基于指定列实现两个DataFrame列相减的技术求助

我来帮你搞定这个DataFrame列相减的需求，针对你提供的两个质谱数据集，我们可以用Python的pandas库轻松实现，下面分两种匹配场景给出具体方案：

数据集说明 #

MSdata1 #

MSdata2 #

解决方案（基于pandas） #

首先确保你已经安装了pandas：pip install pandas

方案1：基于Composition列匹配并计算Intensity差值 #

这个方案适合Composition作为唯一标识的场景，直接按Composition合并两个DataFrame后做减法：

import pandas as pd

# 创建MSdata1的DataFrame（如果是从文件读取，用pd.read_csv("ms1.csv")即可）
ms1_data = [
    [301.14093, 7646, 100.00, -0.34, 5.5, "C16 H22 O4 Na"],
    [149.02331, 4083458.5, 23.60, -0.08, 6.5, "C8 H5 O3"],
    [279.15908, 33256, 18.64, -0.03, 5.5, "C16 H23 O4"]
]
ms1_df = pd.DataFrame(ms1_data, columns=["m.z", "Intensity", "Relative", "Delta..ppm.", "RDB.equiv.", "Composition"])

# 创建MSdata2的DataFrame
ms2_data = [
    [331.11233, 4324, 94.00, -0.33, 6.5, "C17 H26 O5 Na"],
    [149.02331, 4083458.5, 23.60, -0.08, 6.5, "C8 H5 O3"],
    [279.15908, 42315, 18.64, -0.03, 5.5, "C16 H23 O4"]
]
ms2_df = pd.DataFrame(ms2_data, columns=["m.z", "Intensity", "Relative", "Delta..ppm.", "RDB.equiv.", "Composition"])

# 按Composition合并，保留所有行（outer join），用后缀区分两个数据集的列
merged_df = pd.merge(ms1_df, ms2_df, on="Composition", suffixes=("_ms1", "_ms2"), how="outer")

# 计算Intensity差值（MSdata1 - MSdata2），空值用0填充
merged_df["Intensity_Diff"] = merged_df["Intensity_ms1"].fillna(0) - merged_df["Intensity_ms2"].fillna(0)

# 查看核心结果
print(merged_df[["Composition", "Intensity_ms1", "Intensity_ms2", "Intensity_Diff"]])

运行后会得到如下核心结果：

方案2：基于m.z列匹配并计算差值 #

因为m.z是浮点数值，直接匹配可能存在精度问题，这里提供两种处理方式：

方式A：四舍五入后精确匹配

对m.z保留固定小数位后再合并，避免浮点精度干扰：

# 对m.z保留4位小数（可根据你的数据精度调整）
ms1_df["m.z_rounded"] = ms1_df["m.z"].round(4)
ms2_df["m.z_rounded"] = ms2_df["m.z"].round(4)

# 按四舍五入后的m.z合并
merged_df_mz = pd.merge(ms1_df, ms2_df, on="m.z_rounded", suffixes=("_ms1", "_ms2"), how="outer")

# 计算差值
merged_df_mz["Intensity_Diff"] = merged_df_mz["Intensity_ms1"].fillna(0) - merged_df_mz["Intensity_ms2"].fillna(0)

# 查看结果
print(merged_df_mz[["m.z_rounded", "Intensity_ms1", "Intensity_ms2", "Intensity_Diff"]])

方式B：近似值匹配（merge_asof）

如果需要更灵活的精度控制，用merge_asof实现近似匹配：

# merge_asof要求数据集按匹配列排序
ms1_sorted = ms1_df.sort_values("m.z")
ms2_sorted = ms2_df.sort_values("m.z")

# 按m.z近似匹配，容差设为0.0001（可根据需求调整）
merged_asof = pd.merge_asof(
    ms1_sorted,
    ms2_sorted,
    on="m.z",
    suffixes=("_ms1", "_ms2"),
    tolerance=0.0001,
    direction="nearest"
)

# 计算差值
merged_asof["Intensity_Diff"] = merged_asof["Intensity_ms1"] - merged_asof["Intensity_ms2"].fillna(0)

# 查看结果
print(merged_asof[["m.z", "Composition_ms1", "Composition_ms2", "Intensity_ms1", "Intensity_ms2", "Intensity_Diff"]])

注意事项 #

• 如果你的数据是从CSV/Excel读取的，直接用pd.read_csv("your_file.csv")或pd.read_excel("your_file.xlsx")即可，无需手动创建DataFrame
• 浮点型m.z的匹配一定要注意精度问题，避免因微小数值差异导致匹配失败
• 如果只需要保留两个数据集都存在的匹配行，把merge的how参数改为inner即可

内容的提问来源于stack exchange，提问作者Ragstock