合并文件坐标的两个文件在python

Question

我有一个叫snp.txt该文件是这样的：

chrom chromStart chromEnd name strand  observed  
chr1 259   260  rs72477211 + A/G single 
chr1 433   433  rs56289060 + -/C insertion 
chr1 491   492  rs55998931 + C/T single 
chr1 518   519  rs62636508 + C/G single 
chr1 582   583  rs58108140 + A/G single 

我有第二个文件gene.txt

chrom chromStart chromEnd tf_title tf_score 
chr1 200   270   NFKB1  123 
chr1 420   440   IRF4  234 
chr1 488   550   BCL3  231 
chr1 513   579   TCF12  12 
chr1 582   583   BAD170  89 

的最终输出我想要的是：output.txt的

chrom chromStart chromEnd name strand observed tf_title tf_score 
chr1 259   260  rs72477211 + A/G   NFKB1  123 
chr1 433   433  rs56289060 + -/C   IRF4  234 
chr1 491   492  rs55998931 + C/T   BCL3  231 
chr1 518   519  rs62636508 + C/G   TCF12  12 
chr1 582   583  rs58108140 + A/G   BAD170  89 

我希望能够做的关键是看gene.txt，并检查是否在日的rsnumber snp.txt的名字列位于由chrom，chr​​omStart和chromEnd建立的相同区域。

例如：

在snp.txt 的RSID rs72477211的第一行是在位置259和260。

现在gene.txt之间CHR1，NFKB1也在CHR1但位置之间200和270, 这意味着rsid rs72477211位于NFKB1区域，所以在输出txt中记录了这一点。

我无法做到这一点在使用熊猫合并功能，我不知道哪里开始。 这些文件非常大，因此循环会非常低效。 有人可以帮忙吗？谢谢！

Answer 1

如果它装入内存，你可以merge两个dataframes与outer方法库仅在chrom列，然后通过执行范围包括数学筛选结果：

df = snp.merge(gene, how='outer', on='chrom') 
df = df[(df.chromStart_x>=df.chromStart_y) & (df.chromEnd_x<=df.chromEnd_y)] 

最后，您可以删除重复列：

del test['chromStart_y'] 
del test['chromEnd_y']