- html - 出于某种原因,IE8 对我的 Sass 文件中继承的 html5 CSS 不友好?
- JMeter 在响应断言中使用 span 标签的问题
- html - 在 :hover and :active? 上具有不同效果的 CSS 动画
- html - 相对于居中的 html 内容固定的 CSS 重复背景?
我有那个 df:
gene person allele allele2
A1 p1 G C
A2 p1 A C
A3 p1 A T
A1 p2 G C
A2 p2 T T
A3 p2 G C
A4 p2 A T
A2 p1 G C
A3 p1 C C
...
正如你所看到的,在表中我可以有几次同一个人(来自不同实验室的记录)。第一个 p1 是第二个 p1 的不同样本,我只需要选择得分最高的唯一样本(行数最高),所以这个例子将是第一个 p1 因为它有 3,而另一个有 2。
gene person allele allele2
A1 p1 G C
A2 p1 A C
A3 p1 A T
A1 p2 G C
A2 p2 T T
A3 p2 G C
A4 p2 A T
...
我正在考虑通过 for 循环对其进行索引。例如,如果人 == 高于人,则添加到索引 i。如果没有,我+1。然后我会有一个小组。但是……整个 df 有 300 万行,所以在我开始之前,我决定在这里描述我的问题。也许这是更好的方法?
最佳答案
通过比较创建连续组 Series.ne
与 Series.shift
和 Series.cumsum
,然后按 Series.map
计数与 Series.value_counts
:
g = df['person'].ne(df['person'].shift()).cumsum()
s = g.map(g.value_counts())
print (s)
0 3
1 3
2 3
3 4
4 4
5 4
6 4
7 2
8 2
Name: person, dtype: int64
最后比较每个
person
的最大值来自
GroupBy.transform
与
Series
s
在
boolean indexing
:
print (s.groupby(df['person']).transform('max'))
0 3
1 3
2 3
3 4
4 4
5 4
6 4
7 3
8 3
Name: person, dtype: int64
df = df[s.groupby(df['person']).transform('max').eq(s)]
print (df)
gene person allele allele2
0 A1 p1 G C
1 A2 p1 A C
2 A3 p1 A T
3 A1 p2 G C
4 A2 p2 T T
5 A3 p2 G C
6 A4 p2 A T
编辑:如果需要第一组相同的大小,例如这里群
p1
具有相同的长度 2 次:
#added last row for another data test
print (df)
gene person allele allele2
0 A1 p1 G C
1 A2 p1 A C
2 A3 p1 A T
3 A1 p2 G C
4 A2 p2 T T
5 A3 p2 G C
6 A4 p2 A T
7 A2 p1 G C
8 A3 p1 C C
9 A4 p1 C C
g = df['person'].ne(df['person'].shift()).cumsum()
print (g)
0 1
1 1
2 1
3 2
4 2
5 2
6 2
7 3
8 3
9 3
Name: person, dtype: int32
#same size 3
s = g.map(g.value_counts())
print (s)
0 3
1 3
2 3
3 4
4 4
5 4
6 4
7 3
8 3
9 3
Name: person, dtype: int64
#selected first max index in s
idx = s.groupby(df['person']).idxmax()
print (idx)
person
p1 0
p2 3
Name: person, dtype: int64
#seelcted groups g
print (g.loc[idx])
0 1
3 2
Name: person, dtype: int32
#selected only matched groups
print (g.isin(g.loc[idx]))
0 True
1 True
2 True
3 True
4 True
5 True
6 True
7 False
8 False
9 False
Name: person, dtype: bool
df = df[g.isin(g.loc[idx])]
print (df)
gene person allele allele2
0 A1 p1 G C
1 A2 p1 A C
2 A3 p1 A T
3 A1 p2 G C
4 A2 p2 T T
5 A3 p2 G C
6 A4 p2 A T
关于python - 对具有相同名称的行进行分组的最佳方法,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/63335767/
是 if(a == 0 && b == 0 && c == 0) { return; } 一样 if(a == 0) { return; } if(b == 0) { return; } if(c =
我想做这样的事情: Class A Class B extends A Class C extends A B b = new B(); C c = new C(); b->setField("foo
我对 Mysql 世界很天真......:)我试图使用连接从表中查询, 我遇到结果集问题...表结构如下 下面... VIDEO_XXXXX | Field | Type
我最近问过关于从另一个类获取类的唯一实例的问题。 ( How to get specific instance of class from another class in Java? ) 所以,我正
假设我们有两种类型 using t1 = int*; using t2 = int*; 我知道 std::is_same::value会给我们true .什么是,或者是否有模板工具可以实现以下目标?
