python - 如何选择在 Pandas 数据框中持续存在的数据

Question

我有一个 Pandas 数据框，其中包含有关突变的数据，相关位如下(0/0 = 无突变，0/1 = 杂合突变，1/1 = 纯合突变)。在进行的实验中，我们进行了超过 5 代的处理(紫外线照射)。我只对出现并持续多代的突变感兴趣(即，不会及时丢失)，无论是杂合子 (0/1) 还是纯合子 (1/1)。

例如，第一行(索引 0)中的数据应该保留，即使它只出现在最后一列中。索引的第 5、7、9 和 10 行也应保留，因为它们在出现后会在所有世代中持续存在。

我真的不知道如何开始着手这件事。也许在循环 df 时可以使用一系列 if 语句，但这不是很可取，是吗？

index   GEN[0].GT   GEN[1].GT   GEN[2].GT   GEN[3].GT   GEN[4].GT
0   0/0 0/0 0/0 0/0 1/1
1   0/0 0/0 0/1 0/0 0/0
2   0/0 0/1 0/0 0/1 0/0
3   0/0 0/1 0/0 0/1 0/0
4   0/0 0/1 0/0 0/1 0/1
5   0/0 0/0 1/1 1/1 1/1
6   0/0 0/0 0/0 1/1 0/0
7   0/0 0/0 0/0 1/1 1/1
8   0/0 0/0 0/0 1/1 0/0
9   0/0 0/0 0/0 1/1 1/1
10  0/0 0/1 0/1 0/1 0/1

Answer 1

根据 MattR 的观察，我假设索引列确实是索引，而不是常规列。

让我们从用 np.nan 替换无突变标记 0/0 开始。当您向前填充新数据帧的行时，nan 间隙将被最近的非 nan 值填充:

filled = df.replace('0/0', np.nan).fillna(method='ffill', axis=1).fillna("0/0")

不与原始行不同的填充行没有间隙。因此，他们在非0/0之后没有0/0:

good = (filled == df).all(axis=1)

这是他们的数字:

df[good].index
#Int64Index([0, 5, 7, 9, 10], dtype='int64', name='index')