Question

我有以制表符分隔格式的数据，如下所示：

0/0:23:-1.03,-7.94,-83.75:69.15    0/1:34:-1.01,-11.24,-127.51:99.00    0/0:74:-1.02,-23.28,-301.81:99.00

我只对每个条目的前3个字符感兴趣（即0/0和0/1）。我认为最好的方法是使用match和genfromtxt numpy。这个例子就我所知：

import re
csvfile = 'home/python/batch1.hg19.table'
from numpy import genfromtxt
data = genfromtxt(csvfile, delimiter="\t", dtype=None)
for i in data[1]:
    m = re.match('[0-9]/[0-9]', i)
        if m:
        print m.group(0),
        else:
        print "NA",

这适用于数据的第一行，但我很难弄清楚如何为输入文件的每一行扩展它。

我应该将它作为一个函数并单独应用于每一行还是有更多的pythonic方法来做到这一点？

Answer 1

除非你真的想使用NumPy，否则试试这个：

file = open('home/python/batch1.hg19.table')
for line in file:
    for cell in line.split('\t'):
        print(cell[:3])

只是遍历文件的每一行，使用制表符作为分隔符对行进行标记，然后打印您要查找的文本的切片。

Answer 2

当你想要加载一组数字时，Numpy很棒。你在这里的格式太复杂了，无法识别numpy，所以你只需要一个字符串数组。这并不是真正发挥numpy的力量。

这是一种简单的方法，可以在没有numpy的情况下完成：

result=[]
with open(csvfile,'r') as f:
    for line in f:
        row=[]
        for text in line.split('\t'):
            match=re.search('([0-9]/[0-9])',text)
            if match:
                row.append(match.group(1))
            else:
                row.append("NA")
        result.append(row)
print(result)

产量

# [['0/0', '0/1', '0/0'], ['NA', '0/1', '0/0']]

关于这些数据：

0/0:23:-1.03,-7.94,-83.75:69.15 0/1:34:-1.01,-11.24,-127.51:99.00   0/0:74:-1.02,-23.28,-301.81:99.00
---:23:-1.03,-7.94,-83.75:69.15 0/1:34:-1.01,-11.24,-127.51:99.00   0/0:74:-1.02,-23.28,-301.81:99.00

Answer 3

在没有正则表达式的情况下解析整个文件非常容易：

for line in open('yourfile').read().split('\n'):
    for token in line.split('\t'):
        print token[:3] if token else 'N\A'

Answer 4

我有一段时间没写过python。但我可能会这样写。

file = open("home/python/batch1.hg19.table")
for line in file:
    columns = line.split("\t")
    for column in columns:
        print column[:3]
file.close()

当然，如果你需要验证前三个字符，你仍然需要正则表达式。

使用python在CSV中切片特定字符

4 个答案: