如何在Pandas DataFrame中筛选跨列持续存在的突变数据

没问题，针对你这个筛选出现后持续存在多代、未随时间消失的突变需求，我来给你一套高效的Pandas解决方案，完全适配你的5代样本数据：

核心思路 #

你的数据里，0/0代表无突变，0/1（杂合）和1/1（纯合）代表有突变。我们要找的是：一旦某代出现突变（非0/0），之后所有世代都保持有突变状态，再也不回到0/0的位点，同时排除从头到尾都没突变的位点。

代码实现 #

假设你的DataFrame名为mut_df，列对应5个世代（比如['Gen1', 'Gen2', 'Gen3', 'Gen4', 'Gen5']），行是每个突变位点。直接用以下代码处理：

# 第一步：把数据转成布尔矩阵——非0/0标记为True（有突变），0/0标记为False（无突变）
df_bool = mut_df.ne('0/0')

# 第二步：判断每个位点是否符合"突变出现后持续存在"的条件
# cummax(axis=1)会让每行从左到右一旦出现True，之后永远保持True（模拟理想的持续突变状态）
# 对比原布尔矩阵和这个理想状态，全相等就说明没有中途变回0/0
consistent_mask = df_bool.eq(df_bool.cummax(axis=1)).all(axis=1)

# 第三步：排除完全没有突变的位点
has_mut_mask = df_bool.any(axis=1)

# 第四步：筛选出最终符合条件的突变位点
persistent_muts = mut_df[consistent_mask & has_mut_mask]

代码解释 #

• df_bool.ne('0/0')：快速把所有突变类型统一标记为True，简化后续判断逻辑。
• df_bool.cummax(axis=1)：这是核心技巧——累积最大值操作，相当于给每个位点画一条"突变出现后就不能消失"的基准线。
• consistent_mask：检查实际数据是否完全贴合这条基准线，是的话就说明突变出现后从未消失。
• has_mut_mask：过滤掉那些全程都是0/0的无效位点，只保留有过突变的记录。

示例验证 #

举个直观的例子，假设你的数据是这样：

用上面的代码处理后，会保留第1和第3行的数据，完全符合你的需求。

内容的提问来源于stack exchange，提问作者sm544