基于参考碱基条件对数据集指定列分组求和的技术问询

我把你的需求拆解成了原始数据展示、求和规则明确、处理结果输出，还加了自动化处理的代码实现，方便你直接复用：

原始数据集 #

先把你提供的原始数据转成更易读的Markdown表格：

明确求和规则 #

根据ref列的不同取值，对A、B系列列执行对应的求和逻辑：

• 当ref = A：
  • A列 = A-2 + A-3 + A-4
  • B列 = B-2 + B-3 + B-4
• 当ref = T：
  • A列 = A-1 + A-3 + A-4
  • B列 = B-1 + B-3 + B-4
• 当ref = C：
  • A列 = A-1 + A-2 + A-4
  • B列 = B-1 + B-2 + B-4
• 当ref = G：
  • A列 = A-1 + A-2 + A-3
  • B列 = B-1 + B-2 + B-3

处理后的结果集 #

按照规则计算后，得到的目标结果如下：

自动化处理代码（Python Pandas） #

如果你的数据集很大，手动计算效率太低，用Pandas可以快速实现批量处理，代码如下：

import pandas as pd

# 构造原始数据（如果是从文件读取，用pd.read_csv()即可）
data = {
    'scaf': ['MT1', 'MT1', 'MT1'],
    'pos': [11722, 11723, 11724],
    'ref': ['A', 'T', 'A'],
    'A-1': [330, 0, 222],
    'A-2': [0, 230, 2],
    'A-3': [0, 0, 6],
    'A-4': [0, 8, 0],
    'B-1': [111, 0, 56],
    'B-2': [0, 18, 8],
    'B-3': [0, 0, 0],
    'B-4': [0, 2, 0]
}
df = pd.DataFrame(data)

# 定义每行的求和逻辑
def compute_ab_sum(row):
    ref_val = row['ref']
    # 计算A列的值
    if ref_val == 'A':
        a_total = row['A-2'] + row['A-3'] + row['A-4']
    elif ref_val == 'T':
        a_total = row['A-1'] + row['A-3'] + row['A-4']
    elif ref_val == 'C':
        a_total = row['A-1'] + row['A-2'] + row['A-4']
    elif ref_val == 'G':
        a_total = row['A-1'] + row['A-2'] + row['A-3']
    else:
        a_total = 0  # 应对未知ref值的情况
    
    # 计算B列的值，规则和A列一致
    if ref_val == 'A':
        b_total = row['B-2'] + row['B-3'] + row['B-4']
    elif ref_val == 'T':
        b_total = row['B-1'] + row['B-3'] + row['B-4']
    elif ref_val == 'C':
        b_total = row['B-1'] + row['B-2'] + row['B-4']
    elif ref_val == 'G':
        b_total = row['B-1'] + row['B-2'] + row['B-3']
    else:
        b_total = 0
    
    return pd.Series([a_total, b_total], index=['A', 'B'])

# 应用函数并生成结果
result_df = df[['scaf', 'pos', 'ref']].join(df.apply(compute_ab_sum, axis=1))

print(result_df)

运行这段代码后，就能直接得到上面的结果集，后续如果有更多行数据，只需要替换原始数据部分即可。

内容的提问来源于stack exchange，提问作者AP38