Python：（部分）将列表的元素与 DataFrame 列匹配，返回不同列的条目答案

【问题标题】：Python: (partial) matching elements of a list to DataFrame columns, returning entry of a different columnPython：（部分）将列表的元素与 DataFrame 列匹配，返回不同列的条目
【发布时间】：2023-01-05 20:57:07
【问题描述】：

我是 python 的初学者并且遇到了以下问题：我有一个很长的字符串列表（我现在以 3 个为例）：

ENSEMBL_IDs = ['ENSG00000040608',
               'ENSG00000070371',
               'ENSG00000070413']

哪个是部分的与我的 DataFrame genes_df 的第 0 列中的数据匹配（显示前 3 个条目）：

genes_list = (['ENSG00000040608.28', 'RTN4R'],
            ['ENSG00000070371.91', 'CLTCL1'],
            ['ENSG00000070413.17', 'DGCR2'])

genes_df = pd.DataFrame(genes_list)

我想要执行的任务在概念上并不那么困难：我想比较 ENSEMBL_IDs 和 genes_df.iloc[:,0] 的每个元素（这是部分匹配：ENSEMBL_IDs 的每个元素都包含在 genes_df 的第 0 列中，如概述多于）。如果 EMSEMBL_IDs 的元素与 genes_df.iloc[:,0] 中的元素匹配（它确实如此，除了句点 ".XX" 之后的额外数字），我想返回存储在第一列中的“相应”值genes_df Dataframe：实际基因名称，以'RTN4R'为例。

我想将这些存储在列表中。所以，最后，我会得到如下列表：

`genenames = ['RTN4R', 'CLTCL1', 'DGCR2']`

一些可能有用的信息：ENSEMBL_IDs 中的所有条目都是唯一的，并且它们肯定都包含在 genes_df 的第 0 列中。

我想我正在寻找以下方面的东西：

`genenames = []
for i in ENSEMBL_IDs:
    if i in genes_df.iloc[:,0]:
        genenames.append(# corresponding value in genes_df.iloc[:,1])`

如果之前有人问过这个问题，我很抱歉；我一直在寻找，但无法找到适用于我的问题的解决方案。

谢谢您的帮助！

也感谢编辑，英语不是我的第一语言，所以改进很有见地。

【问题讨论】：

标签： python-3.x pandas list dataframe

【解决方案1】：

在将值与 isin 匹配之前，您可以去掉点之后的部分（使用 str.extract 或 str.replace）：

m = genes_df[0].str.extract('([^.]+)', expand=False).isin(ENSEMBL_IDs)
# or
m = genes_df[0].str.replace('..*$', '', regex=True).isin(ENSEMBL_IDs)

out = genes_df.loc[m, 1].tolist()

或者将正则表达式与 str.match 一起使用：

pattern = '|'.join(ENSEMBL_IDs)
m = genes_df[0].str.match(pattern)

out = genes_df.loc[m, 1].tolist()

输出：['RTN4R', 'CLTCL1', 'DGCR2']

【讨论】：