在python中基于两个文件的列坐标合并文件

我有一个名为snp.txt的文件，如下所示：

chrom   chromStart  chromEnd    name    strand     observed     
chr1    259         260      rs72477211  +   A/G    single  
chr1    433         433      rs56289060  +   -/C    insertion   
chr1    491         492      rs55998931  +   C/T    single  
chr1    518         519      rs62636508  +   C/G    single  
chr1    582         583      rs58108140  +   A/G    single  

我还有第二个文件gene.txt

chrom   chromStart  chromEnd    tf_title    tf_score
chr1    200         270         NFKB1       123
chr1    420         440         IRF4        234
chr1    488         550         BCL3        231
chr1    513         579         TCF12       12
chr1    582         583         BAD170      89

我想要的最终输出是：output.txt

chrom   chromStart  chromEnd    name    strand  observed    tf_title    tf_score
chr1    259         260      rs72477211    +    A/G         NFKB1       123
chr1    433         433      rs56289060    +    -/C         IRF4        234
chr1    491         492      rs55998931    +    C/T         BCL3        231
chr1    518         519      rs62636508    +    C/G         TCF12       12
chr1    582         583      rs58108140    +    A/G         BAD170      89

我希望能够做的关键事情是查看gene.txt，并检查snp.txt的name列中的rsnumber是否与chrom、chromStart和chromEnd建立的区域相同

例如：

在snp.txt的第一行 rsid rs72477211位于位置259和260之间的chr1上

现在在gene.txt中，NFKB1也在chr1上，但在位置200和270之间， 这意味着RSIDRS72477211位于NFKB1区域，因此这在输出txt中有所说明

我无法在使用熊猫合并功能时做到这一点，我甚至不知道从哪里开始。 这些文件非常大，因此循环效率非常低。

---

有人能帮忙吗？谢谢

如果适合内存，您可以仅基于

chrom

列使用

outer

方法筛选两个数据帧，然后通过执行范围包含数学来过滤结果：

df = snp.merge(gene, how='outer', on='chrom')
df = df[(df.chromStart_x>=df.chromStart_y) & (df.chromEnd_x<=df.chromEnd_y)]

---

谢谢，你能解释一下你所说的chromStart_x和y是什么吗？这就是合并的工作原理：chromStart和chromend都存在于两个数据帧中，但我们只是按名称合并。它将向结果数据帧中的重复列添加后缀。看看合并文档

del test['chromStart_y']
del test['chromEnd_y']