我有一个看起来像这样的 Pandas 数据框:
qseqid sseqid qstart qend
2 1 125 345
4 1 150 320
3 2 150 450
6 2 25 300
8 2 50 500
我想根据具有这些条件的其他行值删除行:如果另一行 (r2) 存在相同的 sseqid
,则必须删除行 (r1)和 r1[qstart] > r2[qstart]
和 r1[qend] < r2[qend]
.
这对 Pandas 来说可能吗?
最佳答案
df = pd.DataFrame({'qend': [345, 320, 450, 300, 500],
'qseqid': [2, 4, 3, 6, 8],
'qstart': [125, 150, 150, 25, 50],
'sseqid': [1, 1, 2, 2, 2]})
def remove_rows(df):
merged = pd.merge(df.reset_index(), df, on='sseqid')
mask = ((merged['qstart_x'] > merged['qstart_y'])
& (merged['qend_x'] < merged['qend_y']))
df_mask = ~df.index.isin(merged.loc[mask, 'index'].values)
result = df.loc[df_mask]
return result
result = remove_rows(df)
print(result)
产量
qend qseqid qstart sseqid
0 345 2 125 1
3 300 6 25 2
4 500 8 50 2
想法是使用pd.merge
将每对行组成一个DataFrame
使用相同的 sseqid
:
In [78]: pd.merge(df.reset_index(), df, on='sseqid')
Out[78]:
index qend_x qseqid_x qstart_x sseqid qend_y qseqid_y qstart_y
0 0 345 2 125 1 345 2 125
1 0 345 2 125 1 320 4 150
2 1 320 4 150 1 345 2 125
3 1 320 4 150 1 320 4 150
4 2 450 3 150 2 450 3 150
5 2 450 3 150 2 300 6 25
6 2 450 3 150 2 500 8 50
7 3 300 6 25 2 450 3 150
8 3 300 6 25 2 300 6 25
9 3 300 6 25 2 500 8 50
10 4 500 8 50 2 450 3 150
11 4 500 8 50 2 300 6 25
12 4 500 8 50 2 500 8 50
merged 的每一行包含来自 df 的两行的数据。然后,您可以使用
比较每两行mask = ((merged['qstart_x'] > merged['qstart_y'])
& (merged['qend_x'] < merged['qend_y']))
并在df.index
中找到不符合这个条件的标签:
df_mask = ~df.index.isin(merged.loc[mask, 'index'].values)
并选择那些行:
result = df.loc[df_mask]
请注意,这假定 df
具有唯一索引。
关于python - Pandas : Delete rows based on other rows,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/39223638/