如何在python中的csv文件中为每个基因保留x个人相关值最高的基因对？

Question

我有一个包含数千行如下形式的csv文件：

geneA geneB value
a     b     5
a     c     3
a     d     7
b     c     8
b     d     1

我想为每个基因提取最高值与其他基因最匹配的两个基因。对于前一个示例，基因a和b的结果将是：

a d 7
a b 5
b c 8
b a 5

基于answer，我得到了部分我想要的结果，因为它没有同时测试第一列和第二列，而只测试了第一列。因此结果是不正确的，即它在检查b的最佳值时没有考虑行a b 5。

你知道我能做什么吗？

Answer 1

下面将为您提供基于value列的每个gene的前两个值。

In [1093]: A = df.groupby('geneA')['value'].nlargest(2).reset_index()
In [1096]: A.rename(columns={'geneA': 'gene'}, inplace=True)

In [1097]: B = df.groupby('geneB')['value'].nlargest(2).reset_index()    
In [1098]: B.rename(columns={'geneB': 'gene'}, inplace=True) 

In [1102]: d = A.append(B)

In [1111]: d.groupby('gene')['value'].nlargest(2).reset_index().drop('level_1', 1)
Out[1111]: 
  gene  value
0    a      7
1    a      5
2    b      8
3    b      5
4    c      8
5    c      3
6    d      7
7    d      1

Answer 2

您可以交换geneA、geneB并连接到数据帧，然后按value排序并使用groupby().head()

total_df = pd.concat([df, df.rename(columns={'geneA':'geneB','geneB':'geneA'})])

(total_df.sort_values(['geneA','value'], ascending=[True,False])
   .groupby('geneA').head(2)
)

输出：

  geneA geneB  value
2     a     d      7
0     a     b      5
3     b     c      8
0     b     a      5
3     c     b      8
1     c     a      3
2     d     a      7
4     d     b      1