1

我有这个制表符分隔的数据集，如下所示：

PITG_00022  start_codon 262407  262409  -
PITG_00022  stop_codon  260777  260779  -
PITG_00022  exon    260867  262409  -
PITG_00022  CDS 260867  262409  -
PITG_00022  exon    260777  260826  -
PITG_00022  CDS 260780  260826  -
PITG_00023  start_codon 273160  273162  +
PITG_00023  stop_codon  274778  274780  +
PITG_00023  exon    272998  273288  +
PITG_00023  CDS 273160  273288  +
PITG_00023  exon    273368  273652  +
PITG_00023  CDS 273368  273652  +
PITG_00023  exon    273729  273788  +
PITG_00023  CDS 273729  273788  +
PITG_00023  exon    273885  273958  +
PITG_00023  CDS 273885  273958  +
PITG_00023  exon    274022  274127  +
PITG_00023  CDS 274022  274127  +
PITG_00023  exon    274194  274346  +

这是我的代码，非常亲切地发布在此处重新编号制表符分隔的数据相对于第三列的内容在两列中进行了一些更改，但是在进行这些更改之前就出现了我得到的错误（见下文）：

import numpy
import pandas
import pandas as pd
import sys

sys.stdout = open("outtry2.txt", "w")
data = pd.read_csv('pinfestans-edited2.csv', sep='\t')#,
              #converters={'STRAND': lambda s: s[0]})
groups = data.groupby(['STRAND', 'GENE_ID'])

corrected = []

for (direction, gene_name), group in groups:
    print direction,gene_name
if group.index[group.TYPE=='start_codon']:
    start_exon = group.index[group.TYPE=='exon'][0]
if direction == '+':
    group['POSA'] = 1 + abs(group.POS1 - group.POS1[start_exon])
    group['POSB'] = 1 + abs(group.POS2 - group.POS1[start_exon])
else:
    group['POSA'] = 1 - abs(group.POS2 - group.POS2[start_exon])
    group['POSB'] = 1 - abs(group.POS1 - group.POS2[start_exon])
print group
corrected.append(group)

以下是输出示例：

 GENE_ID     TYPE         POS1    POS2    STRAND  POSA  POSB
104  PITG_00021  start_codon  258927  258929  +       1     3   
105  PITG_00021  stop_codon   260547  260549  +       1621  1623
106  PITG_00021  exon         258927  260549  +       1     1623
107  PITG_00021  CDS          258927  260546  +       1     1620
+ PITG_00023
     GENE_ID     TYPE         POS1    POS2    STRAND  POSA  POSB
114  PITG_00023  start_codon  273160  273162  +       163   165 
115  PITG_00023  stop_codon   274778  274780  +       1781  1783
116  PITG_00023  exon         272998  273288  +       1     291 
117  PITG_00023  CDS          273160  273288  +       163   291 
118  PITG_00023  exon         273368  273652  +       371   655 
119  PITG_00023  CDS          273368  273652  +       371   655 
120  PITG_00023  exon         273729  273788  +       732   791 
121  PITG_00023  CDS          273729  273788  +       732   791 
122  PITG_00023  exon         273885  273958  +       888   961 
123  PITG_00023  CDS          273885  273958  +       888   961 
124  PITG_00023  exon         274022  274127  +       1025  1130
125  PITG_00023  CDS          274022  274127  +       1025  1130
126  PITG_00023  exon         274194  274346  +       1197  1349

这是运行一段时间后我得到的错误：

>>>>Traceback (most recent call last):
  File "C:\Users\Chris\Documents\I.S\Part-2\Convert_to_exonfile.py", line 51, in <module>
if group.index[group.TYPE=='start_codon']:
ValueError: The truth value of an array with more than one element is ambiguous. Use a.any() or a.all()
>>>>

现在我手动测试了一些计算，它似乎完全按照我的意愿进行，除了以 STRAND 作为 + 列出的基因（请注意，样本输入中的 PITG_00022 基因在输出）。我认为它首先对 + STRAND 组进行计算，但是一旦到达 - STRAND 组，就会出现该错误。现在我读到了关于使用any()andall()的文章，以及一篇关于set()在类似的数组 valueError 线程中使用的文章，但我不知道这将如何解决我的问题或如何实现它。提前感谢任何帮助，谢谢。

4

0 回答 0