合併文件座標的兩個文件在python

Question

我有一個叫snp.txt該文件是這樣的：

chrom chromStart chromEnd name strand  observed  
chr1 259   260  rs72477211 + A/G single 
chr1 433   433  rs56289060 + -/C insertion 
chr1 491   492  rs55998931 + C/T single 
chr1 518   519  rs62636508 + C/G single 
chr1 582   583  rs58108140 + A/G single 

我有第二個文件gene.txt

chrom chromStart chromEnd tf_title tf_score 
chr1 200   270   NFKB1  123 
chr1 420   440   IRF4  234 
chr1 488   550   BCL3  231 
chr1 513   579   TCF12  12 
chr1 582   583   BAD170  89 

的最終輸出我想要的是：output.txt的

chrom chromStart chromEnd name strand observed tf_title tf_score 
chr1 259   260  rs72477211 + A/G   NFKB1  123 
chr1 433   433  rs56289060 + -/C   IRF4  234 
chr1 491   492  rs55998931 + C/T   BCL3  231 
chr1 518   519  rs62636508 + C/G   TCF12  12 
chr1 582   583  rs58108140 + A/G   BAD170  89 

我希望能夠做的關鍵是看gene.txt，並檢查是否在日的rsnumber snp.txt的名字列位於由chrom，chr​​omStart和chromEnd建立的相同區域。

例如：

在snp.txt 的RSID rs72477211的第一行是在位置259和260。

現在gene.txt之間CHR1，NFKB1也在CHR1但位置之間200和270, 這意味着rsid rs72477211位於NFKB1區域，所以在輸出txt中記錄了這一點。

我無法做到這一點在使用熊貓合併功能，我不知道哪裏開始。 這些文件非常大，因此循環會非常低效。 有人可以幫忙嗎？謝謝！

Answer 1

如果它裝入內存，你可以merge兩個dataframes與outer方法庫僅在chrom列，然後通過執行範圍包括數學篩選結果：

df = snp.merge(gene, how='outer', on='chrom') 
df = df[(df.chromStart_x>=df.chromStart_y) & (df.chromEnd_x<=df.chromEnd_y)] 

最後，您可以刪除重複列：

del test['chromStart_y'] 
del test['chromEnd_y']