r - 如何从另一个 df 的值子集创建一个新的 df？-6ren

r - 如何从另一个 df 的值子集创建一个新的 df？

转载作者：行者123 更新时间：2023-12-04 11:12:33

30

4

我有一个看起来像这样的 df:

    gene ID  Probe ID Chromosome     Start      Stop
    1:   H3F3A 539154271          1 226259488 226259567
    2:   H3F3A 539154249          1 226259368 226259447
    3:   H3F3A 539154244          1 226259238 226259317
    4:   H3F3A 539154241          1 226259118 226259197
    5:   H3F3A 539154231          1 226258998 226259077
    6:   H3F3A 539154255          1 226258868 226258947

df 包含 7830 行，对应 40 个不同的基因 ID。

从这个 df，我想得到一个有 40 行的 df，每行对应于 40 个基因中的每一个，'Start' 将是第一个 Start 值，'Stop' 将是最后一个 Stop 值每个基因(即第一个基因的起始值是 226259488，终止值是 226258947。这个新的 df 看起来像(例如第一个基因 ID):

    gene ID  Probe ID Chromosome     Start      Stop
    1:   H3F3A 539154271          1 226259488 226258947

任何帮助都会很棒。谢谢

最佳答案

根据格式，它看起来像一个data.table，所以使用data.table方法，按'gene ID'，'Chromosome'分组，得到'Start'的first，'Stop'的last等列，汇总数据

library(data.table)
df[, .(`Probe ID` = first(`Probe ID`), Start = first(Start),
     Stop = last(Stop)), by = .(`gene ID`, Chromosome)]

关于r - 如何从另一个 df 的值子集创建一个新的 df？，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/57777890/

30

4

0

文章推荐： c - 如何仅从 clang AST 获取函数声明？

文章推荐： emacs - 如何在指定模式下禁用 hl-line 功能

文章推荐： r - 获取跨数据框列的频率计数的更有效方法

python - df[x]、df[[x]]、df ['x' ]、df[['x' ]] 和 df.x 之间的区别
努力理解标题中 5 个示例之间的区别。系列与数据框有一些用例吗？什么时候应该使用一个而不是另一个？哪些是等价的？最佳答案 df[x] — 使用变量 x 索引列。返回 pd.Series df[[x]
python - 一步显示 df.info()、df.head()、df.shape、df.dtypes
在使用Jupyter Notebook时，我必须为问题标题中提到的df.info()、df.head()等单独留出空格. 有没有办法像第二张图片那样把所有这些都放在一个 block 中，并显示所有信息
python - 实现 `df[m] = df[x] + df[y] + df[z]` 的更好方法
我想求三列之和，我采取的方法如下: In [14]: a_pd = pd.DataFrame({'a': np.arange(3), 'b': [5, 7,
用快捷方式替换 df <- df %>% ...
我想我们大多数人已经使用过这样的东西(至少如果你正在使用 tidyverse): library(tidyverse) example % select(- mpg) 我的问题: 我知道这部分有一
python - 将 DF 拆分为多个 DF 并对每个 DF 执行所有操作的函数
我有一个 DF，里面有大约 20,000 行。我构建了一个 Python 脚本来对这些数据(包括数据透视表)运行大量清理和数学运算。我想将此 DF 拆分为 3 个独立的 DF，然后根据列值将这 3
python - 避免在执行 df ['column' ] = df ['column' ] 时写两次 df ['column' ]
我什至不知道如何表达这一点，但在 Python 中有没有一种方法可以引用等号之前的文本，而无需实际再次编写？ ** 编辑 - 我在 Jupyter 中使用 python3 我似乎用了半辈子的时间来写作
python - 替换 DF 中的单元格，其中 DF 的单元格是其他 DF 中所需行的索引
在 df1 中，每个单元格值都是我想要从 df2 中获取的行的索引。我想获取 df2 trial_ms 列中行的信息，然后根据获取的 df2 列重命名 df1 中的列。可重现的 DF: # df1
python - 从单个 df 派生多个 df，使得每个 df 没有 NaN 值
我想转换此表 0 thg John 3.0 1 thg James 4.0 2 mol NaN 5.0 3 mol NaN NaN 4
r - 我可以缩写 df[ !is.na(df$val) & df$val > 15] 吗？
我有一个数据框，我想从中提取 val 中的值大于 15 以及 val 不是 NA: df[ !is.na(df$val) & df$val > 15, ] 由于我假设在 R 中经常需要这样的比较，所
python - 如何用 df.loc 或 df.iloc 替换 df.ix？
鉴于 coming deprecation of df.ix[...] 如何替换这段代码中的 .ix？ df_1 = df.ix[:, :datetime.time(16, 50)] d
python-3.x - df.where( ) 和 df [ (df [ ] == ) ] 在 Pandas 中的区别，python
任何我可以帮助我说出 Pandas 中这两个语句之间的区别-python df.where(df['colname'] == value) 和 df[(df['colname'] == value)]
python - 在一个 df 上创建具有条件的 lambda 函数以在另一个 df 的 df.apply 中使用
考虑 df Index A B C 0 20161001 0 24.5 1 20161001 3 26.5 2
python - Pandas.groupby 中的 df.min、df.max 和 df.mean 有没有办法一次输出在某一列？
所以我需要按“fh_status”列对行进行分组，然后对每个组执行“gini”的最小值、平均值和最大值(将有三个)。我想出了这段代码: m = (df2.groupby(['fh_status']).
python - 在同一 df 中的 df col 行中仅选择一个值，以获取不同 val 的计算结果，并且一次仅对一个股票代码进行计算 df
我尝试计算不同公司/股票的一些 KPI。我的股票信息位于 df 中，具有以下结构 Ticker Open High Low Ad
r - 如何从另一个 df 的值子集创建一个新的 df？
我有一个看起来像这样的 df: gene ID Probe ID Chromosome Start Stop 1: H3F3A 539154271
python - 如何最好地使用来自另一个用于检索多个值的 df 的索引值创建新的 df？
nn_idx_df 包含与 xyz_df 的索引匹配的索引值。如何从 xyz_df 中的 H 列获取值并在 nn_idx_df 中创建新列以匹配 output_df 中所示的结果。我可以解决这个问题，
python - 如何根据条件从 DF 创建 DF
我目前的 DF 看起来像这样 Combinations Count 1 ('IDLY', 'VADA') 3734 6 ('DOSA', 'IDLY')
python - 用第二个 DF 填充 DF
我看到了几个与此相关的问题，但我发现这些技巧都不起作用。我正在尝试根据第二个数据帧的值填充数据帧的所有 NaN 值。第一个 df 很大，第二个 df 将充当某种键。 DF1 Par
python - 基于一个键将数据从 df 复制到多列中的另一个 df
我有两个数据帧，df1 和 df2。每个数据帧的唯一标识符是“ID”和“Prop_Number”。我需要将 df1 中的 Num1、2 和 3 列复制到 df2、1_Num 中的相应列...但我不确定
python - df.to_dict() 只得到一行原始数据帧(df)
我有以下数据框: 注意:日期是索引 city morning afternoon evening midnight date 2014-05-01 Y

首页

博学

6Ren·AI

商城

r - 如何从另一个 df 的值子集创建一个新的 df？