Question

我有一个以下形状的.txt文件。不切实际，未知值只是空白：

----Header---
Description, 
a few lines of description
Still description

  #  RESIDUE AA STRUCTURE BP1 BP2  
 1    79 A G              0    0    97      
 2    80 A A        -     0    0    28    
 3    81 A V  E     -A  134    0A   53    
 4    82 A F  E     -A  133    0A    6    
 5    83 A K  E     -A  132    0A   52    
11         !              0    0     0
12   101 A D  H           0    0   137

我想提取第2，第4和第5列，其中应考虑不存在的值。所以，我想要的是：

function(textfile,1,3,4)
>[79,80,81,82,83,"",101]
>["G","A","V","F","K","!","D"]
>["","","E","E","E","","H"]

输出的确切形状无关紧要，例如，是一个n x 3阵列或......由于将未知数留空的错误选择，我不能使用np.loadtxt，因为它会立即跳转到下一列。

Answer 1

您是否尝试过将pandas.read_csv与分隔符设置为空格一起使用。

e.g。

pandas.read_csv(filename = 'filename.txt', delim_whitespace=True).

您似乎缺少列名。

Answer 2

您可以按照以下方式使用Pandas进行调查：

<juso>

这会显示：

print pd.read_fwf('input.txt', widths=(4, 5, 2, 2, 3, 7, 5, 6, 5), usecols=[1, 3, 4], skiprows=6, header=None)

或者，您可以手动提取必要的列，如下所示：

      1  3    4
0   79.0  G  NaN
1   80.0  A  NaN
2   81.0  V    E
3   82.0  F    E
4   83.0  K    E
5    NaN  !  NaN
6  101.0  D    H

这会给你一个如下列表：

import itertools

col_locations = [(3,8), (11, 12), (13,15)]

with open('input.txt') as f_input:
    # Skip over initial lines until the header row
    next(itertools.dropwhile(lambda x: "RESIDUE" not in x, f_input))
    lines = [row.rstrip() for row in f_input]

data = []    
for row in lines:
    data.append([row[start:end].strip() for start, end in col_locations])

data = zip(*data)       # Transpose the data
print data

如果您确实希望将第一列转换为数字，则可以按如下方式应用每列转换功能：

[('79', '80', '81', '82', '83', '', '101'), ('G', 'A', 'V', 'F', 'K', '!', 'D'), ('', '', 'E', 'E', 'E', '', 'H')]

给你：

import itertools

def num_convert(x):
    try:
        return int(x)
    except:
        return ''

col_locations = [(3, 8, num_convert), (11, 12, str.strip), (13, 15, str.strip)]

with open('input.txt') as f_input:
    # Skip over initial lines until the header row
    next(itertools.dropwhile(lambda x: "RESIDUE" not in x, f_input))
    lines = [row.rstrip() for row in f_input]

data = []    
for row in lines:
    data.append([conversion(row[start:end]) for start, end, conversion in col_locations])

data = zip(*data)       # Transpose the data
print data

Answer 3

您可以使用struct module：

import struct
line = ' 5    83 A K  E     -A  132    0A   52    '
extracted_line = map(lambda x: x.strip(), struct.unpack("6s3s2s3s6s4s7s5s6s", line[:42])))
print(list(extracted_line))

可能需要进行一些调整，因为我不知道随着值的增长，它们是向左还是向右移动。但这是一种方式。

从python中的textfile中提取列：处理空白条目

3 个答案: