Python数据帧中的行排序/计数

我正在尝试开发一个质量检查脚本，它将遍历一组数据（在熊猫数据框架中），并计算不同类型样本的总数。以下是数据库中的一个示例：

有问题的样品都是有问题的

XXX123

我的当前脚本选择和挑选所有的QC样本，如空白或IRM，但是我对实际的XXX123的计数有困难，因为其中一些获得了两种类型的副本，如内部质量检查。p>

一种是带有“ORIG”和“PREP”的类型

第二种是带“.1”和“.2”的

另外一个问题是，很少有一个示例同时获得这两个示例，正如您在XXX123 85-90中看到的那样

最后，问题是我如何解释这一点？如何告诉python：

• 只要有一行包含“.1”和下面的一行 包含“.2”-将这两个条目计为1
• 只要有一行包含“ORIG”和下面的一行 包含“PREPDUP”-将这两个条目计为1
• 只要有一行包含“ORIG.1”和下面的一行 包含“原始2”和下面第三个，包含“PREPDUP”- 将这三个条目计为1

请让我知道，如果我可以进一步澄清这一点。谢谢这是我当前运行的代码，但是“#Replicates”下面的所有内容都没有按照我的要求执行，因为我无法理解它：

# IRMs
IRMs = CorrectedDF[CorrectedDF['SampleID'].str.match('IRM')]
print('Total numer of IRM samples in the run is: {}' .format(len(IRMs.index)))

# BLANKs 
searchfor = ['blk', 'Blank', 'BLK', 'blank']
BLANKs = CorrectedDF[CorrectedDF['SampleID'].str.contains('|'.join(searchfor))]
print('Total numer of BLANKs in the run is: {}' .format(len(BLANKs.index)))

# OREAS 239
searchfor2 = ['OREAS 239', 'oreas 239', 'Oreas 239']
OREAS_239 = CorrectedDF[CorrectedDF['SampleID'].str.contains('|'.join(searchfor2))]
print('Total numer of OREAS 239 Samples in the run is: {}' .format(len(OREAS_239.index)))

# Cal Standards 
searchfor3 = ['Standard', 'Au 15']
CalSTD = CorrectedDF[CorrectedDF['SampleID'].str.contains('|'.join(searchfor3))]
print('Total numer of Cal Standard Samples in the run is: {}' .format(len(CalSTD.index)))

# Prep samples
searchfor4 = ['Prep']
Prep = CorrectedDF[CorrectedDF['SampleID'].str.contains('|'.join(searchfor4))]
print('Total numer of Prep Samples in the run is: {}' .format(len(Prep.index)))

# Replicates
searchfor5 = ['ORIG', 'PREPDUP']
Replicates = CorrectedDF[CorrectedDF['SampleID'].str.contains('|'.join(searchfor5))]
print('Total numer of Replicate Samples in the run is: {}' .format(len(Replicates.index)))

print('Total numer of ALL Samples in the run is: {}' .format(len(CorrectedDF.index)))
ClientSamples = len(CorrectedDF.index) - (len(IRMs.index) + len(BLANKs.index)
                                          + len(OREAS_239.index) + len(CalSTD.index) 
                                          + len(Prep.index) + len(Replicates.index))
print('Total numer of Client-ONLY Samples in the run is: {}' .format(ClientSamples))

---

您可以使用正则表达式提取您要查找的内容，然后使用nunique找出有多少个唯一值。

请以文本格式提供

csv

。另外，变量和函数名应遵循

小写字母加下划线的样式。谢谢。然而，我想我在查看数据集时忘记了另一件事。因此，这些工作基本上有三种类型的重复：1。以“.1”和“.2”结尾。在第三句末尾加上“ORIG”和“PREP”。但也有不应算作一的重复项，以“A”和“B”结尾。换句话说，这些不应该算作1，而应该算作2。示例“XXX123 A”和“XXX123 B”
df['Label'].str.extract('(XXX123 \d+-\d+)').nunique()