python - 如何过滤一列中在另一列中具有公共(public)值的两个特定值

Question

问题

我的数据框的最小可重现示例如下所示

df = pd.DataFrame({'patient': ['patient1', 'patient1', 'patient1','patient2', 'patient2', 'patient3','patient3','patient4','patient4','patient4','patient4'], 
                   'gene':['TYR','TYR','TYR','TYR','TYR','TYR','TYR','TYR','TYR', 'TYR','TYR'],
                   'variant': ['buu', 'luu', 'stm','lol', 'bla', 'buu', 'lol','buu', 'luu', 'IDK','ploy'],
                    'genotype': ['hom', 'het', 'hom','het', 'hom', 'het', 'het','het', 'hom', 'hom','hom']})

df

 patient gene variant genotype
0   patient1  TYR     buu      hom
1   patient1  TYR     luu      het
2   patient1  TYR     stm      hom
3   patient2  TYR     lol      het
4   patient2  TYR     bla      hom
5   patient3  TYR     buu      het
6   patient3  TYR     lol      het
7   patient4  TYR     ploy     het
8   patient4  TYR     luu      hom
9   patient4  TYR     IDK      hom
10  patient4  TYR     buu      hom

我需要识别具有“buu”和“luu”变体的患者

结果

patient1  TYR     buu      hom
patient1  TYR     luu      het
patient4  TYR     luu      hom
patient4  TYR     buu      hom

Answer 1

分组依据patient和过滤组保留那些 variant包含两个必需的变体( buu 、 luu ):

var_set = {'buu', 'luu'}  # set of variants
df[df['variant'].isin(var_set)].groupby('patient')\
    .filter(lambda x: set(x['variant']) >= var_set)

---

• set(A) >= set(B)给出True设置时A是集合 B 的超集

由于数据集从一开始就被过滤(通过 var_set )，使用以下组过滤器可以实现相同的效果:

• set(x['variant']) == var_set

• x['variant'].nunique() == 2

---

    patient gene variant genotype
0  patient1  TYR     buu      hom
1  patient1  TYR     luu      het
7  patient4  TYR     buu      het
8  patient4  TYR     luu      hom