我有一个数据帧在下面。
df = pd.DataFrame(columns=['Chromosome', 'Start','End'],
data=[
['chr1', 2000, 3000],
['chr1', 500, 1500],
['chr3', 3000, 4000],
['chr5', 4000, 5000],
['chr17', 9000, 10000],
['chr19', 1500, 2500]
])
我有一个探测数据帧,如下所示。
probes = pd.DataFrame(columns=['Probe', 'Chrom','Position'],
data=[
['CG999', 'chr1', 2500],
['CG000', 'chr19, 2000],
])
我想过滤 df 中包含探针染色体的行,并且它的开始和结束数字之间有探针位置,然后将探针名称添加到 df 中的新列/字段中。所需的输出如下:
Probe Chrom Start End
0 CG999 chr1 2000 3000
5 CG000 chr19 1500 2500
我在下面的尝试有效,但没有将探测器名称放入 Probe 列中,而是依赖于循环探测器数据。必须有一种更有效的方法来做到这一点。
all_indexes = []
# fake2.tsv is the aforementioned probes dataframe
with open('fake2.tsv') as f:
for x in f:
probe, chrom, pos = x.rstrip("n").split("t")
row = df[(df['Chromosome'] == chrom) & ((int(pos) > df['Start']) & (int(pos) < df['End']))]
all_indexes.append(t.index.tolist())
all_t = [y for x in all_t for y in x]
df.iloc[all_indexes]
你可以试试这个:
df.merge(probes, left_on='Chromosome', right_on='Chrom').query('Start < Position < End')
输出:
Chromosome Start End Probe Chrom Position
0 chr1 2000 3000 CG999 chr1 2500
2 chr19 1500 2500 CG000 chr19 2000
我刚刚遇到了同样的问题,显然熊猫中没有内置的解决方案。但是,您可以在以下线程上使用解决方案:
-
在熊猫中按范围加入/合并的最佳方式
-
如何执行数据帧与熊猫的内联接或外联接 非简单标准