如何用Pyranges获取重叠行索引，无重叠时返回NULL？

完全可以用PyRanges实现这个需求，核心思路是通过左连接保留pr1的所有行，再通过分组整理得到每个pr1行对应的pr2重叠行索引，无重叠的位置返回None（对应R中的NULL）。以下是具体实现步骤：

步骤1：为PyRanges添加原始索引 #

先给pr1和pr2添加原始行号列，避免操作后丢失原数据的行索引：

import pyranges as pr
import pandas as pd

# 给pr1添加原始索引列
pr1["pr1_idx"] = range(len(pr1))
# 给pr2添加原始索引列
pr2["pr2_idx"] = range(len(pr2))

步骤2：执行重叠左连接 #

使用join方法执行左连接，确保pr1的每一行都被保留，即使没有与pr2重叠的区域：

# 左连接，仅保留重叠区域的匹配（how='left'确保pr1全量保留）
joined_pr = pr1.join(pr2, how="left")

步骤3：分组整理索引 #

将连接后的结果转为DataFrame，按pr1的原始索引分组，收集对应的pr2索引，并处理无重叠的情况：

# 转为DataFrame方便分组操作
joined_df = joined_pr.df

# 按pr1的原始索引分组，收集对应pr2的索引
grouped_indices = joined_df.groupby("pr1_idx")["pr2_idx"].apply(list)

# 生成最终结果向量：无重叠则返回None
result = []
for idx in range(len(pr1)):
    if idx in grouped_indices:
        # 过滤掉无重叠时产生的NaN值
        valid_indices = [i for i in grouped_indices[idx] if pd.notna(i)]
        result.append(valid_indices if valid_indices else None)
    else:
        result.append(None)

说明 #

• 左连接(how='left')是关键：它保证pr1的50行都会出现在结果中，没有重叠的行对应的pr2索引会是NaN。
• 最终的result是长度为50的列表，每个元素要么是pr2中重叠行的索引列表，要么是None，完全匹配你需要的R中类似的行为。

内容的提问来源于stack exchange，提问作者Moses Stamboulian