Python：从与A列中每个基因相关的一组基因中获取具有最高值的B列基因

Question

我有一个编程问题，目前我想不出解决方案。我有一个表设置如下：

GeneA   GeneB   Value  Distance
1       101     0.9  
1       102     1
1       103     0.8
2       201     1
2       202     1
3       301     0.9
3       302     0.8
3       303     0.8
4       401     1

在这里，我想为 GeneA 列中的每个基因从 GeneB 列中提取一个替换基因。该值表示 Gene B 与 Gene A 的“相似程度”，因此我想获得一个具有最高可能值的 GeneB，即尽可能接近 1。

在某些情况下，与基因 2 一样，存在共享相同值的基因。在这里我也想得到彼此之间距离最短的基因。

我应该如何在 Python 中执行此操作？谢谢！

编辑：我的预期输出是有一个如下表：

GeneA   GeneB   Value   Distance
1       102     1
2       201     1
3       301     0.9
4       401     1

在GeneB的201或202之间选择的地方，是选择与GeneA距离最短的一个，这是通过获取它们的遗传位置差异而输出的。

Answer 1

我的回答灵感来自this SO question。

在你的情况下：

import pandas as pd

df = pd.DataFrame({
'GeneA': [ '1', '1', '1', '2', '2', '3', '3', '3', '4' ],
'GeneB': [ '101', '102', '103', '201', '202', '301', '302', '303', '401'],
'Value': [ 0.9, 1, 0.8, 1, 1, 0.9, 0.8, 0.8, 1 ],
})

# Sort by decreasing `Value` and then by decreasing `Distance`
df = df.sort_values(['Value', 'Distance'], ascending=False)

# Group by `GeneA` and select only the first row
df = df.groupby(['GeneA'], sort=False).first()

df

[Out]:
    GeneB   Value
GeneA       
1   102 1.0
2   201 1.0
4   401 1.0
3   301 0.9