Skip to main content
 首页 » 编程设计

python之如何从给定索引的 groupby DataFrame 中检索元素

2025年01月19日9thcjp

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,既然我知道了它们的索引,如何检索标记名称。 我收到以下错误,虽然我已经花了几个小时解决它,但我不确定如何解决它。

这是错误信息

AttributeError: Cannot access callable attribute 'iloc' of 'SeriesGroupBy' objects, try using the 'apply' method

下面是数据

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,问题是如何为每个单倍型检索那些位置的标记

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

请您参考如下方法:

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