blocks|key|2375117|text|我建议使用pd.concat创建一个新的框架|type|unstyled|depth|inlineStyleRanges|offset|length|style|CODE|entityRanges|data|2375118|new_df+=+pd.concat([df[['AA',+'TT']].sum(1).rename('AA/TT'),
++++++++++++++++++++df[['CC',+'GG']].sum(1).rename('CC/GG'),
++++++++++++++++++++df['AT']],+axis=1)

>>>+new_df
+++AA/TT++CC/GG++AT
0++++++9++++++7+++9
1++++++5+++++13+++5
2++++++9++++++8+++8|code-block|syntax|javascript|2375119|更广泛地说，您可以在列表理解中完成它。给出相反的恭维：|2375120|reverse_compliments+=+[['AA','TT'],+['CC','GG']]|2375121|在原始dataframe列中找到那些不在反向称赞中的值(这里可能有一个更好的方法，但这个方法是有效的)：|2375122|reverse_compliments.append(df.columns.difference(
++++pd.np.array(reverse_compliments)
++++.flatten()))|2375123|并使用带有列表理解的pd.concat：|2375124|new_df+=+pd.concat([df[x].sum(1).rename('/'.join(x))+for+x+in+reverse_compliments],
+++++++++++++++++++axis=1)

>>>+new_df
+++AA/TT++CC/GG++AT
0++++++9++++++7+++9
1++++++5+++++13+++5
2++++++9++++++8+++8|2375125|entityMap^0|5|9|0|0|0|0|0|0|A|9|0|0^^$0|@$1|2|3|4|5|6|7|Y|8|@$9|Z|A|10|B|C]]|D|@]|E|$]]|$1|F|3|G|5|H|7|11|8|@]|D|@]|E|$I|J]]|$1|K|3|L|5|6|7|12|8|@]|D|@]|E|$]]|$1|M|3|N|5|H|7|13|8|@]|D|@]|E|$I|J]]|$1|O|3|P|5|6|7|14|8|@]|D|@]|E|$]]|$1|Q|3|R|5|H|7|15|8|@]|D|@]|E|$I|J]]|$1|S|3|T|5|6|7|16|8|@$9|17|A|18|B|C]]|D|@]|E|$]]|$1|U|3|V|5|H|7|19|8|@]|D|@]|E|$I|J]]|$1|W|3|-4|5|6|7|1A|8|@]|D|@]|E|$]]]|X|$]]

I'd suggest just creating a new frame using <code>pd.concat</code>:

<pre><code>new_df = pd.concat([df[['AA', 'TT']].sum(1).rename('AA/TT'),
 df[['CC', 'GG']].sum(1).rename('CC/GG'),
 df['AT']], axis=1)

&gt;&gt;&gt; new_df
 AA/TT CC/GG AT
0 9 7 9
1 5 13 5
2 9 8 8
</code></pre>

More generally, you could do it in a list comprehension. Given the reverse compliments:

<pre><code>reverse_compliments = [['AA','TT'], ['CC','GG']]
</code></pre>

Find those values in your original dataframe columns that are not in reverse compliments (There might be a better way here, but this works):

<pre><code>reverse_compliments.append(df.columns.difference(
 pd.np.array(reverse_compliments)
 .flatten()))
</code></pre>

And use <code>pd.concat</code> with a list comprehension:

<pre><code>new_df = pd.concat([df[x].sum(1).rename('/'.join(x)) for x in reverse_compliments],
 axis=1)

&gt;&gt;&gt; new_df
 AA/TT CC/GG AT
0 9 7 9
1 5 13 5
2 9 8 8
</code></pre>

So I am stuck on how to approach a data manipulation technique in pandas. I have an example dataframe below with a sum of 25 counts in each row. 
I would like to merge column names by the reverse compliment sequence. 

<pre><code> AA CC GG AT TT

 4 7 0 9 5
 3 8 5 5 2
 8 6 2 8 1
</code></pre>

The columns "AA" and "TT" are reverse compliments of each other as are "CC" and "GG" 

<pre><code> AA/TT CC/GG AT 

 9 7 9
 5 13 5
 9 8 8
</code></pre>

How can I match the reverse compliment of a column name and merge it with the name of another column.

Note: I already have a function to find the reverse compliment of a string

Pandas merging columns by reverse compliment string

翻译质量差，导致语言生硬或混乱。

没有提供实际的解决方法或示例。

解答不清晰，无法理解或解决问题。

页面排版不美观，阅读体验差。

文章

问答

视频

学习中心

腾讯云实验室

直播

竞赛

腾讯云代码分析专区

腾讯iOA零信任安全管理系统专区

腾讯云架构师技术同盟交流圈

腾讯云数据库专区

腾讯云顾问专区

腾讯云原生专区

腾讯混元专区

腾讯云TCE专区

腾讯云Lighthouse专区

腾讯云HAI专区

腾讯云Edgeone专区

腾讯云存储专区

腾讯云智能专区

腾讯轻联专区 

腾讯云开发专区

TAPD专区

腾讯轻量云游戏服专区

腾讯云最具价值专家

腾讯云架构师技术同盟

腾讯云创作之星

腾讯云开发者先锋

腾讯云代码助手

云原生构建

TAPD 敏捷项目管理

Cloud Studio

SDK中心

API中心

命令行工具

涵盖代码开发、场景应用、自动测试全流程，助你从零构建专属AI助手

一站式MCP教程库，解锁AI应用新玩法

因此，我被困在如何处理pandas中的数据操作技术上。我下面有一个示例数据帧，每行有25个计数之和。我想按相反的互补顺序合并列名。   AA CC GG AT TT    4  7  0  9  5    3  8  5  5  2    8  6  2  8  1列"AA“和"TT”与"CC“和"GG”是互不相容的。...

Pandas通过反向互补字符串合并列-腾讯云开发者社区-腾讯云

问Pandas通过反向互补字符串合并列
EN

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐

问Pandas通过反向互补字符串合并列EN

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐

问Pandas通过反向互补字符串合并列
EN