对于我的一个应用程序,我假设比较 2 个字符串的第一个字符比比较整个字符串是否相等要快。例如,如果我知道只有 2 个可能的字符串(在一组 n 字符串中)可以以相同的字母开头(比如说 'q'),如果是这
我想在我的NXP LPC11U37H主板(ARM Cortex-M0)上分析一些算法,因为我想知道执行特定算法需要多少个时钟周期。 我编写了这些简单的宏来进行一些分析: #define START_C
我在 Excel 中创建了一个宏,它将在 Excel 中复制一个表格,并将行除以我确定的特定数字(默认 = 500 行),并为宏创建的每个部门打开不同的工作表。 使用的代码是这样的: Sub Copy
我想根据第一个字典对第二个字典的值求和。如果我有字典 A 和 B。 A = {"Mark": ["a", "b", "c", "d"], "June": ["e", "a"], "John": ["a
当我这样做时 system()在 Perl 中调用,我通常根据 perldocs 检查返回码.嗯,我是这么想的。大部分时间 $rc!=0对我来说已经足够了。最近我在这里帮助了两个遇到问题的人syste
在我的进度条上,我试图让它检测 div 加载速度。 如果 div 加载速度很快,我想要实现的目标将很快达到 100%。但进度条的加载速度应该与 div 的加载速度一样快。 问题:如何让我的进度条加载
当我获得与本地时间相同的时间戳时,firebase 生成的服务器时间戳是否会自动转换为本地时间,或者我错过了什么? _firestore.collection("9213903123").docume
根据the original OWL definition of OWL DL ,我们不能为类和个体赋予相同的名称(这是 OWL DL 和 OWL Full 之间的明显区别)。 "Punning" i
我有两个输入复选框: 尝试使用 jQuery 来允许两个输入的行为相同。如果选中第一个复选框,则选中第二个复选框。如果未检查第 1 个,则不会检查第 2 个。反之亦然。 我有代码: $('inpu
可以从不同系统编译两个相同的java文件,但它们都有相同的内容操作系统(Windows 7),会生成不同的.class文件(大小)? 最佳答案 是的,您可以检查是否有不同版本的JDK(Java Dev
我正在清理另一个人的正则表达式,他们目前所有的都以结尾 .*$ 那么下面的不是完全一样吗? .* 最佳答案 .*将尽可能匹配,但默认情况下为 .不匹配换行符。如果您要匹配的文本有换行符并且您处于 MU
我使用 Pick ,但是如何编写可以选择多个字段的通用PickMulti呢? interface MyInterface { a: number, b: number, c: number
我有一个 SQL 数据库服务器和 2 个具有相同结构和数据的数据库。我在 2 个数据库中运行相同的 sql 查询,其中一个需要更长的时间,而另一个在不到 50% 的时间内完成。他们都有不同的执行计划。
我需要你的帮助,我有一个包含两列的表,一个 id 和 numpos,我希望 id 和 numops 具有相同的结果。 例子: $cnx = mysql_connect( "localhost", "r
如何将相同的列(在本例中按“级别”排序)放在一起?我正在做一个高分,我从我的数据库中按级别列出它们。如果他们处于同一级别,我希望他们具有相同的 ID。 但是我不想在别人身上显示ID。只有第一个。这是一
我是一名优秀的程序员,十分优秀!