Question

上下文：

我的DataFrame包含以下列：HapID，Marker，Start_position，End_position。对于每个HapID，我想得到： - 具有最小Start_position的标记（称为leftMarker） - 具有最大End_position的标记（称为rightMarker） - 间隔是差异（最大End_position - 最小Start_position）

我的问题是如何在我知道其索引时检索标记名称。我收到了下面的错误，虽然我花了好几个小时，但我不确定如何解决它。

以下是错误消息

AttributeError：无法访问可调用属性＆＃39; iloc＆＃39; ＆＃39; SeriesGroupBy＆＃39;对象，尝试使用＆＃39; apply＆＃39;方法

以下是数据

HapID   Marker  Start_position  End_position
hap_1   mk1 1107207 1107256
hap_1   mk2 1104711 1104760
hap_1   mk3 1106845  1106894
hap_2   mk4 11901413 11901462
hap_2   mk5 206031250 206031299
hap_2   mk6 11498893 11498942
hap_2   mk7 17236023 17236072
hap_2   mk8 11692209 11692258
hap_2   mk9 11691512 11691561
hap_2   mk10 11615664 11615713

这是预期的输出

HapID   leftMarker  rightMarker Start_position  End_position    Interval
hap_1   mk2 mk1 1104711 1107256 2545
hap_2   mk6 mk5 11498893    206031299   194532406

代码：

import pandas as pd
data = {
'HapID':['hap_1','hap_1','hap_1','hap_2','hap_2','hap_2','hap_2','hap_2','hap_2','hap_2'],
'Marker':['mk1','mk2','mk3','mk4','mk5','mk6','mk7','mk8','mk9','mk10'],
'Start_position':[1107207,1104711,1106845,11901413,206031250,11498893,17236023,11692209,11691512,11615664],
'End_position':[1107256,1104760,1106894,11901462,206031299,11498942,17236072,11692258,11691561,11615713]}
df = pd.DataFrame(data)

haplotypes = df.groupby(df['HapID'])
posi_1 = haplotypes.Start_position.min()
posi_2 = haplotypes.End_position.max()
diff_posi = posi_2 - posi_1
a = haplotypes.Start_position.idxmin()#index at minimum Start_position
b = haplotypes.End_position.idxmax() #index at maximum End_position
#print('{} {} {}'.format(posi_1,posi_2,diff_posi))
#print('{} {}'.format(a,b)) #just to se if I'm getting the index

现在，问题是如何检索每个单倍型的那些位置的标记

leftMarker = haplotypes.Marker.iloc(a)
rightMarker = haplotypes.Marker.iloc(b)

Answer 1

我认为您需要从原始数据框中检索标记。

leftMarker = df.loc[a,['HapID','Marker']]
rigthMarker = df.loc[b,['HapID','Marker']]

print(leftMarker)

   HapID Marker
1  hap_1    mk2
5  hap_2    mk6

print(rightMarker)

   HapID Marker
0  hap_1    mk1
4  hap_2    mk5

Answer 2

这是将函数应用于pandas groupby的相当简单的情况。您应该阅读pandas docs on how to use groupby以更好地了解如何/何时使用此技术。

def my_fn(df):
    mk_min = df.loc[df['Start_position'].idxmin()]
    mk_max = df.loc[df['End_position'].idxmax()]
    vals = [mk_min['Marker'], mk_max['Marker'], mk_min['Start_position'], mk_max['End_position'], mk_max['End_position'] - mk_min['Start_position']]
    idx = ['leftMarker', 'rightMarker', 'Start_position', 'End_position', 'Interval']
    return pd.Series(vals, index=idx)

df.groupby('HapID').apply(my_fn)

返回

      leftMarker rightMarker  Start_position  End_position   Interval
HapID                                                                
hap_1        mk2         mk1         1104711       1107256       2545
hap_2        mk6         mk5        11498893     206031299  194532406

如何从给定索引

2 个答案: