根据每个时间序列的条件识别 DataFrame 中的时间点

Question

我有一个包含时间序列数据的 DataFrame，如下所示：

(TP =时间点)

gene number   TP1   TP2   TP3   TP4   TP5   TP6
gene1         0.4   0.2   0.1   0.5   0.8   1.9
gene2         0.3   0.05  0.5   0.8   1.0   1.7
....

对于每一行（基因），我想确定其值达到时间序列中最小值 4 倍的水平的 TP，附加条件是该确定的 TP 必须在最低TP。因此，对于基因 2，我对 TP3 而不是 TP1 感兴趣（它比 TP2 的最小值大 4 倍），因为 TP1 在系列中比最小 TP2 早。

所以我尝试构建的脚本的结果是这样的：

gene1    TP4
gene2    TP3
...

我的数据在一个 numpy 数组中。

Answer 1

这里有一个方法：

df =pd.DataFrame({'TP1':[.4,.3],'TP2':[.2,.05],'TP3':[.1,.5],'TP4':[.5,.8],'TP5':[.8,1.0], 'TP6':[1.9,1.7]},index= ['gene1','gene2'])

def f(x):
    #get min value and index
    min_ind = [ e for e in enumerate(x) if e[1] == x.min()]
    #return only the first value that is greater than the index of the min value and > min value *4
    r =df.columns[[e[0] for e in enumerate(x) if e[1] if e[1] > min_ind[0][1]*4 and e[0]> min_ind[0][0]][0]]
    return r

returns:

df.apply(f, axis=1)

gene1    TP4
gene2    TP3
dtype: object

Answer 2

您可以先创建一个掩码 ma 并将最小值之前的所有行值设置为 False。接下来，使用此掩码找到每一行中的值在最小值之后达到最小值的 4 倍（由 True 表示）：

>>> ma = df.values.argmin(axis=1)[:,None] <= np.arange(df.shape[1])
>>> df.ge(4*df.min(axis=1), axis=0) & ma
         TP1    TP2    TP3   TP4   TP5   TP6
gene1  False  False  False  True  True  True
gene2  False  False   True  True  True  True

然后您可以使用 idxmax:

从这个布尔数据帧（我将其称为 df1）中检索第一个 True 值的标签

>>> df1.idxmax(axis=1)
gene1    TP4
gene2    TP3
dtype: object

根据每个时间序列的条件识别 DataFrame 中的时间点

Identify time point in DataFrame based on condition per time series

python

numpy

dataframe

pandas