Résumer des sous-ensembles de données

Supposons que nous voulions résumer nos données, par exemple en les divisant en groupes selon le nom de fichier et en calculant les mesures d’intensité moyenne pour ces groupes. Cela nous donnera un tableau plus petit avec des mesures résumées par fichier.

Voir aussi

• Split-apply-combine

• Pandas’ Group by

import pandas as pd
import numpy as np

Pour démontrer l’exemple, nous chargeons un tableau qui contient des mesures de forme de nombreux objets qui ont été segmentés dans plusieurs fichiers de l’ensemble de données Broad Bioimage Benchmark Collection BBB0007 de Jones et al., Proc. ICCV Workshop on Computer Vision for Biomedical Image Applications, 2005).

df = pd.read_csv('../../data/BBBC007_analysis.csv')
df

	area	intensity_mean	major_axis_length	minor_axis_length	aspect_ratio	file_name
0	139	96.546763	17.504104	10.292770	1.700621	20P1_POS0010_D_1UL
1	360	86.613889	35.746808	14.983124	2.385805	20P1_POS0010_D_1UL
2	43	91.488372	12.967884	4.351573	2.980045	20P1_POS0010_D_1UL
3	140	73.742857	18.940508	10.314404	1.836316	20P1_POS0010_D_1UL
4	144	89.375000	13.639308	13.458532	1.013432	20P1_POS0010_D_1UL
...	...	...	...	...	...	...
106	305	88.252459	20.226532	19.244210	1.051045	20P1_POS0007_D_1UL
107	593	89.905565	36.508370	21.365394	1.708762	20P1_POS0007_D_1UL
108	289	106.851211	20.427809	18.221452	1.121086	20P1_POS0007_D_1UL
109	277	100.664260	20.307965	17.432920	1.164920	20P1_POS0007_D_1UL
110	46	70.869565	11.648895	5.298003	2.198733	20P1_POS0007_D_1UL

111 rows × 6 columns

Groupement par nom de fichier

Nous allons maintenant grouper le tableau par nom de fichier image.

grouped_df = df.groupby('file_name')
grouped_df

<pandas.core.groupby.generic.DataFrameGroupBy object at 0x000002DC95CF2520>

À partir de cet objet grouped_df, nous pouvons dériver des statistiques de base, par exemple la moyenne de toutes les colonnes numériques.

summary_df = grouped_df.mean(numeric_only = True)
summary_df

	area	intensity_mean	major_axis_length	minor_axis_length	aspect_ratio
file_name
20P1_POS0007_D_1UL	300.859375	95.889956	22.015742	17.132505	1.316197
20P1_POS0010_D_1UL	253.361702	96.745373	20.120268	15.330923	1.402934

Le dataframe de sortie contient les valeurs moyennes de toutes les quantités, y compris les intensités que nous voulions. Notez que ce dataframe a ‘filename’ comme nom de l’index des lignes. Pour le convertir en un tableau normal avec une colonne d’index numérique, nous pouvons utiliser la méthode reset_index().

summary_df.reset_index()

	file_name	area	intensity_mean	major_axis_length	minor_axis_length	aspect_ratio
0	20P1_POS0007_D_1UL	300.859375	95.889956	22.015742	17.132505	1.316197
1	20P1_POS0010_D_1UL	253.361702	96.745373	20.120268	15.330923	1.402934

Notez cependant que cela n’a pas été fait sur place. summary_df a toujours un index étiqueté round. Si vous voulez mettre à jour votre tableau, vous devez le faire explicitement avec un opérateur d’assignation.

summary_df = summary_df.reset_index()
summary_df

	file_name	area	intensity_mean	major_axis_length	minor_axis_length	aspect_ratio
0	20P1_POS0007_D_1UL	300.859375	95.889956	22.015742	17.132505	1.316197
1	20P1_POS0010_D_1UL	253.361702	96.745373	20.120268	15.330923	1.402934