个人中心
文章发布
退出
作者热门文章
- android - 多次调用 OnPrimaryClipChangedListener
- android - 无法更新 RecyclerView 中的 TextView 字段
- android.database.CursorIndexOutOfBoundsException : Index 0 requested, 光标大小为 0
- android - 使用 AppCompat 时，我们是否需要明确指定其 UI 组件(Spinner、EditText)颜色
26
4
我想过滤一个巨大的 python pandas 数据框。表中有四列。
FLAT_DF.head()
---
chr loc cell reads
1 6458 TCTTTCCTCACGGTTA 1
1 6459 TCTTTCCTCACGGTTA 1
1 6460 TCTTTCCTCACGGTTA 1
1 6461 TCTTTCCTCACGGTTA 3
1 6462 TCTTTCCTCACGGTTA 1
1 6463 TCTTTCCTCACGGTTA 1
1 6464 TCTTTCCTCACGGTTA 1
1 6465 TCTTTCCTCACGGTTA 1
1 6914 GGGCACTTCGGAAATA 1
1 6914 ACGATGTTCAGTTAGC 1
1 6914 CGACTTCGTTGTACAC 1
1 6914 AACTGGTCACGCTTTC 1
1 6914 TGTTCCGTCGTTTAGG 1
1 6914 GACTGCGGTGTTTGGT 2
1 6914 AGCTCCTTCCACGACG 1
我尝试通过一组复杂的规则来过滤数据框。
FILTERED_DF = FLAT_DF[
# filter cell with enough coverage
(FLAT_DF.groupby('cell').reads.transform(lambda x: x.sum()) > 10000) &
# filter cell has informative site
(FLAT_DF.groupby('cell').reads.transform(lambda x: (x > 5).sum()) > 10) &
# filter site has informative cell
(FLAT_DF.groupby(['chm', 'loc']).reads.transform(lambda x: (x > 1).sum()) > 10)
].reset_index()
上面的代码在示例数据上运行良好，但在过滤整个表格时需要很长时间才能完成。有没有更好的方法来实现它？我可以改用 np.where() 吗？
最佳答案
我将使用 numpy.bincount 以这种方式构造它
f, u = pd.factorize(df.cell.values)
g, t = pd.factorize(list(zip(df.chr.values.tolist(), df['loc'].values.tolist())))
r = df.reads.values
cond1 = (np.bincount(f, r) > 10000)[f]
cond2 = (np.bincount(f, r > 5) > 10)[f]
cond3 = (np.bincount(g, r > 1) > 10)[g]
cond4 = (np.bincount(f) > 1000)[f]
df[cond1 & cond2 & cond3 & cond4]
解释
pd.factorize 返回可哈希事物数组的整数分解。在 f, u 的情况下，我们分解了 'cell' 列。其中 u 是唯一的单元格值(我们在这里不需要)np.bincount 计算“bin”被引用的次数，并告诉我们每个唯一单元格在 'cell' 列中出现的次数 < strong>if 我们刚刚传递了 f 参数。但我们没有，我们还传递了 r，即 weights 参数。不是每次遇到来自 f 的“bin”时都递增 1，而是递增 r 中的相应值。这充当 groupby 和 sum。通过随后使用 f 对该结果进行切片，我们有效地得到了一个 groupby、transform、sum。这将比您正在执行的 transform 快得多。关于python - 通过不同的分组列快速过滤 Pandas DataFrame 的方法？，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/46108654/
26
4
0
我想了解 Ruby 方法 methods() 是如何工作的。 我尝试使用“ruby 方法”在 Google 上搜索，但这不是我需要的。 我也看过 ruby-doc.org，但我没有找到这种方法。
Test 方法 对指定的字符串执行一个正则表达式搜索，并返回一个 Boolean 值指示是否找到匹配的模式。 object.Test(string) 参数 object 必选项。总是一个
Replace 方法 替换在正则表达式查找中找到的文本。 object.Replace(string1, string2) 参数 object 必选项。总是一个 RegExp 对象的名称。
Raise 方法 生成运行时错误 object.Raise(number, source, description, helpfile, helpcontext) 参数 object 应为
Execute 方法 对指定的字符串执行正则表达式搜索。 object.Execute(string) 参数 object 必选项。总是一个 RegExp 对象的名称。 string
Clear 方法 清除 Err 对象的所有属性设置。 object.Clear object 应为 Err 对象的名称。 说明 在错误处理后，使用 Clear 显式地清除 Err 对象。此
CopyFile 方法 将一个或多个文件从某位置复制到另一位置。 object.CopyFile source, destination[, overwrite] 参数 object 必选
Copy 方法 将指定的文件或文件夹从某位置复制到另一位置。 object.Copy destination[, overwrite] 参数 object 必选项。应为 File 或 F
Close 方法 关闭打开的 TextStream 文件。 object.Close object 应为 TextStream 对象的名称。 说明 下面例子举例说明如何使用 Close 方
BuildPath 方法 向现有路径后添加名称。 object.BuildPath(path, name) 参数 object 必选项。应为 FileSystemObject 对象的名称
GetFolder 方法 返回与指定的路径中某文件夹相应的 Folder 对象。 object.GetFolder(folderspec) 参数 object 必选项。应为 FileSy
GetFileName 方法 返回指定路径（不是指定驱动器路径部分）的最后一个文件或文件夹。 object.GetFileName(pathspec) 参数 object 必选项。应为
GetFile 方法 返回与指定路径中某文件相应的 File 对象。 object.GetFile(filespec) 参数 object 必选项。应为 FileSystemObject
GetExtensionName 方法 返回字符串，该字符串包含路径最后一个组成部分的扩展名。 object.GetExtensionName(path) 参数 object 必选项。应
GetDriveName 方法 返回包含指定路径中驱动器名的字符串。 object.GetDriveName(path) 参数 object 必选项。应为 FileSystemObjec
GetDrive 方法 返回与指定的路径中驱动器相对应的 Drive 对象。 object.GetDrive drivespec 参数 object 必选项。应为 FileSystemO
GetBaseName 方法 返回字符串，其中包含文件的基本名 (不带扩展名), 或者提供的路径说明中的文件夹。 object.GetBaseName(path) 参数 object 必
GetAbsolutePathName 方法 从提供的指定路径中返回完整且含义明确的路径。 object.GetAbsolutePathName(pathspec) 参数 object
FolderExists 方法 如果指定的文件夹存在，则返回 True；否则返回 False。 object.FolderExists(folderspec) 参数 object 必选项
FileExists 方法 如果指定的文件存在返回 True；否则返回 False。 object.FileExists(filespec) 参数 object 必选项。应为 FileS
我是一名优秀的程序员,十分优秀！