我需要编写一个函数来根据某些分层条件过滤数据集。该函数的目的是为一组蛋白质中的每个蛋白质获取一个注释。
该函数需要执行以下操作,
- 按“id”列对蛋白质进行分组
- 检查蛋白质组中的每项分析
- 按优先级选择分析(这不是排序问题,因此应按条件顺序给出分析,以便稍后重新排序)。首先检查analysis_1,如果不存在则采用analysis_2或analysis_3等。
- 将该行放入新的数据框中。
这是将被过滤的数据的示例,
df=pd.DataFrame({
'id': ['Protein_1', 'Protein_1', 'Protein_1',
'Protein_2','Protein_2','Protein_2'],
'analysis': ['analysis_6', 'analysis_4', 'analysis_1',
'analysis_3','analysis_2','analysis_5'],
'annotation':['annotation_1', 'annotation_2', 'annotation_3',
'annotation_1','annotation_2','annotation_3'] })
这是我想看到的输出,
df_filtered= pd.DataFrame({
'id': ['Protein_1','Protein_2'],
'analysis': ['analysis_1', 'analysis_2'],
'annotation':['annotation_3', 'annotation_2'] })
下面的代码可以工作,但我想通过使用 pandas groupby、apply 和 iterrows 函数来实现。
new_df =pd.DataFrame(columns=df.columns)
protein_id=list(df.id.unique())
for protein in protein_id:
data=df[df["id"] == protein]
if len(data[data["analysis"] =="analysis_1"]) == 0:
if len(data[data["analysis"] =="analysis_2"]) == 0:
if len(data[data["analysis"] =="analysis_3"]) == 0:
pass
else:
data2=data[data["analysis"] =="analysis_3"]
new_df = pd.concat([new_df,data2])
else:
data2=data[data["analysis"] =="analysis_2"]
new_df = pd.concat([new_df,data2])
else:
data2=data[data["analysis"] =="analysis_1"]
new_df = pd.concat([new_df,data2])
new_df
感谢任何帮助!!
最佳答案
您可以暂时对数据帧进行排序,然后删除每个 id 的除一个条目之外的所有条目。它看起来像这样:
df.sort_values('analysis').drop_duplicates(['id'], keep='first')
请注意,这不会更改原始数据框中的顺序。结果如下所示:
id analysis annotation
2 Protein_1 analysis_1 annotation_3
4 Protein_2 analysis_2 annotation_2
如果您有一个返回分析优先级的函数,您可以将其与上述方法结合使用:
def prio_function(analysis):
# return a low number for a better result
# and a high number for a worse result
return int(analysis.split('_')[1]) # replace this row by your code
df_work= df.assign(_prio=df['analysis'].apply(prio_function))
df_work.sort_values('_prio').drop_duplicates(['id'], keep='first').drop(columns='_prio')
如果优先级更简单,您还可以将字典传递给 apply
而不是函数。
关于pandas - 如何编写一个迭代 pandas 数据帧组并应用分层条件的函数?,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/65076914/