Python 3.x 合并两个数据帧，并在由管道分隔的列中输入匹配的条目

我有两个大熊猫数据框

变体

和

表型

当在列

基因

上的数据框之间映射时，它应该用一个新列

HP-ID

打印所有行变体数据框，并用

管道

分隔。下面是数据帧的几行

导入熊猫
#变体
数据变量={'CHROM'：['Chr1'，'Chr11']，'START'：[5193727356867846]，'GENE'：['KCNJ1'，'NPHS2']，'REF'：['C'，'G']，'ALT'：['T'，'A']}
变量=pd.DataFrame（数据变量）
CHROM起始基因REF-ALT
0 Chr1 51937273 KCNJ1 C T
1 Chr11 56867846 NPHS2 G A
#表型
数据_phe={'entrez-id'：[37583758375837583758782778277827]，
‘基因’：[‘KCNJ1’、‘KCNJ1’、‘KCNJ1’、‘KCNJ1’、‘KCNJ1’、‘NPHS2’、‘NPHS2’、‘NPHS2’、‘NPHS2’]，
‘HP-ID’：[‘HP:0002013’、‘HP:0002007’、‘HP:0001561’、‘HP:0000256’、‘HP:0001508’、‘HP:0003774’、‘HP:0003678’、‘HP:0000093’、‘HP:0003073’]，
‘表型’：[‘呕吐’、‘额头浮肿’、‘羊水过多’、‘大头症’、‘发育不全’、‘5期慢性肾病’、‘快速进展’、‘蛋白尿’、‘低蛋白血症’]
表型=pd.数据帧（数据）
entrez-id基因HP-id表型
0 3758 KCNJ1马力：0002013
13758 KCNJ1马力：0002007正面波幅
23758 KCNJ1 HP:0001561羊水过多
33758 KCNJ1 HP:0000256大头畸形
43758 KCNJ1 HP:0001508未能茁壮成长
57827 NPHS2 HP:0003774第5期慢性肾病
67827 NPHS2 HP:0003678快速递增
77827 NPHS2 HP:0000093蛋白尿
87827 NPHS2 HP:0003073低蛋白血症

所需输出

CHROM  START  GENE  REF  ALT  HP-ID
Chr1  51937273  KCNJ1  C  T  HP:0002013|HP:0002007|HP:0001561|HP:0000256|HP:0001508
Chr6  56867846  NPHS2  G  A  HP:0003774|HP:0003678|HP:0000093|HP:0003073

我累了什么

data_frames = [variants, phenotype]
df_marged = reduce(lambda left,right: pd.merge(left,right,on=['GENE'],how='outer'), data_frames)

---

当一行与另一行相匹配时，这将打印所有的变体行和表型行。

首先聚合

join

by，然后使用：

---

谢谢您的回答，我需要一些帮助，对您的解决方案进行一些小的更改。如果没有匹配（表型中缺少数据），则应为NA或空白。不应删除变量数据框中的条目。感谢you@Luffy-所以你需要左连接-

变体.merge（表型.groupby（'GENE'）['HP-ID']].agg（'HP-ID''.join.）.reset_index（），on='GENE'，how='left'）

？

variants.merge(phenotype.groupby('GENE')['HP-ID'].agg('|'.join).reset_index(), on='GENE')