notebook.community

Edit and run



In [1]:

    
import pandas



In [2]:

    
%cd C:\Users\da.angulo39\desktop









    



C:\Users\da.angulo39\desktop



In [12]:

    
file_name="other_fibs.csv"
excel_name=".".join(file_name.split(".")[:-1]+['xlsx'])



In [3]:

    
df = pandas.read_csv(file_name,index_col=0)



In [4]:

    
valid_subjs_mri=sorted([1026, 939, 9, 526, 15, 19, 535, 536, 537, 29, 542, 548, 549, 689, 552, 44, 861, 51, 1077, 566, 56, 576, 65, 579, 580, 69, 71, 592, 593, 83, 599, 600, 868, 602, 357, 610, 616, 619, 108, 623, 113, 630, 631, 121, 124, 125, 789, 128, 107, 876, 138, 651, 141, 143, 144, 145, 25, 665, 154, 156, 157, 670, 197, 675, 165, 625, 684, 173, 686, 175, 176, 177, 182, 185, 1212, 195, 1221, 198, 712, 201, 715, 205, 1232, 216, 804, 1242, 219, 221, 734, 225, 227, 1253, 230, 231, 232, 235, 1260, 237, 1265, 754, 761, 253, 256, 769, 263, 266, 783, 784, 984, 1049, 277, 790, 791, 292, 293, 806, 1320, 301, 1326, 815, 818, 307, 1333, 310, 313, 314, 1340, 829, 320, 54, 327, 840, 841, 331, 332, 1357, 848, 344, 346, 1338, 863, 353, 356, 869, 874, 364, 877, 878, 879, 369, 371, 884, 893, 894, 64, 390, 905, 906, 151, 912, 918, 153, 409, 413, 416, 417, 934, 423, 426, 427, 940, 429, 942, 431, 432, 935, 440, 954, 928, 452, 965, 966, 971, 333, 469, 982, 472, 478, 480, 483, 484, 485, 491, 1005, 1006, 595, 500, 504, 119, 1021])
valid_subjs_dti=sorted([1026, 427, 526, 15, 19, 535, 536, 537, 29, 542, 548, 549, 177, 552, 44, 51, 1077, 566, 56, 576, 65, 579, 580, 69, 71, 592, 593, 83, 599, 600, 356, 602, 869, 610, 616, 107, 108, 623, 625, 630, 631, 121, 124, 125, 277, 128, 619, 364, 138, 651, 141, 143, 144, 145, 25, 665, 154, 156, 157, 670, 1221, 675, 165, 113, 684, 173, 686, 175, 176, 689, 182, 185, 1212, 195, 197, 198, 712, 201, 715, 205, 1232, 216, 292, 1242, 219, 221, 734, 225, 227, 1253, 230, 231, 232, 235, 1260, 237, 1265, 754, 761, 1338, 253, 256, 769, 263, 266, 783, 784, 472, 1049, 789, 790, 791, 804, 293, 806, 1320, 1326, 815, 818, 307, 1333, 310, 313, 314, 1340, 829, 320, 54, 327, 840, 841, 331, 332, 1357, 848, 344, 346, 861, 863, 353, 868, 357, 874, 876, 877, 878, 879, 369, 371, 884, 893, 894, 64, 491, 390, 905, 906, 151, 912, 918, 153, 409, 413, 416, 417, 934, 423, 426, 939, 940, 429, 942, 431, 432, 440, 954, 928, 452, 966, 971, 333, 469, 982, 984, 478, 480, 483, 484, 485, 935, 1005, 1006, 595, 504, 119, 1021])



In [5]:

    
df.head()









    Out[5]:






  
    
      
      bvz_cc_only_posterior_count
      bvz_cc_only_posterior_md
      bvz_all_md
      bvz_cc_only_mid_anterior_fa
      bvz_cc_only_anterior_fa
      bvz_cc_central_length
      bvz_cc_central_md
      bvz_cc_only_mid_anterior_length
      bvz_cc_posterior_fa
      bvz_cc_central_count
      ...
      bvz_cc_central_fa
      bvz_cc_only_anterior_count
      bvz_all_count
      bvz_cc_posterior_md
      bvz_cc_only_anterior_md
      bvz_cc_only_mid_posterior_length
      bvz_cc_only_mid_anterior_md
      bvz_cc_only_mid_anterior_count
      bvz_cc_only_mid_posterior_md
      bvz_all_length
    
    
      subject
      
      
      
