Python 使用列（字符串数据类型）的值筛选

我一直在研究一个大型基因组学数据集，该数据集包含对每个样本的多次读取，以确保我们获得数据，但在分析数据时，我们需要将其降到一行，这样我们就不会扭曲数据（当一个实例被多次读取时，将该基因计算为存在6次）。每一行都有一个ID，因此我在ID上使用了pandas

df.groupby（）

函数。下面是一个表格，以尝试说明我要做的事情：

# ID   |  functionality   |   v_region_score   |   constant_region 
# -----------------------------------------------------------------
# 123  |  productive      |      820           |      NaN
#      |  unknown         |      720           |      NaN
#      |  unknown         |      720           |      IgM
# 456  |  unknown         |      690           |      NaN
#      |  unknown         |      670           |      NaN
# 789  |  productive      |      780           |      IgM
#      |  productive      |      780           |      NaN

（编辑）以下是示例数据帧的代码：

df1 = pd.DataFrame([
    [789, "productive", 780, "IgM"],
    [123, "unknown", 720, np.nan],
    [123, "unknown", 720, "IgM"],
    [789, "productive", 780, np.nan],
    [123, "productive", 820, np.nan],
    [456, "unknown", 690, np.nan],
    [456, "unknown", 670, np.nan]], 
    columns=["ID", "functionality", "v_region_score", "constant_region"])

这将是选择正确行的最终输出：

df2 = pd.DataFrame([
    [789, "productive", 780, "IgM"],
    [123, "productive", 820, np.nan],
    [456, "unknown", 690, np.nan]], 
    columns=["ID", "functionality", "v_region_score", "constant_region"])

所以分组后，对于每个组，如果它在功能上有一个“生产性”值，我想保留该行，如果它是“未知”的，我取最高的v_区域值，如果有多个“生产性”值，我取在其恒定区域中有一些值的值

我尝试了几种访问这些值的方法：

id, frame = next(iter(df_grouped))

if frame["functionality"].equals("productive"):
    # do something

只看一组：

x = df_grouped.get_group("1:1101:10897:22442")

for index, value in x["functionality"].items():
    print(value)

# returns the correct value and type "str"

甚至将每组放入一个列表：

new_groups = []

for id, frame in df_grouped:
    new_groups.append(frame)

# access a specific index returns a dataframe
new_groups[30]

所有这些的错误都是“序列的真值是不明确的”，我现在理解了为什么这不起作用，但是我不能使用

a.any（）

，

a.all（）

，或者

a.bool（）

，因为条件是多么复杂

---

是否有任何方法可以根据列的值在每个组中选择特定的行？很抱歉问了这么复杂的问题，请提前感谢！：）

您可以从不同的角度来处理您的问题：

根据您的条件对值进行排序

分组依据

ID

保留每个分组的

ID的第一个结果

例如：

df1=df1.sort_值（['ID'，'functionality'，'v_region_score'，'constant_region']，升序=[True，True，False，True]，na_position='last'）
df1.groupby（'ID'）.first（）.reset_index（）
输出[0]：
ID功能v_区域\分数恒定\区域
0.820 IgM
1456未知690南
2 789 780 IgM

此外，如果要在

null

时合并

constant\u区域的值，可以使用
fillna（method='ffill'）
，以便保留存在的值：

##排序在这里
df1['constant_region']=df1.groupby（'ID'）['constant_region'].fillna（method='ffill'）
df1
出[1]：
ID功能v_区域\分数恒定\区域
4 123 820南
2123未知720 IgM
1123未知720 IgM
5456未知690南
6456未知670南
0 789 780 IgM
3789 780 IgM
##在这里分组
hi，请分享您的原始数据帧和预期输出的示例。将此作为指南：非常好的排序，感谢您的评论@Kenan。非常感谢！我甚至没有想过要这样做，而且它非常优雅：）