我正在使用一个数据框，其中我按概率对每一行进行加权。现在，我想选择概率最高的行，我使用 pandas idxmax() 来这样做，但是当有平局时，它只返回平局中的第一行。就我而言，我想获取所有 tie 的行。
此外，作为研究项目的一部分，我正在这样做，我正在处理数百万个如下所示的数据帧，因此保持快速是一个问题。
例子：
我的数据如下所示：
data = [['chr1',100,200,0.2],
['ch1',300,500,0.3],
['chr1', 300, 500, 0.3],
['chr1', 600, 800, 0.3]]
从这个列表中，我创建了一个 Pandas 数据框，如下所示：
weighted = pd.DataFrame.from_records(data,columns=['chrom','start','end','probability'])
看起来像这样：
chrom start end probability
0 chr1 100 200 0.2
1 ch1 300 500 0.3
2 chr1 300 500 0.3
3 chr1 600 800 0.3
然后使用以下方法选择适合 argmax(probability) 的行：
selected = weighted.ix[weighted['probability'].idxmax()]
哪个当然返回：
chrom ch1
start 300
end 500
probability 0.3
Name: 1, dtype: object
当有关系时，是否有（快速）方法来获取所有值？
谢谢！
我有一个 pandas 数据框，如下所示：
chrom start end probability read
0 chr1 1 10 0.99 read1
1 chr1 5 25 0.99 read2
2 chr1 15 25 0.99 read2
3 chr1 30 40 0.75 read4
我想要做的是合并具有相同染色体（chrom 列）且坐标（开始，结束）重叠的间隔。在某些情况下，如果多个间隔彼此重叠，则即使它们不重叠，也会存在应该合并的间隔。请参阅上述示例中的第 0 行和第 2 行以及下面的合并输出
对于那些合并的元素，我想对它们的概率（概率列）进行求和，并计算“读取”列中的唯一元素。
使用上面的示例将导致以下输出，请注意行 0,1 和 2 已合并：
chrom start end probability read
0 chr1 1 20 2.97 2
1 chr1 30 40 0.75 1
到目前为止，我一直在使用 pybedtools merge 来执行此操作，但事实证明，执行数百万次（我的情况）时速度很慢。因此，我正在寻找其他选择，而 pandas 是显而易见的选择。我知道使用 pandas groupby可以对要合并的列应用不同的操作，例如nunique和sum，这是我需要应用的操作。尽管如此，pandas groupby 仅合并具有精确“chrom”、“start”和“end”坐标的数据。
我的问题是我不知道如何使用 pandas 根据坐标（chrom、start、end）合并行，然后应用求和和 …