      
      
      
      
      
      
      
      
      
      
      
      
      
      
      
      
      
      
    
  
  
    
      1
      NaN
      NaN
      NaN
      NaN
      NaN
      NaN
      NaN
      NaN
      NaN
      NaN
      ...
      NaN
      NaN
      NaN
      NaN
      NaN
      NaN
      NaN
      NaN
      NaN
      NaN
    
    
      6
      NaN
      NaN
      NaN
      NaN
      NaN
      NaN
      NaN
      NaN
      NaN
      NaN
      ...
      NaN
      NaN
      NaN
      NaN
      NaN
      NaN
      NaN
      NaN
      NaN
      NaN
    
    
      7
      NaN
      NaN
      NaN
      NaN
      NaN
      NaN
      NaN
      NaN
      NaN
      NaN
      ...
      NaN
      NaN
      NaN
      NaN
      NaN
      NaN
      NaN
      NaN
      NaN
      NaN
    
    
      8
      NaN
      NaN
      NaN
      NaN
      NaN
      NaN
      NaN
      NaN
      NaN
      NaN
      ...
      NaN
      NaN
      NaN
      NaN
      NaN
      NaN
      NaN
      NaN
      NaN
      NaN
    
    
      9
      NaN
      NaN
      NaN
      NaN
      NaN
      NaN
      NaN
      NaN
      NaN
      NaN
      ...
      NaN
      NaN
      NaN
      NaN
      NaN
      NaN
      NaN
      NaN
      NaN
      NaN
    
  

5 rows × 28 columns



In [6]:

    
df2 = df.loc[valid_subjs_dti]



In [7]:

    
df2.head()









    Out[7]:






  
    
      
      bvz_cc_only_posterior_count
      bvz_cc_only_posterior_md
      bvz_all_md
      bvz_cc_only_mid_anterior_fa
      bvz_cc_only_anterior_fa
      bvz_cc_central_length
      bvz_cc_central_md
      bvz_cc_only_mid_anterior_length
      bvz_cc_posterior_fa
      bvz_cc_central_count
      ...
      bvz_cc_central_fa
      bvz_cc_only_anterior_count
      bvz_all_count
      bvz_cc_posterior_md
      bvz_cc_only_anterior_md
      bvz_cc_only_mid_posterior_length
      bvz_cc_only_mid_anterior_md
      bvz_cc_only_mid_anterior_count
      bvz_cc_only_mid_posterior_md
      bvz_all_length
    
  
  
    
      15
       14561
       0.000660
       0.000660
       0.562148
       0.578425
       79.986437
       0.000661
       71.535334
       0.640425
       648
      ...
       0.599848
       1078
       14561
       0.000671
       0.000670
       87.970570
       0.000677
       650
       0.000675
       73.296830
    
    
      19
         NaN
            NaN
            NaN
            NaN
            NaN
             NaN
            NaN
             NaN
            NaN
       NaN
      ...
            NaN
        NaN
         NaN
            NaN
            NaN
             NaN
            NaN
       NaN
            NaN
             NaN
    
    
      25
       21325
       0.000642
       0.000642
       0.566509
       0.588876
       92.115085
       0.000643
       73.329646
       0.646343
       799
      ...
       0.608456
       1147
       21325
       0.000664
       0.000647
       92.842752
       0.000662
       556
       0.000679
       76.592623
    
    
      29
       14682
       0.000661
       0.000661
       0.562855
       0.591044
       84.686447
       0.000681
       77.691011
       0.638914
       513
      ...
       0.612422
       1170
       14682
       0.000692
       0.000656
       91.617650
       0.000687
       531
       0.000691
       71.951124
    
    
      44
       17145
       0.000650
       0.000650
       0.542693
       0.582544
       82.801906
       0.000668
       70.365250
       0.635036
       560
      ...
       0.579631
       1026
       17145
       0.000664
       0.000667
       94.305758
       0.000695
       523
       0.000678
       76.775858
    
