我有一堆CSV文件,我试图连接成一个单独的csv文件。 CSV文件由单个空格分隔,如下所示:
'initial', 'pos', 'orientation', 'ratio'
'chr', '106681', '+', '0.06'
'chr', '106681', '+', '0.88'
'chr', '106681', '+', '0.01'
'chr', '106681', '+', '0.02'
如您所见,除ratio
外,所有值都相同。我创建的连接文件将如下所示:
'filename','initial', 'pos', 'orientation', 'ratio1','ratio2','ratio3'
'jon' , 'chr', '106681', '+', '0.06' , '0.88' ,'0.01'
所以基本上,不好迭代每个文件,只存储initial
,pos
,orientation
的一个值,但只存储ratio
的所有值并更新连接文件中的表。事实证明这比我更令人困惑。我有以下代码来读取csv文件:
concatenated_file = open('josh.csv', "rb")
reader = csv.reader(concatenated_file)
for row in reader:
print row
给出:
['chrom', 'pos', 'strand', 'meth_ratio']
['chr2', '106681786', '+', '0.06']
['chr2', '106681796', '+', '0.88']
['chr2', '106681830', '+', '0.01']
['chr2', '106681842', '+', '0.02']
如果有人可以告诉我如何仅存储initial
,pos
,orientation
的一个值(因为它们保持相同),但是所有的值都是非常有用的ratio
答案 0 :(得分:1)
首先用英语表达。
你必须从某个地方读取所有其他字段,所以它也可能来自第一行。
然后,完成此操作后,您需要读取每个后续行的最后一列并将其打包到新行的末尾,而忽略其余行。
所以,把它变成Python:
with open(outpath, 'wb') as outfile:
writer = csv.writer(outfile)
for inpath in paths:
with open(inpath, 'rb') as infile:
reader = csv.reader(infile)
# Read all values (including the ratio) from first row
new_row = next(reader)
# For every subsequent row...
for row in reader:
# ... read the ratio, pack it on, ignore the rest
new_row.append(row[-1])
writer.writerow(new_row)
我不确定评论实际上是否添加任何内容;我认为我的Python比我的英语更容易理解。 :)
值得知道你在这里尝试做的事情被称为“非规范化”。据我所知,你的数据每行最后会有ratio
个任意列,所有这些列都具有相同的“含义”,所以每行不再是一个值,而是一个集合值。
由于各种原因,非规范化通常被认为是不好的。有些情况下,非规范化数据更容易或更快地使用 - 只要您知道自己正在使用它,为什么,这可能是一件有用的事情。维基百科有一篇关于database normalization的好文章解释了这些问题;你可能想要阅读它,这样你才能理解你在这里所做的事情,并确保这是正确的。
答案 1 :(得分:1)
这是一个pandas.read_csv()的单行。我们甚至可以放弃引用:
import pandas as pd
csva = pd.read_csv('a.csv', header=0, quotechar="'", delim_whitespace=True)
csva['ratio']
0 0.06
1 0.88
2 0.01
3 0.02
Name: ratio, dtype: float64
有几点:
quotechar="'"
csva
的所有其他列而不是'ratio'。请参阅pandas doc。