如何在Pandas DataFrame中精准匹配目标字符并求和对应行？

原代码失效的原因 #

• 子字符串匹配逻辑错误：原代码用cls in target判断子字符串是否存在，而非精准匹配完整的EC编号。比如1.1.1.1会被误判为存在于1.1.1.15中，导致本不该匹配的行被纳入求和范围。
• 多目标值未正确拆分：目标列表里的'4.2.1.12; 1.1.1.15; 3.2.1.1'是分号分隔的多个EC编号，原代码没有拆分这些值，直接把整个字符串作为匹配依据，逻辑完全错误。

正确的精准匹配求和实现 #

核心思路：把每个目标字符串拆成精准的EC编号集合，再将DataFrame每行的Ko_EC拆成EC集合，判断两个集合是否有交集（即该行是否包含目标中的任意一个EC编号），最后对符合条件的行求和。

代码实现：

import pandas as pd

# 构建DataFrame（原代码不变）
classes = [('1.1.1.1', 16.7, 1),
         ('1.1.1.15', 30, 7),
         ('4.2.1.128', 40.5, 9),
         ('4.2.1.12', 57, 10),
         ('3.2.1.1 1.1.1.1', 22, 4)]
labels = ['Ko_EC','FPKM', 'count']
alls = pd.DataFrame.from_records(classes, columns=labels)

target_list = ['1.1.1.1', '4.2.1.128', '4.2.1.12; 1.1.1.15; 3.2.1.1', '1.1.1.15']

result = []
for target_str in target_list:
    # 拆分目标字符串为精准EC编号集合（处理分号+空格的分隔符）
    target_ecs = set([ec.strip() for ec in target_str.split(';')])
    # 生成匹配掩码：判断该行的EC集合与目标EC集合是否有交集
    mask = alls['Ko_EC'].apply(lambda x: len(set(x.split(' ')) & target_ecs) > 0)
    # 对匹配行求和
    sum_vals = alls.loc[mask, ['FPKM', 'count']].sum().to_dict()
    sum_vals['target'] = target_str
    result.append(sum_vals)

# 整理结果DataFrame
result_df = pd.DataFrame(result).set_index('target').rename(columns={'count': 'Count'})
print(result_df)

代码说明 #

1. 拆分目标EC：用split(';')拆分分号分隔的目标，再用strip()去掉多余空格，转成集合方便后续交集判断。
2. 精准匹配掩码：把每行的Ko_EC按空格拆成集合，和目标集合求交集，交集非空则说明该行符合条件，彻底避免子字符串匹配的错误。
3. 结果整理：把每个目标的求和结果收集成字典，再转成DataFrame，格式清晰易读。

运行结果：

FPKM  Count
target                                      
1.1.1.1                          38.7      5
4.2.1.128                        40.5      9
4.2.1.12; 1.1.1.15; 3.2.1.1     109.0     21
1.1.1.15                         30.0      7

该结果完全符合精准匹配要求：

• 1.1.1.1匹配第0行和第4行，FPKM=16.7+22=38.7，count=1+4=5
• 4.2.1.128仅匹配第2行，结果正确
• 第三个目标匹配第1、3、4行，FPKM=30+57+22=109，count=7+10+4=21
• 1.1.1.15仅匹配第1行，结果正确

内容的提问来源于stack exchange，提问作者yan wang