分类导航

程序问答发布时间：2022-06-02 发布网站：大佬教程 code.js-code.com

大佬教程收集整理的这篇文章主要介绍了Python Pandas-比较2个数据框，多个参数，大佬教程大佬觉得挺不错的，现在分享给大家，也给大家做个参考。

如何解决Python Pandas-比较2个数据框，多个参数？

开发过程中遇到Python Pandas-比较2个数据框，多个参数的问题如何解决？下面主要结合日常开发的经验，给出你关于Python Pandas-比较2个数据框，多个参数的解决方法建议，希望对你解决Python Pandas-比较2个数据框，多个参数有所启发或帮助； @H_944_2@您可以使用IIUCread_csv和@H_86_3@merge：

import pandas as pd
import io

temp1=u"""Sample;Chr;Start;End;Value
S1;1;100;200;1
S1;2;200;250;1
S2;1;50;75;5
S2;2;150;225;4"""
#after tesTing replace io.StringIO(temp1) to filename
dfline = pd.read_csv(io.StringIO(temp1), sep=";")

temp2=u"""name;Chr;position
P1;1;105
P2;1;60
P3;1;500
P4;2;25
P5;2;220
P6;2;240"""
#after tesTing replace io.StringIO(temp2) to filename
mapfile = pd.read_csv(io.StringIO(temp2), sep=";")



print dfline
  Sample  Chr  Start  End  Value
0     S1    1    100  200      1
1     S1    2    200  250      1
2     S2    1     50   75      5
3     S2    2    150  225      4
print mapfile
  name  Chr  position
0   P1    1       105
1   P2    1        60
2   P3    1       500
3   P4    2        25
4   P5    2       220
5   P6    2       240

#merge by column Chr
df = pd.merge(dfline, mapfile, on=['Chr'])

#SELEct by conditions
df = df[(df.position > df.Start) & (df.position < df.End)]

#subset of df
df =  df[['name','Chr','position','Value', 'Sample']]



print df
   name  Chr  position  Value Sample
0    P1    1       105      1     S1
4    P2    1        60      5     S2
7    P5    2       220      1     S1
8    P6    2       240      1     S1
10   P5    2       220      4     S2

#if you need reset index
print df.reset_index(drop=TruE)
  name  Chr  position  Value Sample
0   P1    1       105      1     S1
1   P2    1        60      5     S2
2   P5    2       220      1     S1
3   P6    2       240      1     S1
4   P5    2       220      4     S2

解决方法

@H_944_2@我有两张桌子。一个（下面的df）大约有18,000行，另一个（下面的映射文件）大约有80万行。我需要一个可以与如此大的DataFrames一起使用的解决方案。

@H_944_2@这是一个玩具示例：表1-df

Sample    Chr    Start     End    Value
S1        1       100      200     1
S1        2       200      250     1
S2        1       50        75     5
S2        2       150      225     4

@H_944_2@表2-映射文件

Name    Chr    Position
P1       1      105
P2       1      60
P3       1      500
P4       2      25
P5       2      220
P6       2      240

@H_944_2@我正在尝试执行以下操作（我的语法是错误的，但是我认为这个想法会出现）：

for mapline in mapfile:
    for dfline in df:
       if Df[dfline]['Chr'] == mapfile[mapline]['Chr']
           if mapfile[mapline]['Position'] > df[dfline]['Start'] & mapfile[mapline]['Position'] < df[dfline]['End']
                  newdf[['Name','Chr','Position','Value','Sample']] = pd.DataFrame([ mapfile[mapline]['Name'],mapfile[mapline]['Chr'],mapfile[mapline]['Position'],df[dfline]['Value'],df[dfline]['Sample'] ] )

@H_944_2@换句话说：我需要遍历mapfile中的每个项目（行），看看它的位置是否在df中每个CHR的任何START和END之间。如果是这样，我需要使用两个表中的“名称”，“色度”，“位置”，“样本”和“值”字段将其添加到新文件中。

@H_944_2@玩具数据输出表：

Name    Chr    Position    Value   Sample
P1       1      105         1       S1
P2       1      60          5       S2
P5       2      220         1       S1
P5       2      220         4       S2
P6       2      240         1       S1

@H_944_2@到目前为止：我已经了解了上面的内容，并且在确定语法以在python中进行常规循环时遇到了问题。但是，我的理解是，使用pandas或NumPy这样的包可能会容易得多？请帮助我找到最有效的方法，此过程中对语法的一些帮助将非常有用。