Question

我想要处理6列pandas数据帧数据，并根据某些条件删除一些行。数据框是制表符分隔的，如下所示：

RO52_HUMAN  TRIM6_HUMAN 1.83e-136   471 45.86   216
RO52_HUMAN  TRI68_HUMAN 6.46e-127   482 42.946  207
RO52_HUMAN  TRI22_HUMAN 6.49e-121   491 41.344  203
RO52_HUMAN  TRI38_HUMAN 7.15e-117   458 42.358  194
RO52_HUMAN  TRIM5_HUMAN 3.6e-114    499 40.281  201
RO52_HUMAN  TRI39_HUMAN 2.56e-111   490 39.388  193
RO52_HUMAN  TRI11_HUMAN 2.35e-109   471 43.524  205
RO52_HUMAN  TRI27_HUMAN 1.44e-108   495 37.576  186
RO52_HUMAN  TRI34_HUMAN 6.12e-105   500 43.0    215
RO52_HUMAN  TRI17_HUMAN 1.79e-87    461 37.093  171

删除行的标准仅取决于前两列。我还有一个字典，整个键是前两列中的蛋白质ID，值也是其他蛋白质ID的列表。基本上我想删除所有行，如果：

第一列的值在字典中作为键，如果第二列的值在字典内的该键的值中。我为此编写了反向逻辑，并尝试执行它一些（而不是保持不满足这些条件的行）我写的是这个

blast_out_filtered_df = blast_out_df[ -blast_out_df[0].isin(homolog_dict.keys()) | (blast_out_df[0].isin(homolog_dict.keys() & -blast_out_df[1].isin(homolog_dict[blast_out_df[0]]) ) ) ]

我读入我文件的数据框叫做blast_out_df，我试图用过滤行创建的新数据框是blast_out_filtered_df。运行此代码的ofcrourse给出了以下错误：

Traceback (most recent call last):
File "<stdin>", line 1, in <module>
File "C:\Users\mstambou\AppData\Local\Continuum\Anaconda\lib\site-
packages\pandas\core\generic.py", line 806, in __hash__
' hashed'.format(self.__class__.__name__))
TypeError: 'Series' objects are mutable, thus they cannot be hashed

这是因为我试图使用特定行的列值来索引字典。如何有效地进行此操作？我实现了usint .iterrrows（）方法然而我有超过一百万行，这太慢了。有什么建议？谢谢。

字典看起来像这样：

homolog_dict['MAPK5_MOUSE']
['MAPK5_HUMAN']

在这种情况下，键是'MAPK5_MOUSE'，值是['MAPK5_HUMAN']一个列表

Answer 1

能够通过这样做找到解决方案：

dct_2 = dict(RO52_HUMAN=['TRI68_HUMAN', 'TRI67_HUMAN'])

blast_out_df[map(isnt_in, zip(blast_out_df[1], blast_out_df[0].map(dct_2)))]

并通过定义我自己的函数：

def isnt_in(lst_item):     
    if str(lst_item[1])== 'nan':
        return True
    return lst_item[0] not in lst_item[1]

由于我的词典的值是列表，因此它上面的地图功能不会被切断。此外，我必须定义自己的函数，因为如果我找不到该字典的键，map将返回np.nan值，在这些情况下，函数将返回True以用于此任务。

pandas根据多个条件从数据框中删除行而不使用for循环

1 个答案: