如何使用python知道某个职位是否位于某个区域

我有两个文件

文件A有3列：染色体、起始位置、结束位置

CHR,START,END
chr1,1203245,1203374
chr1,1202020,1202213
chr1,1201293,1201465
chr1,1200844,1201128
chr1,1200527,1200585

文件B有两列：染色体、位置

CHR,START,END
chr1,1203245,1203374
chr1,1202020,1202213
chr1,1201293,1201465
chr1,1200844,1201128
chr1,1200527,1200585

CHR,POS
chr1,1579264
chr1,1641372
chr1,3020521
chr2,2097836
chr3,2374462       

两个文件都很大

如何使用python确定文件B的每个位置在文件A的任何区域中？如果只有一个位置和一个区域，我可以编写代码，但我没有区域列表的线索

---

位置在一个区域中

意味着

CHR

应该是相同的，并且

POS>=开始和POS我将您的问题解释为“B的每一行的POS值是否在a的所有行的任何开始和结束值之间？”如果这是正确的，那么使用数据分析库，类似的方法将起作用：

import pandas as pd

A = pd.read_csv('path/to/A.csv')
B = pd.read_csv('path/to/B.csv')

for i, r in B.iterrows():
    B.loc[i, 'in_A'] = any((r.POS > A.START) & (r.POS < A.END))

print(B)

>>     CHR      POS   in_A
    0  chr1  1579264  False
    1  chr1  1641372  False
    2  chr1  3020521  False
    3  chr2  2097836  False
    4  chr3  2374462  False

将熊猫作为pd导入
A=pd.read\u csv（'path/to/A.csv'）
B=pd.read\u csv（'path/to/B.csv'））
对于B中的i，r。iterrows（）：
B.loc[i，'in_A']=任何（（r.POS>A.START）和（r.POS>CHR POS in_A
0 chr1 1579264错误
1 chr1 1641372错误
2 chr1 3020521错误
3 chr2 2097836错误
4 chr3 2374462错误

这将遍历B中的每一行，并为a中的所有行生成一个布尔数组，其中（POS>开始）和（POS<结束）。然后在B数据帧中生成一个新列，如果POS位于a中的任何开始/结束限制内，则为真

有道理吗

如果你的文件很大，你不能在一个数据框中同时加载这两个文件，因为它会填满你的整个内存

不要将B的位置与A中的每个间隔进行比较，因为这是非常低效的（请理解：非常非常慢）

相反，请执行以下操作：

按色度、开始、结束对两个文件进行排序

同时在两个文件的行上迭代。类似这样的情况（出于这个想法，它没有考虑染色体，可能有缺陷，另外你需要定义保存位置的方式）：

a=打开（“a”）
b=开放（“b”）
#初始化
（色度、开始、结束）=a.readline（）.split（“，”）
（chromB，pos）=b.readline（）.split（“，”）
而1：
尝试：
如果位置<开始：
#读B的更多行
（chromB，pos）=b.readline（）.split（“，”）
elif pos>结束：
#从一本书中多读几行
（色度、开始、结束）=a.readline（）.split（“，”）
其他：
#Pos处于[开始，结束]间隔
#保存结果并转到下一个pos
savePos（）
（chromB，pos）=b.readline（）.split（“，”）
除停止迭代外：
打破

不过，我真正的建议是不要像过去的每一位生物信息学家那样手动操作，而是使用“bedtools”或现有的Python库，如BioPython。重新发明轮子是研究时间和资源的巨大损失。
您能通过编辑您的问题向我们展示一下输入和输出的示例吗？我想正则表达式就可以了。为了给你一个例子，我们必须知道POS列和开始/结束之间的关系。请您再次更新您的问题，解释什么是匹配？非常感谢您的帮助。我像这样使用熊猫：`B.loc[I'，in_A']=any（（r.CHR==A.CHR）&（r.POS>=A.SATRT）&（r.POS）它很慢，因为这个答案将每个位置与另一个文件中的每个间隔进行比较，所以它会随着长度（A）x长度（B）而增长。如果你以前对文件进行过排序，你可以想出更聪明的方法。这会将两个文件完全加载到内存中；OP说它们“很大”，如果它们真的很大，这将永远不会起作用。
a = open("A")
b = open("B")
# init
(chromA,start,end) = a.readline().split(",")
(chromB,pos) = b.readline().split(",")
while 1:
    try:
        if pos < start:
            # Read more lines from B
            (chromB,pos) = b.readline().split(",")
        elif pos > end:
            # Read more lines from A
            (chromA,start,end) = a.readline().split(",")
        else:
            # Pos is in the [start, end] interval
            # Save the result and go to the next pos
            savePos()  
            (chromB,pos) = b.readline().split(",")
    except StopIteration:
        break