  

5 rows × 28 columns



In [8]:

    
df3=df2.sort(axis=1)



In [9]:

    
df3.head()









    Out[9]:






  
    
      
      bvz_all_count
      bvz_all_fa
      bvz_all_length
      bvz_all_md
      bvz_cc_central_count
      bvz_cc_central_fa
      bvz_cc_central_length
      bvz_cc_central_md
      bvz_cc_only_anterior_count
      bvz_cc_only_anterior_fa
      ...
      bvz_cc_only_mid_posterior_length
      bvz_cc_only_mid_posterior_md
      bvz_cc_only_posterior_count
      bvz_cc_only_posterior_fa
      bvz_cc_only_posterior_length
      bvz_cc_only_posterior_md
      bvz_cc_posterior_count
      bvz_cc_posterior_fa
      bvz_cc_posterior_length
      bvz_cc_posterior_md
    
  
  
    
      15
       14561
       0.575086
       73.296830
       0.000660
       648
       0.599848
       79.986437
       0.000661
       1078
       0.578425
      ...
       87.970570
       0.000675
       14561
       0.575086
       73.296830
       0.000660
       2391
       0.640425
        98.421849
       0.000671
    
    
      19
         NaN
            NaN
             NaN
            NaN
       NaN
            NaN
             NaN
            NaN
        NaN
            NaN
      ...
             NaN
            NaN
         NaN
            NaN
             NaN
            NaN
        NaN
            NaN
              NaN
            NaN
    
    
      25
       21325
       0.569830
       76.592623
       0.000642
       799
       0.608456
       92.115085
       0.000643
       1147
       0.588876
      ...
       92.842752
       0.000679
       21325
       0.569830
       76.592623
       0.000642
       3142
       0.646343
       111.835151
       0.000664
    
    
      29
       14682
       0.566290
       71.951124
       0.000661
       513
       0.612422
       84.686447
       0.000681
       1170
       0.591044
      ...
       91.617650
       0.000691
       14682
       0.566290
       71.951124
       0.000661
       1455
       0.638914
        91.698014
       0.000692
    
    
      44
       17145
       0.569323
       76.775858
       0.000650
       560
       0.579631
       82.801906
       0.000668
       1026
       0.582544
      ...
       94.305758
       0.000678
       17145
       0.569323
       76.775858
       0.000650
       2606
       0.635036
       114.889754
       0.000664
    
  

5 rows × 28 columns



In [13]:

    
df3.to_excel(excel_name)
print excel_name









    



other_fibs.xlsx



In [47]:

    
str(valid_subjs_dti)









    Out[47]:





'[15, 19, 25, 29, 44, 51, 54, 56, 64, 65, 69, 71, 83, 107, 108, 113, 119, 121, 124, 125, 128, 138, 141, 143, 144, 145, 151, 153, 154, 156, 157, 165, 173, 175, 176, 177, 182, 185, 195, 197, 198, 201, 205, 216, 219, 221, 225, 227, 230, 231, 232, 235, 237, 253, 256, 263, 266, 277, 292, 293, 307, 310, 313, 314, 320, 327, 331, 332, 333, 344, 346, 353, 356, 357, 364, 369, 371, 390, 409, 413, 416, 417, 423, 426, 427, 429, 431, 432, 440, 452, 469, 472, 478, 480, 483, 484, 485, 491, 504, 526, 535, 536, 537, 542, 548, 549, 552, 566, 576, 579, 580, 592, 593, 595, 599, 600, 602, 610, 616, 619, 623, 625, 630, 631, 651, 665, 670, 675, 684, 686, 689, 712, 715, 734, 754, 761, 769, 783, 784, 789, 790, 791, 804, 806, 815, 818, 829, 840, 841, 848, 861, 863, 868, 869, 874, 876, 877, 878, 879, 884, 893, 894, 905, 906, 912, 918, 928, 934, 935, 939, 940, 942, 954, 966, 971, 982, 984, 1005, 1006, 1021, 1026, 1049, 1077, 1212, 1221, 1232, 1242, 1253, 1260, 1265, 1320, 1326, 1333, 1338, 1340, 1357]'



