如何将R中按GeneSymbol分组取mRNA最大值的aggregate函数转为Python实现

你提供的R代码作用是将mRNA表达矩阵按GeneSymbol列分组，对第2至178列的所有样本表达量数据，取每个基因分组下的最大值。Python中可以通过pandas库实现完全等效的逻辑，具体操作如下：

前置依赖 #

需要先安装导入pandas库：

# 安装命令（如果未安装）
pip install pandas

import pandas as pd

等效代码实现 #

写法1：通用简洁版 #

如果你的mRNA数据中除第一列GeneSymbol外，其余所有列都是需要聚合的样本表达量列，可以直接用以下代码，逻辑和原R代码一致：

# 按GeneSymbol分组，对所有数值列取最大值
mrna_agg = mrna.groupby('GeneSymbol', as_index=False).max(numeric_only=True)

写法2：严格匹配原R逻辑版 #

如果需要完全对齐R代码中「仅聚合第2到178列」的限定逻辑，注意Python索引从0开始、切片左闭右开的特性，R的2:178对应Python的1:178，代码如下：

# 仅选择第2到178列参与聚合，按GeneSymbol分组取最大值
mrna_agg = mrna.iloc[:, 1:178].groupby(mrna['GeneSymbol'], as_index=False).max()

结果说明 #

• 两种写法输出的结果结构都和原Raggregate输出完全一致：第一列为GeneSymbol，后续列对应各样本的聚合后最大值
• 若存在重复的GeneSymbol记录，会自动合并为一行，每个样本列取所有重复记录里的最大值；如果所有GeneSymbol都唯一，输出结果和原输入数据的对应列一致

内容的提问来源于stack exchange，提问作者Leo