如何在集合列上合并两个熊猫数据框

Question

我在两个数据框中都有表示生物系统中相互作用伙伴的列，因此，如果gene_A与gene_B相互作用，则“ gene_pair”列中的条目将为{gene_A，gene_B}。 我想做一个内部联接，但是尝试：

pd.merge(df1, df2, how='inner', on=['gene_pair'])

引发错误

TypeError: type object argument after * must be a sequence, not itertools.imap

我需要在无序对上进行合并，据我所知，我无法在两个具有基因名称的单独列的组合上进行合并。 还有另一种方法可以实现这种合并吗？

一些示例dfs：

gene_pairs1 = [
    set(['gene_A','gene_B']),
    set(['gene_A','gene_C']),
    set(['gene_D','gene_A'])
]
df1 = pd.DataFrame({'r_name': ['r1','r2','r3'], 'gene_pair': gene_pairs1})

gene_pairs2 = [
    set(['gene_A','gene_B']),
    set(['gene_F','gene_A']),
    set(['gene_C','gene_A'])
]
df2 = pd.DataFrame({'function': ['f1','f2','f3'], 'gene_pair': gene_pairs2})

pd.merge(df1,df2,how='inner',on=['gene_pair'])

我想输入“ r1”与“ f1”对齐，而“ r2”与“ f3”对齐。

Answer 1

最后非常简单：我使用了Frozenset，而不是set。

Answer 2

我建议您为每个配对增加一个额外的ID列，然后加入该行！ 例如

df2['gp'] = df2.gene_pair.apply(lambda x: list(x)[0][-1]+list(x)[1][-1])
df1['gp'] = df1.gene_pair.apply(lambda x: list(x)[0][-1]+list(x)[1][-1])
pd.merge(df1, df2[['function','gp']],how='inner',on=['gp']).drop('gp', axis=1)