Что делать, если вы хотите разделить столбец, но ваш фрейм данных был объединен и транспонирован, и этот столбец теперь ⇐ Python

[Anonymous]

Я анализировал гены устойчивости к противомикробным препаратам у патогенов пищевого происхождения. Для следующего анализа мне нужно сравнить разные типы продуктов. Поэтому я написал код, который подсчитывает каждый ген AMR в разных образцах. Мой профессор хотел, чтобы я составил таблицу, включающую основные категории продуктов питания, подтипы и каждый тип источника изолята, а также то, сколько раз он появляется в данных.
Вот что выдает мой код:

Код: Выделить всё

        aac(6')=HMM aac(6')-I=COMPLETE  aac(6')-Ib-cr5=COMPLETE aac(6')-Ie/aph(2'')-Ia=COMPLETE...
the_meat ; ; ;1687  0   0   0   0   0   ...
the_meat ;chicken ; ;205    0   0   0   0   0   ...
the_meat ;chicken ;cajan chicken salad ;1   0   0   0   0   0   ...

Я планировал использовать точки с запятой, чтобы разделить текст на четыре новых столбца, но только сейчас понял, что мой код превращает типы и подтипы продуктов в индекс.
Я хотел, чтобы это выглядело так



Тип
Подтип
Подподтип
N
AMR1
AMR2
...




Мясо


1687
0
0
...


Мясо
Курица

205
0
0
...


Мясо
Курица
салат с курицей по-каянски
1
0
0
...



Как превратить индекс в столбец? Можно ли это сделать на этапе join()?
Вот мой код. Мне жаль, что это может вызвать отвращение у опытных программистов.

Код: Выделить всё

x_axel=[]
amrS = uag.set_index('AMRs')
for i in x: # x is list food types: meat, fish, vegetables...
y=ft[i].dropna().tolist() #variable is the header.

pattern = '|'.join(map(re.escape, y))

typeF = df[df['Isolation source'].str.contains(pattern, case=False, na=False)]

df_type= pd.melt(typeF, id_vars=['Isolation source'], value_name=i)[i].value_counts().reset_index()
df_type.columns = ['AMRs' ,f'{i} ; - ; - ;{typeF.shape[0]} ']

x_axel.append(df_type)
for j in y: #subtype

subtypeF = df[df['Isolation source'].str.contains(j, case=False, na=False)] #replase pattern with j

df_subtype= pd.melt(subtypeF, id_vars=['Isolation source'], value_name=i)[i].value_counts().reset_index()
df_subtype.columns = ['AMRs',f'{i} ;{j}; - ;{subtypeF.shape[0]} ']

x_axel.append(df_subtype)

subsubTL=list(set(subtypeF['Isolation source'].to_list()))

for k in subsubTL: #individual foods

subsubtypeF = df[df['Isolation source'].str.contains(f'{k}')] #EXTRACT, not contains
df_subsubtype = pd.melt(subsubtypeF, id_vars=['Isolation source'], value_name=i)[i].value_counts().reset_index()
df_subsubtype.columns = ['AMRs', f'{i} ;{j};{k} ;{subsubtypeF.shape[0]} ']
x_axel.append(df_subsubtype)

others = [d.set_index('AMRs') for i, d in enumerate(x_axel)]

final_df = amrS.join(others, how='left').fillna(0).astype(int).transpose()

final_df[['Type', 'Subtype', 'Sub-subtype', 'N']] = final_df.[0].apply(lambda x: pd.Series(str(x).split(";")

Спасибо.

Подробнее здесь: https://stackoverflow.com/questions/799 ... and-transp