汇总以制表符分隔的熊猫文件

Question

我有一个tab separated大文件，如下所示：

small example：

CHTOP   237 122
CHTOP   64  53
CHTOP   64  122
RPS27   986 66
RPS27   986 50
RPS27   986 227

我想根据第一列对行进行分组，并对第二列中属于同一组的所有数字求和，并对第三列中的数字执行相同的操作。例如小例子，我们有2组 预期的输出将是：

expected output：

CHTOP   365 297
RPS27   2958    343

我在python中使用了pandas，但它不返回3列文件。

import pandas as pd
df = pd.read_csv('myfile.txt',sep=None)
df = df.groupby(['ID']).cumcount()
df.to_csv('result.txt', sep='\t', index=None)

您知道如何解决吗？

Answer 1

几个观察结果：

1. 由于myfile.txt中没有标题行，因此我们需要将其告知pandas，否则第一行将被视为标题。
2. 由于未命名列，因此没有'ID'列之类的东西。要按ID对行进行分组，请改用列号（0）。
3. 要汇总属于同一组的行，请使用sum()，而不要使用cumcount()。

此外，最好声明myfile.txt是制表符（而不是逗号）分隔的，因为C引擎无法自动检测到分隔符。

这是一个建议的解决方案：

import pandas as pd
df = pd.read_csv('myfile.txt', sep='\t', header=None)
df = df.groupby(0).sum()
df.to_csv('result.txt', sep='\t', header=None)