问题
使用pandas,我需要针对每个groupby对象返回计数最大的行。
数据集
我有一个名为“matches”的数据框,看起来像这样:
FeatureID gene pos
0 1_1_1 KRAS_1 6
1 1_1_1 KRAS_2 8
2 1_1_1 KRAS_3 11
3 1_1_1 NRAS_1 3
4 1_1_1 NRAS_2 11
5 1_1_1 NRAS_3 84
6 1_1_10 KRAS_1 4
7 1_1_10 KRAS_2 3
8 1_1_10 KRAS_3 14
9 1_1_10 NRAS_1 4
10 1_1_10 NRAS_2 6
11 1_1_10 NRAS_3 83
我尝试过的方法
我需要按FeatureID将数据框分组,然后获取每个组中位置的计数:
matches.groupby(["FeatureID", "gene"]).count()
这导致结果如下:
FeatureID gene
1_1_1 KRAS_1 6
KRAS_2 8
KRAS_3 11
NRAS_1 3
NRAS_2 11
NRAS_3 84
1_1_10 KRAS_1 4
KRAS_2 3
KRAS_3 14
NRAS_1 4
NRAS_2 6
期望输出:
我需要找到每个groupby对象中包含最高计数的行,但我不知道如何做到这一点。
FeatureID gene count
1_1_1 NRAS_3 84
1_1_10 KRAS_3 14
解决方案
以下代码可以找到每个groupby组中具有最大值的基因:
matches.groupby(["FeatureID", "gene"]).count().sort_values("pos").groupby(level=0).tail(1)