使用pandas DataFrame比较两个file_csv以查找差异并将F2连接到F1

问题描述 投票:0回答:1

我需要帮助来解决这个问题。如果有人有想法使用python3使用panda DataFrame创建脚本:

我有两个CSV数据集文件太长,无法放入熊猫DataFrame显示。它们具有以下结构:

F1: 
   gene disease
0  g1   d1
1  g1   d2
2  g1   d3
3  g2   d2
4  g2   d3
5  g2   d4
6  g3   d2
7  g3   d4
8  g4   d1
9  g4   d3

F2:
  gene  phenotype
0  g1   ph1
1  g1   ph2
2  g2   ph2
3  g2   ph3
4  g2   ph4
5  g3   ph4
6  g4   ph1
7  g4   ph3
8  g5   ph4
9  g6   ph2

g =基因名称(字符串,整数,浮点数),d =疾病名称(字符串)ph =表型

主要目标是将F2中的所有基因与F1中的基因进行比较,如果它们相等,则附加基因名称和与疾病相关的表型,以获得包含与表型相关的所有疾病的输出文件F3。基因。

这是预期的输出:

gene disease phenotype
g1   d1      ph2
g1   d2      ph2
g2   d2      ph1
g2   d3      ph2
ect. 

任何人都可以帮我创建脚本吗?任何帮助将非常感激。谢谢!

python pandas dataframe data-science
1个回答
0
投票

基因和表型之间存在1对多的关系,基因与疾病之间存在一对多的关系。如果你加入基因,会有很多对很多。请参见示例输出。这是你想要的?

data = [
    ["g1", "d1"], 
    ["g1", "d2"],
    ["g1", "d3"],
    ["g2", "d2"], 
    ["g2", "d3"]
]
f1 = pd.DataFrame(data, columns={"gene", "disease"})


data = [
    ["g1", "ph1"], 
    ["g1", "ph2"],
    ["g2", "ph2"], 
    ["g2", "ph3"]
]
f2 = pd.DataFrame(data, columns={"gene", "phenotype"})

f1.merge(f2)



idx gene disease phenotype
0   g1  d1  ph1
1   g1  d1  ph2
2   g1  d2  ph1
3   g1  d2  ph2
4   g1  d3  ph1
5   g1  d3  ph2
6   g2  d2  ph2
7   g2  d2  ph3
8   g2  d3  ph2
9   g2  d3  ph3
© www.soinside.com 2019 - 2024. All rights reserved.