如何使用熊猫根据标签拆分文件？答案

【问题标题】：How to split a file according to labels using pandas?如何使用熊猫根据标签拆分文件？
【发布时间】：2015-08-28 18:12:54
【问题描述】：

我有一个格式如下的基因组测序文件：

染色体名称（字符串）|位置 (int) |读数（整数）

所有染色体的数据都存储在一个文件中，我希望

将文件拆分为单独的染色体数据文件；
转换染色体名称，例如'chr1', 'x' 转换为整数。

如何使用 Pandas 做到这一点？

import pandas as pd
df = pd.read_csv('sample.txt', delimiter='\t', header=None)

数据是这样的

0   chr1    3000573     0   
1   chr1    3000574     3   
2   chr2    3000725     1   
3   chr2    3000726     4   
4   chr3    3000900     1   
5   chr3    3000901     0

我还可以通过染色体标签 chr1、chr2、...重新索引数据框

【问题讨论】：

您正在将染色体分组到它们自己的文件中？
您可能应该使您的问题更具体，并专注于您的代码的特定问题。现在它的意思是“这是一个描述模糊的任务集合；请为我实现它们”，我敢肯定这不是你的意图。
是的，我正在尝试将染色体分组到自己的文件中，或者找到一种方法来使用 pandas 命令提取单个染色体的数据。我知道如何对数据框的列执行此操作，例如df['location']，行有类似的东西吗？
进行排序和分组，你也可以只使用 csv 库和字典来分组
为了让其他人有所帮助，您的问题需要更加具体。例如，包括一些示例数据并说明所需的输出。请参考这篇文章，了解如何写好问题。 stackoverflow.com/questions/20109391/…

标签： python pandas genetics

【解决方案1】：

一旦将数据框拼接成片段，就可以轻松地将每个染色体的数据写入单个文件。不太确定“将染色体名称转换为整数”是什么意思，但如果您的意思是给定“chrx”，您希望 x 作为 int，这很容易。假设你有染色体“chr1”到“chrn”，其中 n 是一个整数：

import pandas
df = pandas.read_csv("sample.txt", delimiter="\t", header=None)
df.columns = ["index", "chrid", "location", "readings"]
chrs = []
for chrid in range(1,n):
    chr = df.loc[df["chrid"] == "chr"+str(chrid)]
    chr["chrid"] = map(lambda x: return int(x[3]), chr["chrid"])
    chrs.append(chr)
# chrs is now a list of dataframes, each for individual chromosome data

【讨论】：