Question

我正在尝试创建一个简单的折线图来比较两个文件中的列。我已经编写了一些代码，并且想知道如何忽略我拥有的两个.csv文件中的行。代码如下：

import numpy as np
import csv
from matplotlib import pyplot as plt

def read_cell(x, y):
        with open('Illumina_Heart_Gencode_Paired_End_Novel_Junctions.csv', 'r') as f:
                reader = csv.reader(f)
                y_count = 0
                for n in reader:
                        if y_count == y:
                                cell = n[x]
                                return cell
                        y_count += 1
print(read_cell(6, 932)

def read_cell(x, y):
        with open('Illumina_Heart_RefSeq_Paired_End_Novel_Junctions.csv', 'r') as f:
                reader = csv.reader(f)
                y_count = 0
                for n in reader:
                        if y_count == y:
                                cell = n[x]
                                return cell
                        y_count += 1
print(read_cell(6, 932))


d1 = []
for i in set1:
    try:
        d1.append(float(i[5]))
    except ValueError:
        continue

d2 = []
for i in set2:
    try:
        d2.append(float(i[5]))
    except ValueError:
        continue

min_len = len(d1)
if len(d2) < min_len:
    min_len = len(d2)
d1 = d1[0:min_len]
d2 = d2[0:min_len]

plt.plot(d1, d2, 'r*')
plt.plot(d1, d2, 'b-')
plt.xlabel('Data Set 1: PE_NJ')
plt.ylabel('Data Set 2: PE_SJ')
plt.show()

第一个csv文件有932行，第二个有99,154行。我只对两个文件中的前932行感兴趣，然后想要比较两个文件中的第7列。

我该怎么做呢？

第一个文件如下所示：

chr1    1718493 1718764 2   2   0   12  0   24
chr1    8928117 8930883 2   2   0   56  0   24
chr1    8930943 8931949 2   2   0   48  0   25
chr1    9616316 9627341 1   1   0   12  0   24
chr1    10166642    10167279    1   1   0   31  1   24

第二个文件如下：

chr1    880181  880421  2   2   0   15  0   21
chr1    1718493 1718764 2   2   0   12  0   24
chr1    8568735 8585817 2   2   0   12  0   21
chr1    8617583 8684368 2   2   0   14  0   23
chr1    8928117 8930883 2   2   0   56  0   24

Answer 1

一种可能的方法是读取第一个（较短）文件中的所有行，找出它的长度（N），从第二个文件中读取N行，从两个文件中取出您感兴趣的k列文件。

像（根据你的情况调整分隔符）：

def read_tsv_file(fname): # reads the full contents of tab-separated file (like you have)
    return list(csv.reader(open(fname, 'rb'), delimiter='\t'))

def take_nth_column(first_array, second_array, n): # returns a tuple containing nth columns from both arrays, with length corresponding to the length of the smaller array
    len1 = len(first_array)
    len2 = len(second_array)
    min_len = len1 if len1<=len2 else len2
    col1 = [row[n] for row in first_array[:min_len]]
    col2 = [row[n] for row in second_array[:min_len]]
    return (col1, col2)


first_array = read_tsv_file('your-first-file')
second_array = read_tsv_file('your-second-file')
(col1, col2) = take_nth_column(first_array, second_array, 7)

Answer 2

因此，您的文件不以逗号分隔，这实际上使这更容易一些。我们遍历第一个文件，并在分隔空白行（用于分隔数据中的项目的制表符/空格）之后的每行中取第7个项目。然后我们为下一个文件做同样的事情，但是如果我们超过了第932行，我们就会跳出循环并完成。

我做这样的事情：

file1_values = []
file2_values = []

with open('file1') as f1:
    for line in f1:
         seventh_column = line.split()[6]
         file1_values.append(seventh_column)

with open('file2') as f2:
    for i, line in enumerate(f2):
         if i > 932:
             break
         seventh_column = line.split()[6]
         file2_values.append(seventh_column)

然后，您将您感兴趣的值放入两个希望长度相等的列表中，并且可以从那里进行任何比较或绘制您想要的图表。

Answer 3

编辑：在函数定义上添加分隔符选项和精度

如果您只想保留一列并在计数行后停止读取，只需将值附加到循环中的列表中，并在耗尽时中断。但是，如果您的文件使用除逗号（,）之外的其他内容作为分隔符，则必须指定它。并且不要重复函数定义：一个def就足够了。所以你的读者功能可能就像：

def read_column(file_name, x, y):
        cells = []
        with open(file_name, 'r') as f:
                reader = csv.reader(f, delimiter="\t")
                y_count = 0
                for n in reader:
                        y_count += 1
                        if y_count > y:
                                break
                        cells.append(n[x])
       return cells

那种方式函数返回x第一行y列的列表

Python：忽略csv文件中的特定行

3 个答案: