两个熊猫数据框之间的多重条件[关闭]

Question

我正在处理一个调用 Format(.vcf) 文件的变体。我正在从个体基因组数据中分离基因型等位基因，并计算患有特定疾病的机会。根据我的分析，我需要实现如下条件： 我有两个从 .vcf 文件中提取的不同熊猫数据框

1. 疾病

SNP	EfectSize	MinorAlleFrequency
rs05	0.32	0.09
rs012	0.5	0.20
rs02	0.8	0.29

2.个体SNP

SNP	cola	colb
rs02	0	1
rs03	1	1
rs12	0	0

我的情况如下：如果数字 1.dataframe（疾病）列“SNP”与数字 2.dataframe（individualSNPs）列“SNP”匹配。然后我会从单个 SNPs 数据框 cola 和 colb 列中检查。

if( cola=0 and colb=0):
  score = MinorAlleFrequency* effectSize (from datafram Diseases of matched row)

if( cola=0 and colb=1) or (cola=1 and colb=1):
  score = (1 - MinorAlleFrequency)* effectSize (from datafram Diseases of matched row)

if( cola=1 and colb=0):
  print("genotype unavailable")
 

然后分数值将保存在 CSV 文件中。

提前致谢

Answer 1

首先，您可以从合并您的数据框开始，以便您获得一个包含两个数据框列的新数据框，并且只保留 IndividualSNPs 数据框（列 SNP）中存在的 Diseases 数据框（列 SNP）中的行.就像：

import pandas as pd

new_df = pd.merge(diseases_df, individual_snp_df, on="SNP", how="inner")

那么既然你没有那么多条件，你可以这样做：

indexes = new_df[(new_df["cola"] == 0) & (new_df["colb"] == 0)]
new_df["score"].loc[indexes] = new_df["MinorAlleFrequency"] * new_df["EffectSize"]

并用你的变化重复它（我猜你的第二个条件，可以恢复到colb == 1）：

indexes = new_df[new_df["colb"] == 1]
new_df["score"].loc[indexes] = (1 - new_df["MinorAlleFrequency"]) * new_df["EffectSize"]

最后，用NA 将其余部分留空可能是比将字符串（“基因型不可用”）放在浮点列中更好的解决方案。

Answer 2

newDf = IndividualSNPs[Diseases["SNP"] == IdividualSNPs["SNP"]][["cola","colb"]]

score = np.where(((newDf["cola"] == 0) & (newDf["colb'] == 0)), (Diseases["MinorAlleFrequency"])*(Diseases["EffectSize"]), np.where(((newDf["cola"] == 0)&(newDf["colb"] == 1)) | ((newDf["cola"] == 1) & (newDf["colb"] == 1)), (1 - Diseases["MinorAlleFrequency"]) * (Diseases["EffectSize"]),print("genotype unavaible")))