Python 如何用pandas中的特定语句合并整行？

我有一个逻辑问题，如果不使用for循环，我就无法解决它（它的DF很大，而且速度太慢）

DF:

在上面我有三个案例：

person1有2个带有TA等位基因的gene1-应该合并（路径是什么，但需要合并）

person2具有3个CG/CA/CG的gene2-应将其平坦化为最常见的so CG，路径1或4

person3有2个带有GA/GC的gene3，所以这两行都应该删除，因为不可能得到最常见的

休息应该是不变的

所以结果应该是这样的：

    Gene1    person1  TA   path1 or path2
    Gene2    person1  CG   path1
    Gene1    person2  GG   path3
    Gene2    person2  CG   path4 or 1
    Gene1    person3  GG   path6
    ...

还有什么？这个文件很大，有10万人和3个基因，一个人可以在不同路径的相同基因上有X个数字（它是从1k个不同的文件中收集的）

我试过什么？ 只需使用不同的树循环整个数据帧。一个用于计数，一个用于删除重复项和合并，最后一个用于验证。 但我知道这是一个幼稚而糟糕的解决方案（需要20分钟以上），因此，如果您能给我一些建议，我将不胜感激。

您需要两个步骤：

使用每个基因人最常见的等位基因筛选完整的df

Groupby gene person并将路径连接到一行中

如果我们可以忽略当前索引，那么：

df.set_index(['gene', 'person', 'allele'], inplace=True)
freq = df.groupby(df.index).count().sort_values('count', ascending=False).reset_index('allele')
freq = freq.groupby(freq.index).first()
df.reset_index('allele', inplace=True)
df = df.loc[df.index.isin(freq.index), :]

这应该是第一步。然后：

df['all_paths'] = df.groupby(df.index)['path'].transform(lambda x: ' or '.join(x))
df = df.drop_duplicates('all_paths').reset_index()
# or df.set_index('allele', append=True, inplace=True)
# just so df.index has no duplicates

---

使用来连接行，如。

什么是

df.index

你能放弃它并使用gene和person作为多索引吗？@RichieV现在，索引只有1…n。我想我可以，但我需要读一读，因为我不知道这有多大的可能，我想向你请教！我会试试：）但是你用

排序值（'count'，升序=False）是什么意思？我是说col伯爵是什么？在同一行中
.groupby（）.count（）
使用一个名为“count”的列创建一个df，因此我们使用它来按降序排序
df['all_paths'] = df.groupby(df.index)['path'].transform(lambda x: ' or '.join(x))
df = df.drop_duplicates('all_paths').reset_index()
# or df.set_index('allele', append=True, inplace=True)
# just so df.index has no duplicates