我想提取資料框“B”中第一個和最后一個位置指示的子序列。我想出的演算法是：
- 識別落在 A 位置的 B 行
- 查找位置的相對位置（即移動位置使它們從 0 開始）
- 使用相對位置作為范圍啟動 for 回圈以提取子序列。
上述演算法的問題是運行時。我需要一種替代方法來比現有方法更快地編譯代碼。
期望的輸出：
first last sequences
3 5 ACA
8 12 CGGAG
105 111 ACCCCAA
115 117 TGT
使用的資料框：
import pandas as pd
A = pd.DataFrame({'first.sequence': ['AAACACCCGGAG','ACCACACCCCAAATGTGT'
],'first':[1,100], 'last':[12,117]})
B = pd.DataFrame({'first': [3,8,105,115], 'last':[5,12,111,117]})
uj5u.com熱心網友回復：
一種解決方案可能如下：
out = pd.merge_asof(B, A, on=['last'], direction='forward',
suffixes=('','_y'))
out.loc[:,['first','last']] = \
out.loc[:,['first','last']].sub(out.first_y, axis=0)
out = out.assign(sequences=out.apply(lambda row:
row['first.sequence'][row['first']:row['last'] 1],
axis=1)).drop(['first.sequence','first_y'], axis=1)
out.update(B)
print(out)
first last sequences
0 3 5 ACA
1 8 12 CGGAG
2 105 111 ACCCCAA
3 115 117 TGT
解釋
- 首先，用于
df.merge_asof匹配來自的值與first來自B的first值A。即將3, 8與 匹配1，105, 115并將與 匹配100。現在我們知道哪個字串（序列）需要拆分，我們也知道字串從哪里開始，例如在 index 處1或100而不是 normal處0。 - 我們使用這最后一點資訊來找出字串切片應該從哪里開始和結束。所以，我們這樣做
out.loc[:,['first','last']].sub(out.first_y, axis=0)。例如，我們“重置”3為2（減 1）和105（5減 100）。 - 現在，我們可以
df.apply用來獲取每個序列的字串切片，本質上是遍歷每一行。（如果您的切片將以相同的索引開始和結束，我們可以Series.str.slice改用。 - 最后，我們將結果分配給
out（作為 colsequences），洗掉不再需要的 cols，并使用df.update“重置”列first和last.
轉載請註明出處，本文鏈接：https://www.uj5u.com/gongcheng/510294.html