生素敏感性结果。

我在这方面有点挣扎，所以朝正确的方向推几下确实会有帮助。

提前致谢。

Index   ORG1    ORG2    ORG3    AB1    AS101    AS201   AS301     AB2   AS102   AS202 AS302
1          A     NaN     NaN    pen        S      NaN     NaN   dfluc       S     NaN   NaN
2          A       B       C    pen        R        S       S   dfluc       S       R     S
3          B       A       B    pen        S        S       R   dfluc       S       S     R
4          A     NaN     NaN    pen        R      NaN     NaN   dfluc       S     NaN   NaN
5          A     NaN     NaN    pen        R      NaN     NaN   dfluc       S     NaN   NaN
6          C       A       A    pen        S        R       R   dfluc       R       S     R
7          B     NaN       A    pen        R      NaN       S   dfluc       S     NaN     S
8          A       B       A    pen        R        R       R   dfluc       R       R     R
9          A     NaN     NaN    pen        R      NaN     NaN   dfluc       S     NaN   NaN
  

我们可以选择行ORG1 != A and ORG2 == A with

mask = (df['ORG1'] != 'A')&(df[orgi] == 'A')

mask那么是一个布尔系列。要将值从 ORG2 复制到 ORG1，我们可以使用

df['ORG1'][mask] = df['ORG2'][mask]

或者，因为我们知道右边的值是A，我们可以使用

df['ORG1'][mask] = 'A'

复制 AS 列也可以类似地完成。

我们可以找到列值包含某些字符串的行，例如'aureus' with

df[orgi].str.contains('aureus') == True

str.contains可以采取任何正则表达式模式作为其参数。 请参阅文档：矢量化字符串方法 http://pandas.pydata.org/pandas-docs/stable/basics.html#vectorized-string-methods.

注意：通常使用就足够了df[orgi].str.contains('aureus')（没有== True， 但是由于df[orgi]可能包含NaN值，我们还需要映射NaNs 为 False，所以我们使用df[orgi].str.contains('aureus') == True.

import pandas as pd

filename = 'data.txt'
df = pd.read_table(filename, delimiter='\s+')
print(df)
#    Index ORG1 ORG2 ORG3  AB1 AS101 AS201 AS301    AB2 AS102 AS202 AS302
# 0      1    A  NaN  NaN  pen     S   NaN   NaN  dfluc     S   NaN   NaN
# 1      2    A    B    C  pen     R     S     S  dfluc     S     R     S
# 2      3    B    A    B  pen     S     S     R  dfluc     S     S     R
# 3      4    A  NaN  NaN  pen     R   NaN   NaN  dfluc     S   NaN   NaN
# 4      5    A  NaN  NaN  pen     R   NaN   NaN  dfluc     S   NaN   NaN
# 5      6    C    A    A  pen     S     R     R  dfluc     R     S     R
# 6      7    B  NaN    A  pen     R   NaN     S  dfluc     S   NaN     S
# 7      8    A    B    A  pen     R     R     R  dfluc     R     R     R
# 8      9    A  NaN  NaN  pen     R   NaN   NaN  dfluc     S   NaN   NaN

for i in range(2,4):
    orgi = 'ORG{i}'.format(i=i)
    # mask = (df['ORG1'] != 'A')&(df[orgi] == 'A')
    mask = (df['ORG1'].str.contains('A') == False)&(df[orgi].str.contains('A') == True)
    # Move ORGi --> ORG1
    df['ORG1'][mask] = df[orgi][mask]
    for j in range(1,4):
        # Move ASij --> AS1j
        source_as = 'AS{i}{j:02d}'.format(i=i, j=j)
        target_as = 'AS1{j:02d}'.format(i=i, j=j)
        try:
            df[target_as][mask] = df[source_as][mask]
        except KeyError:
            pass

print(df)

yields

   Index ORG1 ORG2 ORG3  AB1 AS101 AS201 AS301    AB2 AS102 AS202 AS302
0      1    A  NaN  NaN  pen     S   NaN   NaN  dfluc     S   NaN   NaN
1      2    A    B    C  pen     R     S     S  dfluc     S     R     S
2      3    A    A    B  pen     S     S     R  dfluc     S     S     R
3      4    A  NaN  NaN  pen     R   NaN   NaN  dfluc     S   NaN   NaN
4      5    A  NaN  NaN  pen     R   NaN   NaN  dfluc     S   NaN   NaN
5      6    A    A    A  pen     R     R     R  dfluc     S     S     R
6      7    A  NaN    A  pen     S   NaN     S  dfluc     S   NaN     S
7      8    A    B    A  pen     R     R     R  dfluc     R     R     R
8      9    A  NaN  NaN  pen     R   NaN   NaN  dfluc     S   NaN   NaN

请注意，如果ORG2 == A and ORG3 == A，然后是列中的值AS20* and AS30*两者都竞争覆盖列中的值AS10*。我不确定你想赢得哪个价值。在上面的代码中，last列获胜，这将是AS30*.