根据其他数据框的列映射数据框

Posted 2023-03-12

【中文标题】根据其他数据框的列映射数据框

【英文标题】：Mapping a dataframe based on the columns from other dataframe

【发布时间】：2017-01-16 08:48:49

【问题描述】：

我有两个DataFrames。一个看起来像这样：

df1.head()
#CHR    Start   End Name
chr1    141474  173862  SAP
chr1    745489  753092  ARB
chr1    762988  794826  SAS
chr1    1634175 1669127 ETH
chr1    2281853 2284259 BRB

第二个DataFrame 如下所示：

df2.head()
#chr    start   end
chr1    141477  173860
chr1    745500  753000
chr16   56228385    56229180
chr11   101785507   101786117
chr7    101961796   101962267

我希望从两个DataFrames 映射前三列并创建一个新的DataFrame、df3。例如，如果df1 和df2 中的#chr 相等，则查找df2.start >= df1.start 和df2.end <= df1.end。

如果是这种情况，打印如下：

df3.head()

#chr    start   end Name
chr1    141477  173860  SAP
chr1    745500  753000  ARB

到目前为止，我已经尝试创建一个函数来执行此操作：

def start_smaller_than_end(df1,df2):
    if df1.CHR == df2.CHR:
        df2.start >= df1.Start
        df2.End <= df2.End

    return df3

但是，当我运行它时，我收到以下错误：

df3(df1, df2)
name 'df3' is not defined

非常感谢任何建议和帮助。

【问题讨论】：

检查这个问题：***.com/questions/30627968/…

【参考方案1】：

我认为您可以将merge 与boolean indexing 一起使用：

df = pd.merge(df1, df2, how='outer', left_on='#CHR', right_on='#chr')

df = df[(df.start >= df.Start) & (df.end <= df.End)]
df = df[['#chr','start','end','Name']]
print (df)
   #chr   start     end Name
0  chr1  141477  173860  SAP
3  chr1  745500  753000  ARB

通过评论编辑：

函数start_smaller_than_end：

def start_smaller_than_end(df1,df2):
    df = pd.merge(df1, df2, how='outer', left_on='#CHR', right_on='#chr')
    df = df[(df.start >= df.Start) & (df.end <= df.End)]
    df = df[['#chr','start','end','Name']]
    return df

df3 = start_smaller_than_end(df1,df2)
print (df3)    

【讨论】：

谢谢，但是两个数据帧的长度不同，所以抛出这个错误，ValueError: Series lengths must match to compare

是的，但您需要先将其合并并在merged 数据帧df 中进行比较。合并后还有问题吗？

对不起，我没有尝试合并 df ，我明白了，它现在正在工作。非常感谢..!!!

有没有办法让它成为我上面定义的函数？

好的，请稍等。