python - 位于指定范围内的值的数量

Question

我有一个如下所示的数据框:

NC_011163.1:1
NC_011163.1:22
NC_011163.1:44
NC_011163.1:65
NC_011163.1:73
NC_011163.1:87
NC_011163.1:104
NC_011163.1:130
NC_011163.1:151
NC_011163.1:172
NC_011163.1:194
NC_011163.1:210
NC_011163.1:235
NC_011163.1:255
NC_011163.1:295
NC_011163.1:320
NC_011163.1:445
NC_011163.1:520

我想使用 210 窗口扫描数据框并计算每个 210 窗口中的值数量。

期望的输出:

output: Values 
NC_011163.1:1-210   12
NC_011163.1:211-420 4
NC_011163.1:421-630 2

非常感谢您为解决此问题提供的意见。

谢谢

V

Answer 1

如果您使用 python 和 Pandas ，你可以这样做:

将数据放在数据框中df:

             NC    N
0   NC_011163.1    1
1   NC_011163.1   22
2   NC_011163.1   44
3   NC_011163.1   65
4   NC_011163.1   73
5   NC_011163.1   87
6   NC_011163.1  104
7   NC_011163.1  130
8   NC_011163.1  151
9   NC_011163.1  172
10  NC_011163.1  194
11  NC_011163.1  210
12  NC_011163.1  235
13  NC_011163.1  255
14  NC_011163.1  295
15  NC_011163.1  320
16  NC_011163.1  445
17  NC_011163.1  520

df.groupby([df.NC, pd.cut(df.N, range(0,631,210))]).count()
                         N
NC          N             
NC_011163.1 (0, 210]    12
            (210, 420]   4
            (420, 630]   2

地点:

• pd.cut(df.N, range(0, 631, 210)) 返回 N 列中的值所在的 bin。 bin 由范围定义，这会创建 3 个 bin:[0, 210, 420, 630]。
• 然后你分组:
  • NC 编号(因此它与您的输出匹配，但这里没有用，因为只有一组，但我猜您会有其他染色体，因此它将执行每个染色体的操作)
  • 你刚刚制作的垃圾箱
• count 每组中元素的数量。