You need to enable JavaScript to run this app. 如何用Python Pandas实现Pos_A升序、Pos_B降序的连续数值配对识别
优惠活动
大模型
产品
解决方案
定价
更多

如何用Python Pandas实现Pos_A升序、Pos_B降序的连续数值配对识别

实现方案

核心判断规则对齐需求:逐行校验相邻行的数值关系,只要同时满足Pos_A较上一行+1(升序连续)、Pos_B较上一行-1(降序连续),就归为同一个连续组;只要任意一个条件不满足,就开启新的连续组,最后给每个组计算对应的组ID和组内元素数即可。

可直接运行的代码实现

import pandas as pd

# 1. 读取/加载你的原始表格数据
# df = pd.read_excel("你的表格文件路径.xlsx")
# 这里用模拟数据演示效果
df = pd.DataFrame({
    "nucleotide": ["A", "T", "G", "C", "A", "T", "G", "C", "A"],
    "Pos_A": [10, 11, 12, 13, 15, 16, 17, 20, 21],
    "Pos_B": [25, 24, 23, 22, 21, 20, 19, 18, 17]
})

# 2. 计算相邻行的差值,判断连续组断裂点
diff_a = df["Pos_A"].diff()
diff_b = df["Pos_B"].diff()

# 标记每个新连续组的起点:第一行必然是组起点,之后不满足双连续条件就算新组起点
new_group_flag = (diff_a != 1) | (diff_b != -1)
new_group_flag.iloc[0] = True

# 3. 累计求和生成连续组ID
df["Consecutive ID"] = new_group_flag.cumsum()

# 4. 计算每个组的成员数,映射回每一行生成连续组大小字段
df["Consecutive Number (Size)"] = df.groupby("Consecutive ID")["nucleotide"].transform("size")

效果验证

用上面的模拟数据跑出来的标注结果为:

  • 前4行(Pos_A:10→11→12→13,Pos_B:25→24→23→22):Consecutive ID=1,组大小4
  • 中间3行(Pos_A:15→16→17,Pos_B:21→20→19):Consecutive ID=2,组大小3
  • 最后2行(Pos_A:20→21,Pos_B:18→17):Consecutive ID=3,组大小2

常见踩坑提示

  • 处理前必须确认原始数据是按Pos_A升序排列的,如果排序错乱,直接计算会把本来连续的序列拆成多个组
  • 如果Pos_A、Pos_B列存在空值,需要先做缺失值清洗,否则diff计算会返回NaN,触发新组标记逻辑,导致分组完全错乱
  • 如果需要调整连续规则的容差(比如允许Pos_A差2、Pos_B差2也算连续),只需要修改new_group_flag的判断条件即可

内容的提问来源于stack exchange,提问作者user3286351

相关产品推荐
方舟 Agent Plan

超全模态模型 × Harness 升级,最新支持 Deepseek-V4.1-Flash、GLM-5.3 系列、Doubao-Seedream-5.0-pro、Kimi-K3 (部分), 限时 9.9 元起

最近更新时间:2026.10.28 17:45:01