为另一列中的匹配项迭代列答案

【问题标题】：Iterate column for matches in another column为另一列中的匹配项迭代列
【发布时间】：2019-09-09 19:43:17
【问题描述】：

我的文件看起来像：

chr1:92092600   G[chr2:164084669[   ENSG00000189195 ENST00000342818 BTBD8   chr2:164084669
chr1:121498879  T[chr9:2781522[ ENSG00000233432 ENST00000425455 AL592494.2  chr9:2781522
chr2:101298260  ]chr3:196435392]A   ENSG00000163162 ENST00000295317 RNF149  chr3:196435392
chr2:164084669  ]chr1:92092600]G    ENSG00000237844 ENST00000429636 AC016766.1  chr1:92092600
chr9:2781522    ]chr1:121498879]T   ENSG00000080608 ENST00000490444 PUM3    chr1:121498879
chr3:196435392  A[chr2:101298260[   ENSG00000163960 ENST00000296328 UBXN7   chr2:101298260

对于第 6 列中的每个元素，我想搜索第 1 列，如果存在 - 打印整行。因此，第 6 列中前 3 个元素的预期输出应如下所示：

chr2:164084669  ]chr1:92092600]G    ENSG00000237844 ENST00000429636 AC016766.1  chr1:92092600
chr9:2781522    ]chr1:121498879]T   ENSG00000080608 ENST00000490444 PUM3    chr1:121498879
chr3:196435392  A[chr2:101298260[   ENSG00000163960 ENST00000296328 UBXN7   chr2:101298260

到目前为止我有：

import pandas as pd

pd.options.display.max_colwidth = 100
file =  open("data.txt", 'r')

chrA =[]
chrB = []
Bgenes = []

for line in file.readlines():
    chrA.append(line.split()[0])
    chrB.append(line.split()[5])
    for pos in chrB:
        if pos in chrA: 
            Bgenes.append(line)

【问题讨论】：

如果数据甚至没有进入数据框，为什么还要导入pandas？
也不是第6列的每个元素都在第1列吗？

标签： python pandas

【解决方案1】：

您还可以使用列表推导来查找匹配项：

with open('data.txt', 'r') as f:
    lines = [line.split() for line in f.readlines()]

for line in lines:
    try:
        i = [x[0] for x in lines].index(line[5])
        print(' '.join(lines[i]))
    except IndexError:
        pass

输出：

chr2:164084669 ]chr1:92092600]G ENSG00000237844 ENST00000429636 AC016766.1 chr1:92092600
chr9:2781522 ]chr1:121498879]T ENSG00000080608 ENST00000490444 PUM3 chr1:121498879
chr3:196435392 A[chr2:101298260[ ENSG00000163960 ENST00000296328 UBXN7 chr2:101298260
chr1:92092600 G[chr2:164084669[ ENSG00000189195 ENST00000342818 BTBD8 chr2:164084669
chr1:121498879 T[chr9:2781522[ ENSG00000233432 ENST00000425455 AL592494.2 chr9:2781522
chr2:101298260 ]chr3:196435392]A ENSG00000163162 ENST00000295317 RNF149 chr3:196435392

【讨论】：

太好了，谢谢@Alderven！还有一个问题，对于第 1 列中不存在的第 6 列中的每个元素，您可以添加一个空白行吗？
或者，也许这不是必需的......我想将输出合并回 indata，也许这可以用 pandas concat 来完成，所以产生 NaN 而不是空行。

【解决方案2】：

首先把你的数据放到一个pandas DataFrame中，然后你就可以用这个了：

import pandas as pd

df = pd.DataFrame({"a": ["asdf", "qwer", "zxcv"],
                   "b": ["b_row_1", "b_row_2", "b_row_3"],
                   "c": ["ghjk", "qwer", "zxcv"]})

for index, row in df.iterrows():
    if row["c"] not in df["a"].tolist():
        df = df.drop(index)

输出应如下所示：

      a        b     c
1  qwer  b_row_2  qwer
2  zxcv  b_row_3  zxcv

您可以使用类似的方法将文件作为 pandas DataFrame 读取：

data = pd.read_csv('output_list.txt', sep=" ", header=None)
data.columns = ["a", "b", "c", "etc."]

检查这些链接：

Load data rom txt with pandas

How to iterate over rows in a datarame in pandas

Pandas dataframe drop

【讨论】：

不要使用iterrows，因为这违背了pandas的目的

【解决方案3】：

你需要使用一个单独的“for”循环来收集和另一个循环来搜索。

lines=file.readlines()
for line in lines: 
    for line2 in lines:
         if line.split()[5] ==line2.split()[0]:
             Bgenes.append(line2)

我希望这会有所帮助:)

【讨论】：

【解决方案4】：

我假设您的数据可以用逗号分隔（您可以添加）。原因是您的原始数据具有不同数量的空白。这是我猜你想要的结果的代码和屏幕截图。

import pandas as pd
data1 = pd.read_csv('C:/data.csv', sep=',', header=None)
data2 = pd.read_csv('C:/data.csv', sep=',', header=None)
df1=pd.DataFrame(data1) # create FIRST dataframe
df2=pd.DataFrame(data2) # create SECODN dataframe

df1.columns=['1','2','3','4','5','ID'] #assinging ID to column 6
df2.columns=['ID','2','3','4','5','6'] #assingning ID to column 1

dfMerged1=pd.merge(df1, df2, on='ID', how='inner') 
dfMerged2=pd.merge(df2, dfMerged1, on='ID', how='inner')

dfCleaned=dfMerged2.iloc[:,0:6] #what you want at the end
print(dfCleaned)

【讨论】：