Python实现列表元素与DataFrame列部分匹配并提取对应列值

方法1：完善你的循环思路 #

你原来的循环逻辑没问题，但直接判断i in genes_df.iloc[:,0]匹配不到带后缀的ID，改成用str.startswith判断前缀即可：

import pandas as pd

ENSEMBL_IDs = ['ENSG00000040608',
               'ENSG00000070371',
               'ENSG00000070413']

genes_list = (['ENSG00000040608.28', 'RTN4R'],
            ['ENSG00000070371.91', 'CLTCL1'],
            ['ENSG00000070413.17', 'DGCR2'])

genes_df = pd.DataFrame(genes_list)

genenames = []
for ens_id in ENSEMBL_IDs:
    # 筛选第0列中以当前ID开头的行
    match_row = genes_df[genes_df.iloc[:,0].str.startswith(ens_id)]
    # 提取对应基因名（题目保证存在，直接取第一行）
    genenames.append(match_row.iloc[0, 1])

print(genenames)
# 输出: ['RTN4R', 'CLTCL1', 'DGCR2']

方法2：字典映射（高效处理长列表） #

如果你的ENSEMBL_IDs元素很多，用字典映射效率更高，因为字典查找是常数时间：

import pandas as pd

ENSEMBL_IDs = ['ENSG00000040608',
               'ENSG00000070371',
               'ENSG00000070413']

genes_list = (['ENSG00000040608.28', 'RTN4R'],
            ['ENSG00000070371.91', 'CLTCL1'],
            ['ENSG00000070413.17', 'DGCR2'])

genes_df = pd.DataFrame(genes_list)

# 生成"无后缀ID:基因名"的字典
id_gene_map = dict(zip(
    genes_df.iloc[:,0].str.split('.').str[0],  # 去掉第0列的后缀
    genes_df.iloc[:,1]
))

# 批量提取基因名
genenames = [id_gene_map[ens_id] for ens_id in ENSEMBL_IDs]

print(genenames)
# 输出: ['RTN4R', 'CLTCL1', 'DGCR2']

方法3：pandas矢量化筛选（适合复杂场景） #

如果需要保留DataFrame的操作逻辑，可以新增无后缀ID列后筛选：

import pandas as pd

ENSEMBL_IDs = ['ENSG00000040608',
               'ENSG00000070371',
               'ENSG00000070413']

genes_list = (['ENSG00000040608.28', 'RTN4R'],
            ['ENSG00000070371.91', 'CLTCL1'],
            ['ENSG00000070413.17', 'DGCR2'])

genes_df = pd.DataFrame(genes_list)

# 新增列存储无后缀的ENSEMBL ID
genes_df['clean_ens_id'] = genes_df.iloc[:,0].str.split('.').str[0]

# 按ENSEMBL_IDs的顺序匹配并提取基因名
genenames = genes_df.set_index('clean_ens_id').reindex(ENSEMBL_IDs).iloc[:,1].tolist()

print(genenames)
# 输出: ['RTN4R', 'CLTCL1', 'DGCR2']

内容的提问来源于stack exchange，提问作者tom