拆分DataFrame第4列并执行数值减法的技术需求问询

看起来你需要处理DataFrame里的CpGPos列，先拆分逗号分隔的字符串，再对每个数值执行减法操作。下面我会给出几种常见场景的实现方法，你可以根据实际需求调整：

1. 准备工作：导入库和示例数据 #

首先我们先导入pandas，并创建你提供的示例DataFrame：

import pandas as pd

# 示例数据
data = {
    'chrom': ['chr10']*6,
    'peakStart': [117952993, 25219070, 4333197, 64090001, 68541389, 84836010],
    'peakEnd': [117953593, 25219670, 4333797, 64090601, 68541989, 84836610],
    'CpGPos': ['111,304,470,566,577', '92,162,301,354,385,450,483', '241,488,493,502,547,597', '265,269,282,439,465,499,515,527,585,594', '503,511,525', '18,69,92,139,344,403,488']
}
df = pd.DataFrame(data)

2. 拆分CpGPos列为整数列表 #

第一步先把逗号分隔的字符串拆分成整数列表，方便后续计算：

# 拆分字符串并转换为整数列表
df['CpGPos_list'] = df['CpGPos'].str.split(',').apply(lambda x: [int(num) for num in x])

3. 执行减法运算的常见场景 #

场景1：每个CpG数值与peakStart做减法 #

如果需要每个CpG相对值减去peakStart（虽然结果会是负数，若你实际需求是加法，直接把减号换成加号即可）：

df['CpG_sub_peakStart'] = df.apply(lambda row: [num - row['peakStart'] for num in row['CpGPos_list']], axis=1)

场景2：每个CpG数值与peakEnd做减法 #

比如计算每个CpG相对值到peakEnd的距离：

df['CpG_sub_peakEnd'] = df.apply(lambda row: [row['peakEnd'] - num for num in row['CpGPos_list']], axis=1)

场景3：计算相邻CpG数值的差值（后减前） #

如果需要统计相邻CpG之间的间隔：

def calculate_adjacent_diff(cpg_list):
    # 列表长度小于2时返回空列表
    if len(cpg_list) < 2:
        return []
    return [cpg_list[i+1] - cpg_list[i] for i in range(len(cpg_list)-1)]

df['CpG_adjacent_diff'] = df['CpGPos_list'].apply(calculate_adjacent_diff)

4. 展开为单行单CpG的格式（可选） #

如果你想把每个CpG单独占一行，方便后续分析，可以用explode方法：

# 展开列表为多行
df_exploded = df.explode('CpGPos_list').rename(columns={'CpGPos_list': 'CpGPos_num'})
# 执行减法，比如计算peakEnd与CpG数值的差
df_exploded['CpG_peakEnd_diff'] = df_exploded['peakEnd'] - df_exploded['CpGPos_num']

执行完上述代码后，你就可以得到处理后的结果了。如果你的减法逻辑和上面不同，只需要修改apply里的lambda表达式或者自定义函数即可。

内容的提问来源于stack exchange，提问作者Sudhir