根据另一个带有熊猫的df中的信息，在另一个df中添加一个新列

Question

我必须对文件进行制表符，例如：

file1.txt

Seqname1 Seqname2
Seq1(+) SeqA
Seq2(-) SeqA
Seq3(+) SeqB
Seq2(-) SeqC
Seq8(-) SeqY
Seq8(-) SeqH
Seq10(+) SeqK

file2.txt

Clustername Names
Cluster1    SeqA
Cluster1    Seq1(+)
Cluster1    SeqC
Cluster1    Seq2(-)
Cluster1    Seq3(+)
Cluster1    SeqB
Cluster1    SeqG
Cluster2    Seq8(-)
Cluster2    SeqY
Cluster2    SeqH
Cluster3    Seq10(+)
Cluster3    SeqK

这个想法是首先为Names中的每个元素检查file2.txt，如果这个元素有一个(+)或(-)，那么检查它对应的Clustername然后继续@ 987654328@ 并在Clustername 列添加相应的clustername。 这里例如 il line 2 有 Seq1(+)，它的 Clustername 是 Cluster1，然后我在 file1.txt 中查找存在 Seqname1 的行，并将 Cluster1 添加到 Clustername 列。

所以最后我应该得到类似的东西：

Clustername Seqname1 Seqname2
Cluster1 Seq1(+) SeqA
Cluster1 Seq2(-) SeqA
Cluster1 Seq3(+) SeqB
Cluster1 Seq2(-) SeqC
Cluster2 Seq8(-) SeqY
Cluster2 Seq8(-) SeqH
Cluster3 Seq10(+) SeqK

有人知道使用 python 和 pandas 吗？

Answer 1

先读取文件

df1=pd.read_csv('your directory path/file1.txt', sep=" ")
df2=pd.read_csv('your directory path/file2.txt', sep=" ")

那么，

我们可以使用Series.str.contains 来检查包含(+) 或(-) 的行。我们可以执行boolean indexing，然后我们使用DataFrame.merge：

m1=df2['Names'].str.contains('(+)',regex=False)
m2=df2['Names'].str.contains('(-)',regex=False)
new_df=df2[m1|m2].merge(df1,left_on='Names',right_on='Seqname1').drop('Names',axis=1)
print(new_df)

---

  Clustername  Seqname1 Seqname2
0    Cluster1   Seq1(+)     SeqA
1    Cluster1   Seq2(-)     SeqA
2    Cluster1   Seq2(-)     SeqC
3    Cluster1   Seq3(+)     SeqB
4    Cluster2   Seq8(-)     SeqY
5    Cluster2   Seq8(-)     SeqH
6    Cluster3  Seq10(+)     SeqK