Python中Dataframe转置、值映射及两样本t检验前置操作问题求助

让我们一步步梳理你的问题，先理清数据结构和代码里的核心问题：

问题根源分析 #

1. 最初的KeyError问题：你转置project.csv后，原数据里的TaxID是原DataFrame的行索引，转置后它变成了新DataFrame的列名，而新DataFrame的行索引是原来的样本ID（比如PRJEB3251_ERR169499）。这时候你去访问df_kraken['TaxID']自然会报错——这个列根本不存在。
2. 调整后的映射错误：你在df['Meta ID']这一行写反了映射逻辑，应该用df_meta里的SRA ID匹配你拆分出的KEY，然后取出对应的(0/1)值，而不是用不存在的df['(Project ID)']来做映射。

修正后的完整代码 #

import pandas as pd

# 处理project.csv：读取、转置并整理样本ID列
df_project = pd.read_csv('project.csv')
# 假设原project.csv结构是：TaxID, 样本1, 样本2, ...
df_project.set_index('TaxID', inplace=True)
# 转置后把原样本列名从索引转成普通列，并重命名为Project ID
df_kraken = df_project.T.reset_index().rename(columns={'index': 'Project ID'})

# 处理Meta3251.csv：构建SRA ID到(0/1)的映射字典
df_meta = pd.read_csv(
    'Meta3251.csv',
    delimiter=',',
    dtype={'(0/1)': int},  # 把0/1设为整数更适合后续统计分析
    usecols=['SRA ID', '(0/1)']
)
# 生成映射字典：键是SRA ID，值是对应的分组标签0/1
meta_mapping = df_meta.set_index('SRA ID')['(0/1)'].to_dict()

# 从Project ID中提取SRA ID（比如从PRJEB3251_ERR169499拆分出ERR169499）
df_kraken['SRA ID'] = df_kraken['Project ID'].str.split('_').str[1]

# 完成0/1值的映射
df_kraken['Meta (0/1)'] = df_kraken['SRA ID'].map(meta_mapping)

# 可选：删除中间的SRA ID列（如果不需要保留的话）
# df_kraken.drop('SRA ID', axis=1, inplace=True)

# 保存处理好的数据到CSV
df_kraken.to_csv('R.csv', index=False)

关键步骤解释 #

• 转置与索引整理：转置后用reset_index()把原样本ID从行索引转成普通列，避免后续操作时混淆索引和列。
• 映射字典构建：把df_meta转换成字典形式，让map()方法可以快速匹配SRA ID对应的0/1值，比直接用replace()更直观。
• SRA ID提取：用字符串拆分方法str.split('_').str[1]精准提取出和df_meta匹配的SRA ID部分。
• 映射赋值：通过map(meta_mapping)把分组标签0/1填充到新列，这样你就可以用这个列来分组做双样本t检验了。

预期结果示例 #

处理后的R.csv结构大概是这样：

Project ID,333046,1049,337090,SRA ID,Meta (0/1)
PRJEB3251_ERR169499,0.05,0.03,0.01,ERR169499,1
PRJEB3251_ERR169500,0,0,0,ERR169500,0
PRJEB3251_ERR169501,0,0,0,ERR169501,1
...

内容的提问来源于stack exchange，提问作者K.S