In [47]:

	bvz_cc_only_posterior_count	bvz_cc_only_posterior_md	bvz_all_md	bvz_cc_only_mid_anterior_fa	bvz_cc_only_anterior_fa	bvz_cc_central_length	bvz_cc_central_md	bvz_cc_only_mid_anterior_length	bvz_cc_posterior_fa	bvz_cc_central_count	...	bvz_cc_central_fa	bvz_cc_only_anterior_count	bvz_all_count	bvz_cc_posterior_md	bvz_cc_only_anterior_md	bvz_cc_only_mid_posterior_length	bvz_cc_only_mid_anterior_md	bvz_cc_only_mid_anterior_count	bvz_cc_only_mid_posterior_md	bvz_all_length
subject
1	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	...	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN
6	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	...	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN
7	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	...	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN
8	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	...	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN
9	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	...	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN

	bvz_cc_only_posterior_count	bvz_cc_only_posterior_md	bvz_all_md	bvz_cc_only_mid_anterior_fa	bvz_cc_only_anterior_fa	bvz_cc_central_length	bvz_cc_central_md	bvz_cc_only_mid_anterior_length	bvz_cc_posterior_fa	bvz_cc_central_count	...	bvz_cc_central_fa	bvz_cc_only_anterior_count	bvz_all_count	bvz_cc_posterior_md	bvz_cc_only_anterior_md	bvz_cc_only_mid_posterior_length	bvz_cc_only_mid_anterior_md	bvz_cc_only_mid_anterior_count	bvz_cc_only_mid_posterior_md	bvz_all_length
15	14561	0.000660	0.000660	0.562148	0.578425	79.986437	0.000661	71.535334	0.640425	648	...	0.599848	1078	14561	0.000671	0.000670	87.970570	0.000677	650	0.000675	73.296830
19	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	...	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN
25	21325	0.000642	0.000642	0.566509	0.588876	92.115085	0.000643	73.329646	0.646343	799	...	0.608456	1147	21325	0.000664	0.000647	92.842752	0.000662	556	0.000679	76.592623
29	14682	0.000661	0.000661	0.562855	0.591044	84.686447	0.000681	77.691011	0.638914	513	...	0.612422	1170	14682	0.000692	0.000656	91.617650	0.000687	531	0.000691	71.951124
44	17145	0.000650	0.000650	0.542693	0.582544	82.801906	0.000668	70.365250	0.635036	560	...	0.579631	1026	17145	0.000664	0.000667	94.305758	0.000695	523	0.000678	76.775858

	bvz_all_count	bvz_all_fa	bvz_all_length	bvz_all_md	bvz_cc_central_count	bvz_cc_central_fa	bvz_cc_central_length	bvz_cc_central_md	bvz_cc_only_anterior_count	bvz_cc_only_anterior_fa	...	bvz_cc_only_mid_posterior_length	bvz_cc_only_mid_posterior_md	bvz_cc_only_posterior_count	bvz_cc_only_posterior_fa	bvz_cc_only_posterior_length	bvz_cc_only_posterior_md	bvz_cc_posterior_count	bvz_cc_posterior_fa	bvz_cc_posterior_length	bvz_cc_posterior_md
15	14561	0.575086	73.296830	0.000660	648	0.599848	79.986437	0.000661	1078	0.578425	...	87.970570	0.000675	14561	0.575086	73.296830	0.000660	2391	0.640425	98.421849	0.000671
19	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	...	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN
25	21325	0.569830	76.592623	0.000642	799	0.608456	92.115085	0.000643	1147	0.588876	...	92.842752	0.000679	21325	0.569830	76.592623	0.000642	3142	0.646343	111.835151	0.000664
29	14682	0.566290	71.951124	0.000661	513	0.612422	84.686447	0.000681	1170	0.591044	...	91.617650	0.000691	14682	0.566290	71.951124	0.000661	1455	0.638914	91.698014	0.000692
44	17145	0.569323	76.775858	0.000650	560	0.579631	82.801906	0.000668	1026	0.582544	...	94.305758	0.000678	17145	0.569323	76.775858	0.000650	2606	0.635036	114.889754	0.000664