如何基于字典键匹配并按数值条件过滤pandas DataFrame？

嘿，我来帮你解决这个基于复合键的筛选问题！你的需求很明确：用DataFrame里多列拼接成的键（比如Chrom-Loc-WT-Var）匹配字典，找出VAF列大于字典对应值的行。思路完全没问题，但你尝试的代码里有个小细节需要修正，下面一步步来捋：

先说说你代码里的小坑 #

你写的str(df.Loc)会把整个Loc列转换成一个大字符串，而不是给每一行的Loc值单独转字符串，这直接导致拼接出来的复合键完全不对，根本匹配不上字典里的键。另外，处理字典的方式也可以更简洁些。

正确的实现方式 #

步骤1：生成匹配用的复合键 #

先把Chrom、Loc、WT、Var这几列按字典键的格式拼接起来，重点是把Loc列逐行转成字符串：

df['match_key'] = df['Chrom'] + '-' + df['Loc'].astype(str) + '-' + df['WT'] + '-' + df['Var']

步骤2：把字典转换成易查询的阈值表 #

字典里每个值都是列表，我们先把它转成键对应单个数值的格式，再映射到DataFrame里：

# 提取字典中每个键对应的阈值（去掉外层的列表）
rate_thresholds = {key: value[0] for key, value in rates.items()}
# 给DataFrame添加上对应的阈值列
df['threshold'] = df['match_key'].map(rate_thresholds)

步骤3：筛选符合条件的行 #

最后直接对比VAF和threshold列就行：

filtered_df = df[df['VAF'] > df['threshold']]

想写一行代码？也可以！ #

如果追求简洁，也可以用apply直接逐行计算，但要注意这种方式在数据量大的时候效率会低一些：

filtered_df = df[df['VAF'] > df.apply(lambda row: rates[f"{row.Chrom}-{row.Loc}-{row.WT}-{row.Var}"][0], axis=1)]

用你的测试数据验证一下 #

拿你给的实际数据来说：

• 拼接出来的match_key是chr1-115227854-T-A，刚好匹配字典的键
• 对应的阈值是0.0032073647185113397
• 数据里的VAF是0.0116117，明显大于阈值，所以这行会被保留下来，完全符合你的预期。

额外的边界情况处理 #

如果DataFrame里有一些行的复合键在字典里找不到，map后会得到NaN，这时候可以选择过滤掉这些行：

# 先去掉没有匹配阈值的行，再筛选
filtered_df = df.dropna(subset=['threshold'])[df['VAF'] > df['threshold']]

内容的提问来源于stack exchange，提问作者The Nightman