我有一个相互作用的染色体对的数据帧,用染色体(chr)和位置(pos)表示,如下所示:
>>>import pandas as pd
>>>df1
chr1 pos1 chr2 pos2
chr1 54278 chr13 68798
chr1 32145 chr7 1248798
...
[162689366 rows x 4 columns]
在实际数据集中,这些数据按chr1排序,然后按pos1、chr2、pos2排序。在
我有另一个数据集,其中包含我希望以以下格式查看的交互对:
^{pr2}$当且仅当两个交互对(chr1-pos1&chr2-pos2)都在df2的开始和停止值范围内时,我希望将df1子集化以包含行。在
在本例中,最终的数据帧如下所示:
>>>df3
chr1 pos1 chr2 pos2
chr1 54278 chr13 68798
...
我一直在尝试在pandas中使用.between函数来完成这个步骤(第一个chr-pos对,然后是第二个chr-pos对),但没有成功。我试过python2.7和python3.6。在
>>>df3 = df1[(df1['chr1'].isin(df2.chr)) & df1['pos1'].between(df1.pos1(df2.start),df1.pos1(df2.stop))]
这似乎适用于.isin,但是.between函数有一个错误。我想是因为数据帧的长度不一样,但我不能确定。在
>>>df1['pos1'].between(df2.start,df2.stop)
Traceback (most recent call last):
File "<stdin>", line 1, in <module>
File "/usr/lib/python2.7/dist-packages/pandas/core/series.py", line 2412, in between
lmask = self >= left
File "/usr/lib/python2.7/dist-packages/pandas/core/ops.py", line 699, in wrapper
raise ValueError('Series lengths must match to compare')
ValueError: Series lengths must match to compare
非常感谢任何帮助!在
有人可能有一个更优雅的解决方案,但在我的头脑中,我会将}连接两次,这样就可以在一个数据集中获得所有内容,而且比较也很容易。在
df2
与{df2
基本上是一个查找表,df2.chr
应该分别与df1.chr1
和{注意后缀。因此,
^{pr2}$pos1
将被测试在start_r1
-stop_r1
范围内,pos2
将被测试在start_r2
-stop_r2
范围内。在相关问题 更多 >
编程相关推荐