0
我有一些真正奇怪的問題。我有一個腳本可以獲取包含我之後的一些信息的JSON文件,更具體地說是基因名稱。我的想法是將它作爲一個字符串工作,直到我想要用另一個基因列表過濾所得到的基因列表時,它才工作得很好(即,我只對JSON中的基因感興趣文件[文件A]在另一個基因列表[文件B]中)。這是我的腳本:熊貓:合併兩個系列
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)
我已經以這種方式之前使用merge
,讓我感到非常驚訝,當filtered
數據框返回爲空。我手動檢查了兩個不同文件中有共同的基因,所以這應該不成問題。我想知道它不工作的原因是因爲我在gen_genes
函數中做了一些奇怪的事情,即使用字符串。
下面是另一個基因列表[文件B]的佔位符,其中包含我手動檢查的一些基因,以防您想要運行我的腳本。我用這個列表代替原來的[文件B],並且我得到了相同的結果。
filter = pd.DataFrame(['BRAF','KRAS','EGF','EGFR'], columns=['Gene'])
有人可以幫忙嗎?
它總是那麼簡單......非常感謝,也做到了! – Sajber 2014-08-27 09:02:48