Pandas多条件筛选问题：保留最长转录本时误删对应基因全部行

你的问题核心出在筛选条件的逻辑错误上！咱们先拆解一下你写的错误条件：

z=df.loc[(df['geneID'] != 'g2') & (df['transcriptLength'] != y)].copy()

这里用了&（逻辑与），意思是必须同时满足两个条件才会被保留：既不是g2的基因，并且转录本长度不等于最大值。但对于g2的行来说，第一个条件df['geneID'] != 'g2'是False，不管第二个条件是什么，整个表达式的结果都是False，所以所有g2的行都被过滤掉了，完全违背了你想保留最长转录本的需求。

修正单基因筛选的代码 #

你需要把逻辑改成**“不是目标基因” 或者 “是目标基因且长度等于最大值”**，用|（逻辑或）来连接条件：

import pandas as pd
# 创建模拟DataFrame
d = {'transcriptID' : pd.Series(['t1', 't2', 't3', 't4'], index=['a', 'b', 'c', 'd']), 
     'geneID' : pd.Series(['g1', 'g2', 'g3', 'g2'], index=['a', 'b', 'c', 'd']), 
     'transcriptLength' : pd.Series([212, 715, 213, 984], index=['a', 'b', 'c', 'd'])}
df = pd.DataFrame(d)

# 筛选geneID为g2的行
x = df.loc[df['geneID'] == 'g2'].copy()
# 获取最大长度
y = x.transcriptLength.max()
# 修正后的筛选逻辑：保留非g2的行，或是g2且长度为最大值的行
z = df.loc[(df['geneID'] != 'g2') | (df['transcriptLength'] == y)].copy()
print(z)

运行后会得到正确结果：

transcriptID geneID  transcriptLength
a           t1     g1               212
c           t3     g3               213
d           t4     g2               984

高效的批量处理方法（强烈推荐） #

你原来计划遍历genes数组的方式效率极低，尤其是当基因数量庞大时。用pandas的groupby功能可以一行代码完成所有基因的筛选，完全不需要循环：

# 针对你的transcripts DataFrame，直接执行以下代码
result = transcripts.loc[transcripts.groupby('geneID')['transcriptLength'].idxmax()]

逻辑说明：

• transcripts.groupby('geneID')['transcriptLength'].idxmax()会返回每个geneID组中，转录本长度最大的那一行的索引
• 再通过loc提取这些索引对应的行，就得到了每个基因最长转录本的结果

如果同一个基因有多个转录本长度相同且都是最大值，上述方法会保留每组中第一个出现的最长转录本。如果想要保留所有长度等于最大值的行，可以用下面的写法：

# 先计算每个geneID对应的最大长度
max_lengths = transcripts.groupby('geneID')['transcriptLength'].transform('max')
# 保留长度等于对应基因最大长度的所有行
result = transcripts[transcripts['transcriptLength'] == max_lengths]

内容的提问来源于stack exchange，提问作者spiral01