0
我有一些真正奇怪的问题。我有一个脚本可以获取包含我之后的一些信息的JSON文件,更具体地说是基因名称。我的想法是将它作为一个字符串工作,直到我想要用另一个基因列表过滤所得到的基因列表时,它才工作得很好(即,我只对JSON中的基因感兴趣文件[文件A]在另一个基因列表[文件B]中)。这是我的脚本:熊猫:合并两个系列
import urllib
import pandas as pd
pathway = ['hsa04630', 'JAK-STAT']
# Read JSON pathway data from KEGG via TogoWS REST service
link = 'http://togows.dbcls.jp/entry/pathway/' + pathway[0] + '/genes.json'
file = urllib.request.urlopen(link)
data = pd.DataFrame(file.readlines())
# Remove first and last two lines (does not contain data)
data = data.drop(data.index[[0, 1, -2, -1]])
def get_genes(string):
""" Takes a JSON string and finds the gene ID """
gene = str(string[0]).split(':')[1].split(';')[0].replace('"', '')
return gene
# Filter for gene ID
data = pd.DataFrame(data.apply(get_genes, axis=1), columns=['Gene']).sort(
'Gene')
# Filter for EGFR Core gene list
filter = pd.DataFrame(pd.read_excel('../../Gene lists/Gene lists.xlsx',
sheetname='EGFR Core')['Gene'])
filtered = filter.merge(data, on='Gene')
print(filtered)
我已经以这种方式之前使用merge
,让我感到非常惊讶,当filtered
数据框返回为空。我手动检查了两个不同文件中有共同的基因,所以这应该不成问题。我想知道它不工作的原因是因为我在gen_genes
函数中做了一些奇怪的事情,即使用字符串。
下面是另一个基因列表[文件B]的占位符,其中包含我手动检查的一些基因,以防您想要运行我的脚本。我用这个列表代替原来的[文件B],并且我得到了相同的结果。
filter = pd.DataFrame(['BRAF','KRAS','EGF','EGFR'], columns=['Gene'])
有人可以帮忙吗?
它总是那么简单......非常感谢,也做到了! – Sajber 2014-08-27 09:02:48