Question

我在excel中有一个csv文件，它包含BLAST搜索的输出，格式如下：

# BLASTN 2.2.29+                                            
# Query: Cryptocephalus androgyne                                           
# Database: SANdouble                                           
# Fields: query id   subject id  % identity  alignment length    mismatches  gap opens   q. start    q. end  s. start    s. end  evalue  bit score
# 1 hits found                                          
Cryptocephalus  ctg7180000094003    79.59   637 110 9   38  655 1300    1935    1.00E-125   444
# BLASTN 2.2.29+                                            
# Query: Cryptocephalus aureolus                                            
# Database: SANdouble                                           
# Fields: query id   subject id  % identity  alignment length    mismatches  gap opens   q. start    q. end  s. start    s. end  evalue  bit score
# 4 hits found                                          
Cryptocephalus  ctg7180000093816    95.5    667 12  8   7   655 1269    1935    0   1051
Cryptocephalus  ctg7180000094021    88.01   667 62  8   7   655 1269    1935    0   780
Cryptocephalus  ctg7180000094015    81.26   667 105 13  7   654 1269    1934    2.00E-152   532
Cryptocephalus  ctg7180000093818    78.64   515 106 4   8   519 1270    1783    2.00E-94    340

我已经使用

将此作为csv导入到python中

with open('BLASToutput.csv', 'rU') as csvfile:
    contents = csv.reader(csvfile, delimiter=' ', quotechar='|')
    for row in contents:
        table = ', '.join(row)

我现在想要做的是将列数据提取出来。我的总体目标是计算所有具有超过98％身份的比赛（第三栏）。

问题在于，由于这不是典型的csv格式，因此顶部没有标题，因此我无法根据其标题提取列。我在想是否可以提取第三列作为列表然后我可以使用python中的常规列表工具来提取我想要的数字但是我从未使用过pythons csv模块而且我正在努力寻找合适的命令。关于SO的其他问题是类似的，但是没有提到我没有标题和空单元格的特定情况。如果你能帮助我，我将非常感激！

Answer 1

数据文件与CSV格式不同。它有注释，它的分隔符不是单个字符，而是格式化的空格。

因为你的总体目标是

计算所有具有超过98％身份的匹配（第三列）。

并且数据文件内容格式正确，您可以使用普通文件解析方法：

import re

with open('BLASToutput.csv') as f:
    # read the file line by line
    for line in f:
        # skip comments (or maybe leave as it is)
        if line.startswith('#'):
            # print line
            continue
        # split fields
        fields = re.split(r' +', line)
        # check if the 3rd field is greater than 98%
        if float(fields[2]) > 98:
            # output the matched line
            print line

Answer 2

我设法找到了一种方法：

Python: split files using mutliple split delimiters

import csv

csvfile = open("SANDoubleSuperMatrix.csv", "rU")
dialect = csv.Sniffer().sniff(csvfile.read(1024))
csvfile.seek(0)
reader = csv.reader(csvfile, dialect)


identity = []

for line in reader:
    identity.append(line[2])

print identity

使用python以CSV格式提取BLAST输出列

2 个答案: