Question

好的，所以我在csv文件中有一些数据，看起来大致如下：

[fragment1, peptide1, gene1, replicate1, replicate2, replicate3]
[fragment1, peptide2, gene1, replicate1, replicate2, replicate3]
[fragment2, peptide1, gene2, replicate1, replicate2, replicate3]
[fragment2, peptide2, gene2, replicate1, replicate2, replicate3]
[fragment3, peptide1, gene2, replicate1, replicate2, replicate3]

问题是这个 - 我需要以几种不同的方式使用这些数据（三次重复）：

每一行（即每行只复制1-3次）
每个片段的每个重复列（即来自来自fragment1的peptide1和2的replicate1，以及针对replicate2和3的相同）
每个基因的每个重复列（即与（2）相同，但使用基因而不是片段

数据文件都具有相同的列，但行（即片段/肽/基因的数量）不同，因此我必须在不指定行号的情况下读取数据。基本上，我需要的是每行，每个片段和每个基因的统计数据（变异系数）。

跨行的变体只使用三个重复（总是来自一行的三个值），当然非常简单。跨片段和跨基因的变体首先计算使用来自每个适用的replicate1的第一统计数据的统计数据，然后是每个replicate2，然后是replicate3，（来自未知行数的未知数量的值），之后使用先前的值进行相同的统计计算（即总是三个值）。

我有一个脚本可以做到这一点，差不多，但它很长，而且（我认为）过于复杂。我基本上读了三次文件，每次都以不同的方式收集数据，monstly在列表中，有时候是numpy.arrays。

从本质上讲，我的问题是如何有效地以不同方式最佳地读取数据，包括速度和“少代码”。我试图找到类似的问题，但无济于事。任何有关如何做到这一点的提示将不胜感激，并提前感谢！

Answer 1

我会选择numpy.loadtxt。

import numpy as np

data = np.loadtxt(open('myfile.csv', 'rb'), delimiter=',')

# 1 Access all rows
for row in data:
    print row

# Get all data in column 2 and 3
print data[:, (2,3)]

我不确定你在第2点和第3点的要求。你能提供样本输入和预期输出吗？

csv读取列和行

1 个答案: