我有一个数据帧,我们称之为df1
,有一个多重索引(只是一个片段,还有更多的列和行)
M1_01 M1_02 M1_03 M1_04 M1_05
Eventloc Exonloc
chr10:52619746-52623793|- 52622648-52622741 0 0 0 0 0
chr19:58859211-58865080|+ 58864686-58864827 0 0 0 0 0
58864686-58864840 0 0 0 0 0
58864744-58864840 0 0 0 0 0
chr19:58863054-58863649|- 58863463-58863550 0 0 0 0 0
另一个数据帧,让我们用创造性的名字df2
,像这样(这些是不同算法的结果,这就是为什么它们有不同的索引)。列是相同的,尽管在第一个数据框中它们没有排序。在
我有了这个数据帧,让我们再次创新,将其命名为df3
,它统一了df1
和{
Eventloc Exonloc
event_id
chr3:53274267:53274364:-@chr3:53271813:53271836:-@chr3:53268999:53269190:- chr3:53269191-53274267|- 53271812-53271836
chr2:9002720:9002852:-@chr2:9002401:9002452:-@chr2:9000743:9000894:- chr2:9000895-9002720|- 9002400-9002452
chr1:160192441:160192571:-@chr1:160190249:160190481:-@chr1:160188639:160188758:- chr1:160188759-160192441|- 160190248-160190481
chr7:100473194:100473333:+@chr7:100478317:100478390:+@chr7:100478906:100479034:+ chr7:100473334-100478906|+ 100478316-100478390
chr4:55124924:55124984:+@chr4:55127262:55127579:+@chr4:55129834:55130094:+ chr4:55124985-55129834|+ 55127261-55127579
我需要对这些结果做一个1:1的比较,所以我试着两个都做了
df1.ix[df3.head().values]
以及
df1.ix[pd.MultiIndex.from_tuples(df3.head().values.tolist(), names=['Eventloc', 'Exonloc'])]
但他们都给了我NAs的数据帧。唯一有效的方法是:
event_id = df2.index[0]
df1.ix[df3.ix[event_id]]
但这显然是次优的,因为它没有矢量化,而且速度非常慢。我想我遗漏了多重索引的一些重要概念。在
谢谢, 奥尔加
如果我理解您在做什么,您需要显式地构造元组(但是它们必须是完全限定的元组,例如,每个级别都有一个值),或者更简单地,构造一个布尔索引器)
这些是第一帧中级别0的所有值
^{pr2}$构造结果的布尔索引器
相关问题 更多 >
编程相关推荐