Pandas分组后DataFrame列名缺失及列表访问问题

问题1：如何访问现有DataFrame中的locus/AF_afr列表？ #

你当前生成的DataFrame列名是默认的0、1、2，分别对应lambda返回列表里的locus、AF_afr、AF_nfe数组。可以通过列索引直接访问：

• 获取所有基因对应的locus列表：variants_gene_list[0]
• 获取AF_afr列表：variants_gene_list[1]
• 获取AF_nfe列表：variants_gene_list[2]

不过这种数字索引的方式不够直观，更推荐直接给DataFrame加上明确列名，之后用字段名访问会更清晰。

问题2：新DataFrame无列名是哪里出了问题？ #

你的代码里，lambda x返回的是一个普通Python列表，当调用apply(pd.Series)时，pandas会把列表的每个元素拆成一列，但列表本身没有命名信息，所以pandas只能给列分配默认的数字索引（0、1、2），自然就没有对应的字段名了。

优化后的代码（直接生成带列名的DataFrame） #

想要一步到位生成带明确列名的结果，有两种更清晰的写法：

写法1：在lambda中返回带列名的Series

这种方式最直观，直接把每个字段的数组对应到指定列名：

import pandas as pd

variants_gene_list = data.groupby('gene').apply(
    lambda x: pd.Series({
        'locus': list(x['locus']),
        'AF_afr': list(x['AF_afr']),
        'AF_nfe': list(x['AF_nfe'])
    })
)

之后访问就非常清晰了，比如获取某个基因的locus列表：variants_gene_list.loc['目标基因名', 'locus']，或者获取所有locus列：variants_gene_list['locus']

写法2：给apply(pd.Series)指定columns参数

如果你想保留原来的列表返回方式，也可以在转Series时直接指定列名：

variants_gene_list = data.groupby('gene').apply(
    lambda x: [list(x['locus']), list(x['AF_afr']), list(x['AF_nfe'])]
).apply(pd.Series, columns=['locus', 'AF_afr', 'AF_nfe'])

这样生成的DataFrame同样会有明确的列名，后续访问逻辑和上面一致。

内容的提问来源于stack exchange，提问作者chucha