为什么Python列表推导式索引allel基因型数组时报IndexError错误？

错误原因分析 #

• 第一段代码的索引[x in PARENT_SAMPLES for x in callset_all_sample_ids]生成的是布尔值列表，每个元素对应样本ID是否属于亲本样本，布尔数组是numpy/allel数组支持的合法索引类型，因此可以正常运行。
• 第二段代码的索引[x for x in callset_all_sample_ids]生成的是字符串列表，每个元素都是样本ID字符串，而GenotypeArray的第二维度是样本的位置维度，仅支持整数、布尔数组等数值类索引，不接受字符串作为索引值，因此触发IndexError。

解决方案 #

如果你需要获取所有样本的对应信息，直接用切片语法即可，无需显式传入索引列表：

CHROM = "3R"
g = allel.GenotypeDaskArray(callset[CHROM]['calldata/GT']).compute()
g_all = g[:, :]
g_all

如果确实需要通过样本ID列表筛选索引（比如后续需要自定义筛选部分样本），可以先建立样本ID到位置索引的映射，再将字符串ID转为整数索引后使用：

# 先构建ID到索引的映射字典
sample_id_to_idx = {sid: idx for idx, sid in enumerate(callset_all_sample_ids)}
# 将字符串ID转为整数索引后再索引
g_all = g[:, [sample_id_to_idx[x] for x in callset_all_sample_ids]]

内容的提问来源于stack exchange，提问作者mcrepeau