Question

我有数百个以制表符分隔的文本文件，每个文件都可以有相同或不同的标题集。我想做以下事情 - 1.阅读文件 2.获取标题名称 3.对于给定（输入）标头之一，从列中获取一个特定元素的计数（也作为输入给出）由于我有很多文件，我无法知道我感兴趣的每一列的列号。目前我正在阅读像这样的tsv文件

file_name = os.path.join(tsv_name + ".txt")
input_file = open (file_name)
input_file_data = csv.reader(input_file, delimiter = "\t")

然后我通过

获得带有硬编码列数的计数

countt = [rec[1] for rec in input_file_data]
print tsv_name + ".txt", countt.count(barcode)

其中tsv_name是文件名（没有扩展名，由于各种原因不得不撤出扩展名）但我的问题是，我希望能够输入列名，在运行脚本作为输入时说'codeID'，如果在任何标题中找到'codeID'，它应该得到列号，使用它在countt声明中。如果未找到，请跳过并转到下一个文件。我陷入了输入列名称并获取其列号的部分。

我的数据看起来像这样

barcodeID   codeID  conceptID   studyID Event   Time    Addi_data
UTGN-02-01-0001 653 1256213 UTGN    Adverse events  48h No
UTGN-02-01-0002 158 1256213 UTGN    Adverse events  48h No
UTGN-02-01-0003 630 1256213 UTGN    Adverse events  1d  No

因此，当我提供python program_name.py codeID 630时，它应该打印filename.txt 1（因为它在第2列中出现了1次，其中codeID为标题）

PS-我不想使用pandas或numpy，因为它需要在运行此脚本的其他设备上进行额外安装。

Answer 1

csv模块的DictReader阅读器允许您使用标题名称引用CSV数据。它可能会引导您更简单地解决您的问题：）

https://docs.python.org/2/library/csv.html#csv.DictReader

Answer 2

谢谢Benoit Latinier！根据你的建议，我提出了一段适用于一个文件的代码，我还没有把它整合到我的大脚本中。这是一个示例代码

import csv
from collections import defaultdict
f = csv.DictReader(open(filename), delimiter = "\t")
fi = f.fieldnames
index_num = fi.index('codeID')

这个index_num可用于countt语句（希望！）

获取CSV列名和数字python

2 个答案: