我有相互作用由染色体(CHR)表示染色体对一个数据帧,和位置(POS),如下所示:子集数据帧具有不同长度的另一个数据帧
>>>import pandas as pd
>>>df1
chr1 pos1 chr2 pos2
chr1 54278 chr13 68798
chr1 32145 chr7 1248798
...
[162689366 rows x 4 columns]
在真实数据组,这些被分选通过chr1,然后pos1,chr2,pos2。
我与相互作用对我不妨先看看下面的格式的另一个数据集:
>>>df2
chr start stop comment
chr1 54275 55080 cluster-1
chr1 515523 515634 cluster-2
...
chr13 68760 70760
...
[69 rows x 4 columns]
我想子集DF1,包括行,当且仅当两者的相互作用对(CHR 1 POS1 & CHR2 -pos2)在df2的开始和停止值范围内。
在这个例子中,最终的数据帧将是这个样子:
>>>df3
chr1 pos1 chr2 pos2
chr1 54278 chr13 68798
...
我一直在努力明智做到这一步(第一个CHR-POS对,那么第二个)使用.between功能在熊猫没有任何成功。我已经尝试了python2.7和python3.6。
>>>df3 = df1[(df1['chr1'].isin(df2.chr)) & df1['pos1'].between(df1.pos1(df2.start),df1.pos1(df2.stop))]
这似乎适用于.isin但我得到..The函数的错误。我认为,因为数据帧长度不一样,但我无法确定。
>>>df1['pos1'].between(df2.start,df2.stop)
Traceback (most recent call last):
File "<stdin>", line 1, in <module>
File "/usr/lib/python2.7/dist-packages/pandas/core/series.py", line 2412, in between
lmask = self >= left
File "/usr/lib/python2.7/dist-packages/pandas/core/ops.py", line 699, in wrapper
raise ValueError('Series lengths must match to compare')
ValueError: Series lengths must match to compare
任何帮助,非常感谢!