Question

我正在尝试将制表符分隔文件的特定列放入字典中。我正在尝试几件事，但没有给我想要的结果。

例如，我有此文件：

Name   Start   End   Size
del1   100     105   5
del2   150     160   10
del3   250     300   50

和此文件，都是.csv

Name   Qual   StartB  EndB  Size
inv1   6      400     405   5
inv2   7      450     460   10
inv3   20     450     400   50

我想要的是这样的东西，其中Name是键，其他是值，此外，我还有更改标头和标头索引的问题，但它们的含义相同：

del_dict{del1: {Start: 100, End: 105, Size:5} del2: {etc}

我尝试根据其他堆栈溢出答案以几种方式读取文件。

for file in glob.glob(directoryname + "/*.csv"):
    dict = pd.read_csv(file, squeeze=False, sep="\t").to_dict()
        print(dict)

和

for file in glob.glob(directoryname + "/*.csv"):
    df = pd.read_csv(open(file, 'r'), header=0, sep="\t")
    if "StartB" in df.keys():
        name = df.Name
        start_pos = df.StartB
        end_pos = df.EndB
    else:
        name = df.Name
        start_pos = df.Start
        end_pos = df.End

但这给了我数据框，我似乎无法将其放入字典中。

我也尝试过此代码，我以前使用过，但是它只是一个文件，没有更改标头，然后将导致太多的循环和硬编码，无法根据我打开的文件来消化我需要的所有内容。

for file in glob.glob(directoryname + "/*.csv"):
    with open(file, 'r') as csvfile:
        csv_list = []
        for line in csvfile:
            csv_list.append(line.strip("\t"))

我对python还是很陌生，我知道必须有一个相对简单的答案，但是我似乎找不到它。抱歉，如果答案已经在堆栈溢出中，我试了几个小时才发现类似/可行的问题，这就是我真正陷入困境的关键所在。

Answer 1

我认为需要使用DataFrame.set_index按列Name创建索引，然后使用参数orient='index'调用DataFrame.to_dict：

df = pd.read_csv(file,  sep="\t")

d = df.set_index('Name').to_dict(orient='index')
print (d)
{'del1': {'Start': 100, 'End': 105, 'Size': 5},
 'del2': {'Start': 150, 'End': 160, 'Size': 10},
 'del3': {'Start': 250, 'End': 300, 'Size': 50}}

编辑-您可以按字典重命名列名称，并按列表列进行选择以导出到dict：

d = {'StartB':'Start','EndB':'End'}
d = df.set_index('Name').rename(columns=d)[['Start','End','Size']].to_dict(orient='index')
print (d)
{'inv1': {'Start': 400, 'End': 405, 'Size': 5}, 
 'inv2': {'Start': 450, 'End': 460, 'Size': 10}, 
 'inv3': {'Start': 450, 'End': 400, 'Size': 50}}

Answer 2

基于@jezrael的帮助和专业知识（标记为答案），我将最终代码放在此处，在这里我还以所需的格式合并了字典，并找到了每个列中都不存在的解决方案文件。

请告知我这是否不是堆栈溢出的方法。

    csv_dict = {}
    for file in glob.glob(directoryname + "/*.csv"):
        df = pd.read_csv(file, sep="\t")
        d = {'StartB': 'Start', 'EndB': 'End'}
        if "Duplications" in df.keys():
            d = df.set_index('Name').rename(columns=d)[['Start', 'End', 'Size', 'Duplications']].to_dict(orient='index')
            csv_dict.update(d)
        else:
            d = df.set_index('Name').rename(columns=d)[['Start', 'End', 'Size']].to_dict(orient='index')
            csv_dict.update(d)
    print(csv_dict)

结果：

{'del1': {'Start': 969261, 'End': 969270, 'Size': 10}, 
'del2': {'Start': 641573, 'End': 641672, 'Size': 100}, 
'del3': {'Start': 998620, 'End': 999119, 'Size': 500}, 
'dup1': {'Start': 595662, 'End': 595671, 'Size': 10, 'Duplications': 3}, 
'dup2': {'Start': 321225, 'End': 321324, 'Size': 100, 'Duplications': 3}, 
'dup3': {'Start': 971634, 'End': 972133, 'Size': 500, 'Duplications': 10}, 
'inv1': {'Start': 818450, 'End': 818459, 'Size': 10}, 
'inv2': {'Start': 991098, 'End': 991197, 'Size': 100},
'inv3': {'Start': 219635, 'End': 220134, 'Size': 500}}

字典中的.csv，标题名称和索引不断变化

2 个答案: