Python分析制表符分隔CSV：保留同序列最低TPM值的基因

嘿，这个需求用Pandas处理起来超顺手，我帮你捋清楚具体步骤：

首先咱们明确核心逻辑：根据chr、start、end这三个字段确定同一个序列（看你的示例数据，这三个值完全相同的就是同一序列），然后在每个序列组里保留Log2_TPM_DM_Moyenne值最小的那一行。

步骤1：导入并读取数据 #

先通过Pandas读取你的制表符分隔CSV文件，记得指定分隔符为\t：

import pandas as pd

# 替换成你的实际文件路径
df = pd.read_csv('your_data.csv', sep='\t')

步骤2：分组筛选最低TPM行 #

用groupby按序列标识字段分组，再通过idxmin()找到每个组中TPM值最小的行的索引，最后用loc提取这些目标行：

# 按chr、start、end分组，获取每个组中TPM最小的行的索引
min_tpm_rows_idx = df.groupby(['chr', 'start', 'end'])['Log2_TPM_DM_Moyenne'].idxmin()

# 筛选出最终需要的行
result_df = df.loc[min_tpm_rows_idx]

步骤3：保存处理结果 #

把整理好的数据导出成新的制表符分隔文件：

result_df.to_csv('min_tpm_per_sequence.csv', sep='\t', index=False)

补充：处理多行TPM值同为最小的情况 #

如果某个序列里有多个基因的TPM值都是组内最小值，上面的方法只会保留第一个匹配行。要是你想保留所有这类行，可以用transform做标记筛选：

# 给每行标记是否为所在组的TPM最小值
df['is_min_tpm'] = df.groupby(['chr', 'start', 'end'])['Log2_TPM_DM_Moyenne'].transform(lambda x: x == x.min())

# 筛选出所有标记为True的行
result_df = df[df['is_min_tpm']]

注意：如果你的“序列”是由其他字段（比如单独的sequence列）标识的，只需要把groupby里的字段换成对应的列名就行~

内容的提问来源于stack exchange，提问作者Nono_sad