问题描述
我有一个包含 > 300 个独特样本的数据框,每个样本有 2 列类似信息,我想在每个样本的其中一列中过滤 34 个特定值。我已经包含了数据的屏幕截图以帮助可视化这个问题。我基本上想生成一个新的数据框,其中只包含我指定的 34 个值的信息。如果这个问题难以理解,我很抱歉,我希望屏幕截图有助于更好地定义问题。
在此屏幕截图中,需要针对我在单独数据框中拥有的特定值过滤具有“sampleID_r.variant”的每一列。只有 34 个我感兴趣。有了这个,我想将相应的值与它一起存储在“sampleID_reads”列的左侧,就像字典一样。如果有人可以帮助解决这个问题,我将不胜感激。非常感谢。
编辑: 原始数据帧采用以下格式:
sampleID_reads | sampleID_r.variant |
---|---|
1 | r.79_80ins79+1_79+76 |
64 | r.79_80ins79+10857_79+10938 |
53 | r.79_80ins80-13725_80-13587 |
72 | r.79_80ins80-5488_80-5435 |
16 | r.79_80ins79+2861_79+2900 |
这 34 个样本的格式如下:
r_dot |
---|
r.646_729del |
r.-19_-18ins-19+428_-19+535 |
r.-25_-20del |
r.4186_4188del |
r.5333_5406del |
...等等等等 |
解决方法
这是一些示例数据
d = {'sample1_reads': [1,64,53,72,16],'sample1_r.variant': ['r.79_80ins79+1_79+76','r.79_80ins79+10857_79+10938','r.79_80ins80-13725_80-13587','r.79_80ins80-5488_80-5435','r.79_80ins79+2861_79+2900'],'sample2_reads': [0,3,6,9,11],'sample2_r.variant': ['r.5333_5406del','r.4186_4188del','r.5333_54106del','r.2345_2345fad','r.65456_w56sjfy']}
df = pd.DataFrame(d)
rdot = pd.DataFrame(['r.79_80ins79+1_79+76','r.646_729del','r.5333_5406del',columns=['r_dot'])
如果您只想根据第二帧过滤第一帧,那么您可以执行以下操作
# reshape your current data frame
new_df = pd.DataFrame(df.values.reshape((-1,2)),columns=['reads','variant'])
# use boolean indexing to filter your new data frame
df_f = new_df[new_df['variant'].isin(rdot['r_dot'])]
reads variant
0 1 r.79_80ins79+1_79+76
1 0 r.5333_5406del
6 72 r.79_80ins80-5488_80-5435
8 16 r.79_80ins79+2861_79+2900