在python中,如何替换给定特定条件的列?
我有一个包含多个列的dataframe,如下所示在python中,如何替换给定特定条件的列?,python,dataframe,Python,Dataframe,我有一个包含多个列的dataframe,如下所示 Chr1 Cufflinks exon 28354206 28354551 . . . gene_id "XLOC_008369"; transcript_id "TCONS_00014347"; exon_number "1"; oId "CUFF.2405.1"; class_code "u"; tss_id "TSS10073"; Chr1 Cufflinks exon 2878554
Chr1 Cufflinks exon 28354206 28354551 . . . gene_id "XLOC_008369"; transcript_id "TCONS_00014347"; exon_number "1"; oId "CUFF.2405.1"; class_code "u"; tss_id "TSS10073";
Chr1 Cufflinks exon 28785549 28786194 . . . gene_id "XLOC_008370"; transcript_id "TCONS_00014348"; exon_number "1"; oId "CUFF.2441.1"; class_code "u"; tss_id "TSS10074";
Chr1 Cufflinks exon 29328712 29329210 . . . gene_id "XLOC_008371"; transcript_id "TCONS_00014349"; exon_number "1"; oId "CUFF.2495.1"; class_code "u"; tss_id "TSS10075";
Chr1 Cufflinks exon 29427951 29428406 . . . gene_id "XLOC_008372"; transcript_id "TCONS_00014350"; exon_number "1"; oId "CUFF.2506.1"; class_code "u"; tss_id "TSS10076";
Chr1 Cufflinks exon 29460116 29460585 . . . gene_id "XLOC_008373"; transcript_id "TCONS_00014351"; exon_number "1"; oId "CUFF.2509.1"; class_code "u"; tss_id "TSS10077";
我想做的是,如果我列表中的任何项目出现在数据框的一列中,那么我将第二列从袖扣
替换为lincRNA
一个问题是,我用于在字典中生成键的列在数据帧中有多行,因此我只获得唯一键,因此输出的行总数与输入的行数不同
这是我到目前为止的代码
#!/usr/bin/env python
file_in = open("lincRNA_final_transcripts.fa")
file_in2 = open("AthalianaslutteandluiN30merged.gtf")
file_out = open("updated.gtf", 'w')
sites = []
result = {}
for line in file_in:
line = line.strip()
if line.startswith(">"):
line = line[1:]
gene = str.split(line, ".")
gene = gene[0]
sites.append(gene)
for line2 in file_in2:
line2 = line2.strip().split()
line3 = str.split(line2[11], ";")
line3 = line3[0]
line3 = line3[1:-1]
result[line3] = line2
for id in sites:
id2 = str(id)
if id2 in result.keys():
result[id][1] = "lincRNA"
for val in result.values():
file_out.write("\t".join(val))
file_out.write("\n")
我将试着对您在中如何执行此操作进行演练。Pandas是一个用于处理数据帧的python库,通过学习它,可以轻松地进行数据帧操作
sudo pip install pandas
\t
作为分隔符传递。如果没有标题行传递None
,如果第一行是标题,则传递0。有关参数的详细信息,请参见
站点
列表中的子字符串。我们将使用
站点
列表中的元素匹配的子字符串,则使用布尔索引将袖扣
更改为lincRNA
。有关熊猫索引的详细信息,请参见
df.loc[mask,1] = 'lincRNA'
编辑:使用
str.contains
检查pandas列是否包含列表中的元素 你能解释什么是df吗?除非首字母缩略词被广泛使用(即它至少应该在维基百科消歧页面上列出),那么,对于那些能够回答你的问题的人来说,它基本上是毫无意义的。对不起,它是一个数据框或多栏文本文件。我已经编辑了我的问题。你为什么要重新发明轮子?Python中有非常完善的用于数据/数据帧操作的库,比如。当我读取gtf文件时,我得到了这个错误“ValueError:第48行中预期有18个字段,SAW19”。你认为我做错了什么?@upendra Pandas期望每一行都有相同的数字列,在这种情况下,它期望18。但是,在第48行中,似乎有19列。最好打开文件,看看是否有额外的制表符或分号。没错,有几行有额外的列。有没有办法处理这些额外的栏目?@upendra我已经使用另一个函数编辑了我的回复,以进行匹配。您不再需要使用分号作为分隔符,这将阻止出现其他列。它终于起作用了。非常感谢你的帮助。非常感谢
sites = ["XLOC_008369", "XLOC_008369"]
pattern = '|'.join(sites)
mask = df[8].str.contains(pattern)
df.loc[mask,1] = 'lincRNA'