带pd切割的Pandas群比

Question

我有以下数据帧

chr列表示染色体数目，pos表示染色体中的特定位置。pos列按升序排序。我需要将每一条染色体分成100、1000、10000等相等的单元。例如，对于单元值100，chr 1将被分成单元[01100]，[100200]，…[最后位置，最后位置+100）

因此（可能）我需要首先按chr列对u进行分组，然后在pos列上使用pd.cut，其中的仓位由组中的maxpos确定。我如何做到这一点

我只能找到带有固定垃圾箱的示例，例如

pd.groupby(['chr', pd.cut(df_sorted.pos, bins=100)])

但在我的例子中，我需要通过组maxpos值来确定最后的bin间隔

我试过这个：

chr_group = df_sorted.groupby(['chr'])

chr_group.apply(lambda grp: pd.cut(grp.pos, bins=pd.interval_range(
    start=0, freq=1000, end=grp.pos.max(), closed='left')))

但这给了我错误 ValueError: Cannot convert non-finite values (NA or inf) to integer

注意：数据集几乎有300万行，不能使用循环

Answer 1

耶，我终于成功了。我需要做的是扩展bin间隔边界。该错误是由bin间隔未覆盖的最后一行引起的

hr_group = df_sorted.groupby(['chr'])
chr_group.apply(lambda grp: pd.cut(grp.pos, bins=pd.interval_range(
    start=0, freq=1000, end=grp.pos.max()+1000, closed='left')))