使用 pandas 和 sqldf 并得到一个无法描述的错误

Posted 2023-04-18

【中文标题】使用 pandas 和 sqldf 并得到一个无法描述的错误

【英文标题】：Using pandas and sqldf and getting a nondescript error

【发布时间】：2013-06-08 15:25:26

【问题描述】：

我决定使用 Pandas 进行一些数据分析，并使用使用 sqlite3 语法的组合 sqldf 库。问题是我收到了一个非 discript 错误。我认为这是我的 sql 语法，但没有什么让我眼前一亮。

错误：

Error on sql  SELECT u.chromosome, u.transcript_affected, u.ensembl_gene_id, u.gene_name ,u.strand, s.transcript_affected, s.ensembl_gene_id, s.gene_name FROM utr_file u INNER JOIN ssm_file s ON u.chromosome= s.chromosome AND u.strand = s.chromosome_strand WHERE s.chromosome_start BETWEEN u.start AND u.end ORDER BY u.chromosome;

SQL 行（也在上面的错误中）：

 q = ''' SELECT u.chromosome, u.transcript_affected, u.ensembl_gene_id, u.gene_name ,u.strand, s.transcript_affected, s.ensembl_gene_id, s.gene_name FROM utr_file u INNER JOIN ssm_file s ON u.chromosome= s.chromosome AND u.strand = s.chromosome_strand WHERE s.chromosome_start BETWEEN u.start AND u.end ORDER BY u.chromosome;'''

 qsubset= sqldf(q,globals())

目标： 我试图确定 ssm_file 中的突变（按位置）在 utr_file 中匹配（在开始和结束之间）。我还需要先通过染色体和链进行匹配。

utr 文件示例：

  chromosome     start       end                              gene_name strand  
0       chr1  67208778  67210768    NM_032291_utr3_24_0_chr1_67208779_f   +
1       chr1  48998526  48999844     NM_032785_utr3_0_0_chr1_48998527_r   -
2       chr1  16785385  16786584     NM_018090_utr3_7_0_chr1_16785386_f   +
3       chr1  33585783  33585995    NM_052998_utr3_11_0_chr1_33585784_f   +
4       chr1  16785385  16786584  NM_001145278_utr3_7_0_chr1_16785386_f   +

ssm_file 示例：

  chromosome  chromosome_start  chromosome_strand transcript_affected  \
0       chr1         100951090                  +     ENSG00000079335   
1       chr1         100951090                  +     ENSG00000079335   
2       chr1         100951090                  +     ENSG00000079335   
3       chr1         100951090                  +     ENSG00000079335   
4       chr1         100951090                  +     ENSG00000079335   

   ensembl_gene_id gene_name  
0  ENST00000544534    CDC14A  
1  ENST00000542213    CDC14A  
2  ENST00000370125    CDC14A  
3  ENST00000361544    CDC14A  
4  ENST00000336454    CDC14A

【参考方案1】：

您似乎遇到了一些列位置问题。我没有安装 Pandas，但是这个查询对在 sqlite 中创建的临时表起作用：

SELECT u.chromosome, u.gene_name ,u.strand, s.transcript_affected, 
s.ensembl_gene_id, s.gene_name FROM utr_file u INNER JOIN ssm_file s ON u.chromosome=
s.chromosome AND u.strand = s.chromosome_strand
WHERE s.chromosome_start BETWEEN u.start AND u.end ORDER BY u.chromosome;

我已从选择中删除了 u.ensembl_gene_id 和 u.transcript_affected，因为这些列仅出现在 ssm_file 中。