Question

我有一个像这样的数据框和三个列表，其中包含有关PDB（结构）是旧的还是新的信息：

>>> my_df
   PDB1  PDB2  RMSD  Pair
0  A     B     0.2   A-B
1  A     C     0.1   A-C
2  A     D     0.3   A-D
3  B     C     0.3   B-C
4  C     D     0.4   C-D  
5  E     F     0.3   E-F
6  E     G     0.4   E-G
7  F     G     0.2   F-G

all_pdb = [A, B, C, D, E, F, G]
old = [A, B, C]
new = [D, E, F, G]

DF会比较两个结构（PDB1和PDB2），并具有一个用于相似度值（RMSD）的列和一个Pair列。

目标是在研究的整体中保持最小的代表性样本数量，同时将旧的结构保留在新的结构上。例如：

由于没有旧的结构可以代表A，因此在保留B，C和D的同时保留A，然后在保留F和G的同时保留E。

以结构A和E为例，我已经能够检索这两个结构，同时将它们从数据帧中过滤掉，从而得到一个像这样的数据帧：

>>> my_df
   PDB1  PDB2  RMSD  Pair
0  B     C     0.3   B-C
1  C     D     0.4   C-D  
2  F     G     0.2   F-G

问题在于我也在检索B，C和F结构。

现在的代码如下：


pdbs_to_keep = []

all_pdb = [A, B, C, D, E, F, G]

while df.empty == False:

    for x in all_pdb:

#Check whether x is in either column

        if (x in list(df['PDB1']) or x in list(df['PDB2'])):

#Make a filter selecting all rows with x in either column and delete them from the DF

            filter = df[(df['PDB1'] == str(x)) | (df['PDB2'] == str(x))]
            df = df[~df['Pair'].isin(filter['Pair'])]

#Add x to the list of structures to keep

            pdbs_to_keep.append(x)
    break

我希望pdbs_to_keep包含所有A和E，但是它包含所有结构，除了D和G，因为它们出现的行（分别为C和F）在添加之前就被删除了。

Expected result:
>>>pdbs_to_keep
>>>[A, E]

Actual result:
>>>pdbs_to_keep
>>>[A, B, C, E, F]

我知道问题是我只删除了包含分析结构（A或E）的对，而不是删除包含相关结构（B，C，D，F和G）的对，但是我可以不能让它像我想要的那样工作。

如果解释令人困惑，我不能道歉，英语不是我的母语。任何帮助将不胜感激。

Answer 1

This should do the trick.

# Logic
for pdb in all_pdb:
    lst = df[df['PDB1'] == pdb]['PDB2'].unique()
    all_pdb = [x for x in all_pdb if x not in lst]

# Result
print(all_pdb)
['A', 'E']

熊猫：如何过滤与值相关的所有行？

1 个答案: