Question

我需要按FeatureID列对数据帧进行分组，然后测试每个组以确定该组的gene_count列中的最大值是否至少大于其他{组中的{1}}个值。

如果没有任何值至少大于3倍，则需要返回gene_count列中具有最大值的行。

在这一点上，如果不存在最大为feature_div的行（也被绑在一起），也没有最大为gene_count的行，则不应返回该feature_div。

所以伪代码逻辑是：

FeatureID

这是我的数据框：

For each group in df.groupby("FeatureID"):
    If max(gene_count) 3x > all other gene_counts in group:
        return this row
    Elif:
        there is a max(feature_div) return this row
    Else:
        max(gene_count) is not >3 x higher than all other gene_counts in group
        and the feature_div scores are all tied
        pass

我想要的输出看起来像这样：

FeatureID     gene      feature_div  gene_count
1_1001_1028   NTRK1.1        2         2.0
1_1001_1028   TP53.1         1         2.0
1_1001_193    MTOR.1         1         9.0
1_1001_193    TP53.2         1         3.0
1_1003_1034   EGFR.1         3         4.0
1_1003_1034   EGFR.5         3         4.0
1_1008_823    ABL1.1         1         2.0
1_1008_823    BRCA2.2        2         2.0

在第一行中，由于计数是绑定的，因此选择NTRK1.1，但它的FeatureID gene feature_div gene_count 1_1001_1028 NTRK1.1 2 2.0 1_1001_193 MTOR.1 1 9.0 1_1008_823 BRCA2.2 2 2.0比TP53.1高。

在第二行中，由于feature_div比TP53.3高3倍，因此选择了MTOR.1。

在第三行中选择BRCA2.2是因为gene_count被并列，但它具有较高的gene_count。

1_1003_1034未返回，因为feature_div的高度不超过其他选项的3倍，并且gene_count的高度不超过其他选项。

Answer 1

以下解决方案使用apply和自定义过滤功能来解决此问题：

def filter_function(x):
    max_gene_counts = x.sort_values('gene_count', ascending=False).gene_count.head(2).values
    max_feature_divs = x.sort_values('feature_div', ascending=False).feature_div.head(2).values

    if max_gene_counts[0] >= 3 * max_gene_counts[1]:
        return x[x.gene_count == max_gene_counts[0]]
    elif max_feature_divs[0] > max_feature_divs[1]:
        return x[x.feature_div == max_feature_divs[0]]
    else:
        pass

df.groupby('FeatureID').apply(filter_function)

结果：

  FeatureID      gene  feature_div  gene_count
1_1001_1028   NTRK1.1            2         2.0
 1_1001_193    MTOR.1            1         9.0
 1_1008_823   BRCA2.2            2         2.0

熊猫：在groupby组中，如果最大值比任何其他值大至少3倍，则返回最大值

1 个答案: