Crossin的编程教室

标题: [求助]pandas groupby分组运行自定义函数报错 [打印本页]

作者: elaine2018 时间: 2018-12-27 16:08
标题: [求助]pandas groupby分组运行自定义函数报错
数据格式如下：
chr       start       end       length       site_num       depth       average
chr1       960502.0       960511.0       10.0       5       149.73       0.36
chr1       960604.0       960615.0       12.0       5       161.35       0.41
chr1       960979.0       960989.0       11.0       6       125.27       0.39
chr1       966821.0       966853.0       33.0       5       120.52       0.34
chr2       73177247.0       73177263.0       17.0       5       156.44       0.3
chr2       73233256.0       73233292.0       37.0       14       196.06       0.3
chr2       73233298.0       73233381.0       84.0       9       197.13       0.28
chr2       73234132.0       73234164.0       33.0       5       15.88       0.0
chr2       73234212.0       73234246.0       35.0       5       16.12       0.02

我的目的是按照第一列chr分组，相同的为一组，我想要在后面增加一列diff，其值是从第二行开始，每一行的第二列减上一行的第三列，因此每个组的第一行的diff值应该为0，理论上我的结果应该如下：
chr       start       end       length       site_num       depth       average       diff
chr1       960502       960511       10       5       149.73       0.36       0
chr1       960604       960615       12       5       161.35       0.41       93
chr1       960979       960989       11       6       125.27       0.39       364
chr1       966821       966853       33       5       120.52       0.34       5832
chr2       73177247       73177263       17       5       156.44       0.3       0
chr2       73233256       73233292       37       14       196.06       0.3       55993
chr2       73233298       73233381       84       9       197.13       0.28       6
chr2       73234132       73234164       33       5       15.88       0       751
chr2       73234212       73234246       35       5       16.12       0.02       48

我的代码如下：

df = pd.read_csv('region.txt',sep='\t')
def calculate_diff(df):
diff = []
diff.append(0)
indexs = list(df.index)
for i in range(indexs[1],indexs[-1]):
d = df.iloc[i,1] - df.iloc[i-1,2]
diff.append(d)
DIFF = pd.DataFrame(diff,columns=['diff'])
df1 = pd.concat([df,DIFF],axis=1)
return(df1)
df.groupby('chr').apply(calculate_diff)

[color=rgb(51, 102, 153) !important]复制代码

考虑到groupby分组之后每个组的索引并不都是从0开始，所以我先把索引取出来形成一列表，但是运行的时候出现以下错误

File "F:\Anaconda\lib\site-packages\pandas\core\indexing.py", line 1638, in _is_valid_integer
raise IndexError("single positional indexer is out-of-bounds")

IndexError: single positional indexer is out-of-bounds

这是索引出问题了？没想通到底是哪一步错了，有大神有空指点一下吗？是代码的问题还是我的这个思路就是错的

作者: crossin先生 时间: 2018-12-28 15:50
你贴的报错不完整，没有贴出是哪一行代码报错的
看报错是索引越界
你自己对照报错提示的行数，然后看那一行里哪里用到的index，具体的值和对应列表都输出出来，应该就能看出是哪里出问题了

对于你这个需求，如果已经是按chr顺序排列的数据，似乎完全不用分组，只要每一行和上一行比较，比较的时候顺便判断下chr是否相等，相等就是差值，不相等就是0，就可以了

欢迎光临 Crossin的编程教室 (https://bbs.crossincode.com/)