简单/新手Excel转换pandas

我有一个excel文档格式如此（列是数据集，行是单元格types，值是逗号分隔的基因名称）

我想像这样重新格式化表格（列仍然是数据集，但行现在是基因名称，值是单元格types）：

我正在pandas做这个。 我将input作为数据框导入并称为“testing”。 我的逻辑是循环遍历每一列，并在每一行循环，采取逗号描述值，拆分，然后使每个这些新的索引。

这种方法显然效率很低，但我甚至无法按预期工作（尽pipe我没有收到错误，只是没有输出， 编辑注： “空白”是一个新的名字，空白的Excel书）

非工作尝试：

for dataSet in test.columns: for index, rows in test.iterrows(): geneList = test[dataSet].loc[index].split(",") for gene in geneList: blank[dataSet].reindex([gene]) 

所以有两个问题：1.我怎样才能得到这个例子工作？ 2.我怎样才能更有效地完成这个转变？

谢谢！

Answer 1

gene有重复，所以需要：

您需要通过stack创buildSeries ，然后才能使用stack split和重塑。 对于来自MultiIndex列， MultiIndex调用reset_index 。

最后一次使用groupby进行list s和最后一次使用groupby进行重塑：

 df = df.stack().str.split(',', expand=True).stack().reset_index(name='a') df = df.groupby(['a', 'level_1'])['level_0'].apply(','.join).unstack() print (df) level_1 dataset 1 dataset 2 dataset 3 a gene1 cell1,cell2,cell3 cell1,cell2,cell3 cell1,cell2,cell3 gene2 cell1,cell2,cell3 cell1,cell2,cell3 cell1,cell2,cell3 gene3 cell1,cell2,cell3 None None gene4 None cell1,cell2,cell3 None gene5 None None cell1,cell2,cell3