Question

我有一个包含9列的数据集，我设法使用pandas提取了两个列（感谢Stack成员之前的帮助！）。现在，我的问题是：我有一个值列表，用于从数据集中提取并提取相应的值。提取的数据集如下所示：

Exp. m/z    Intensity
1000        2000
2000        3000
3000        4000
4000        5000

等等（每个数据集大约有500多行）。用于取件的清单如下：

mass
1200
1300

等等（拾取列表约200行）。每个质量值将用于计算上部和下部垃圾箱，它们将用于拾取Exp。来自数据集的m / z值。因此，例如，质量1200将被计算为1250（上部）和1150（下部），并且将从数据集中获取该范围内的任何内容，并且其相应的强度值是我想要的。如果没有拾取，我希望结果为空值，因为我认为0值会影响平均值和其他统计分析。

下面是我的代码，其中file是数据集，pickfile是拾取列表：

从pandas导入DataFrame

    import pandas as pd
    import numpy as np

    file = 'C09.xls'
    pickupfile = 'pickuplist.xlsx'

    xl = pd.ExcelFile(file)
    pl = pd.ExcelFile(pickupfile)

    plist = pd.read_excel(xl)
    pickuplist = pd.read_excel(pl)

    cmass = plist['Exp. m/z']
    height = plist['Intensity']


    plistcollect = pd.concat([cmass, height], axis=1)


    ppm = 150

    peak1upper = round(pickuplist*(1+ppm/1000000),4)

    peak1lower = round(pickuplist*(1-ppm/1000000),4)

    pickup = plistcollect[((plistcollect['Exp. m/z']>peak1lower) & (plistcollect['Exp. m/z'] < peak1upper))]
    print(pickup['Intensity'])

当我执行此代码时，我收到一条错误消息：ValueError：条件所需的布尔数组，而不是float64。我明白我的数据集是浮动值，所以你们有一些提示或提示/建议吗？

非常感谢!!

编辑：忘记提到我的数据和两个限制（peak1lower＆amp; peak1upper）是float64类型。

我也试过像isin那样的拾音器：

    pickup = plistcollect[plistcollect.isin(np.arange(peak1lower,peak1upper))]

Answer 1

如果索引数据框时有多个条件，则所有条件都在另一个括号内。

plistcollect[(plistcollect['Exp. m/z']>peak1lower) & (plistcollect['Exp. m/z'] < peak1upper)]

应该是

plistcollect[((plistcollect['Exp. m/z']>peak1lower) & (plistcollect['Exp. m/z'] < peak1upper))]

编辑：由于您需要在每个元素上执行它，您必须执行以下操作：

limit_df = pd.DataFrame([peak1lower['Exp. m/z'],peak1upper['Exp. m/z']], index=['lower','upper']).T
filtered_df = limit_df.apply(lambda x: ((plistcollect['Exp. m/z'] > x.lower) & (plistcollect['Exp. m/z'] < x.upper)), axis=1)

filtered_df会给你一个布尔数据框架，每一行都有True，False对应于属于质量列表给定元素的DataFrame条目。

更简单的方法是单独保存文件：

def filter_df(x):
    plistcollect[((plistcollect['Exp. m/z'] > x.lower) & (plistcollect['Exp. m/z'] < x.upper))].to_csv("test_%s.csv"%x.name)

limit_df.apply(lambda x: filter_df(x), axis=1)

Answer 2

一种解决方案是创建一个新的DataFrame，将来自pickuplist的值作为索引，并从plist作为列

matches = pd.DataFrame(index=pickup['mass'], columns = plist.set_index(list(plist.columns)).index, dtype=bool)

然后根据需要填充此DataFrame，例如，您可以只使用目标150ppm而不是使用abs进行此双边比较

ppm = 150
for index, exp_mass, intensity in plist.itertuples():
    matches[exp_mass] = abs(matches.index - exp_mass) / matches.index < ppm / 1e6

这就是这样的

Exp. m/z    1000    2000    3000    4000
Intensity   2000    3000    4000    5000
mass                
1000    True    False   False   False
1200    False   False   False   False
1300    False   False   False   False

你可以轻松地用词汇理解来压缩

results = {i: list(s.index[s]) for i, s in matches.iterrows()}

返回pickuplist中plist中每一行的每一行的dict条目，以(Exp. m/z, Intensity)形式出现{1000: [(1000, 2000)], 1200: [], 1300: []}

(Exp. m/z, Intensity)

如果您只想要results2 = {key for key, value in matches.any().iteritems() if value}元组，则可以执行此操作

set

这给了{(1000, 2000)}

$ jq -c '.[] | map_values(.[1:]) | .k1,.k2' <<< "$json" | paste -d "," - -
"http://url",null

Python - 基于值或条件列表的拾取数据

2 个答案: