Question

我有一个包含许多DNA序列的文本文件，每个序列在一行中有20个碱基对。我想将文件读入一个数据帧，每个基数作为自己的列，而无需使用for循环或其他需要遍历整个文件的操作，因为文件很大。

我尝试使用“”作为定界符，但它只会导致将整行处理为一列。我也尝试过使用“。”和“ \ w”都没有达到我想要的效果。

例如，对于具有以下内容的文件：

;; Font Locking, Programming Modes, and Compilation settings
;;

(global-font-lock-mode 1)
;; maximum colors
(setq font-lock-maximum-decoration t)

;; extra key bindings
(global-set-key "\M-C" 'compile)
(global-set-key "\C-^" 'next-error)
(global-set-key "\C-\M-g" 'goto-line)

;; use spaces instead of tabs
(setq-default indent-tabs-mode nil)

;; haskell mode configuration
(setq auto-mode-alist
      (append auto-mode-alist
              '(("\\.[hg]s$"  . haskell-mode)
                ("\\.hic?$"     . haskell-mode)
                ("\\.hsc$"     . haskell-mode)
  ("\\.chs$"    . haskell-mode)
                ("\\.l[hg]s$" . literate-haskell-mode))))
(autoload 'haskell-mode "haskell-mode"
   "Major mode for editing Haskell scripts." t)
(autoload 'literate-haskell-mode "haskell-mode"
   "Major mode for editing literate Haskell scripts." t)

;adding the following lines according to which modules you want to use:
(require 'inf-haskell)

(add-hook 'haskell-mode-hook 'turn-on-font-lock)
;(add-hook 'haskell-mode-hook 'turn-off-haskell-decl-scan)
;(add-hook 'haskell-mode-hook 'turn-off-haskell-doc-mode)
(add-hook 'haskell-mode-hook 'turn-on-haskell-indent)
;(add-hook 'haskell-mode-hook 'turn-on-haskell-simple-indent)
;(add-hook 'haskell-mode-hook 'turn-on-haskell-hugs)
(add-hook 'haskell-mode-hook 'turn-on-haskell-ghci)
(add-hook 'haskell-mode-hook 
   (function
    (lambda ()
      (setq haskell-program-name "ghci")
      (setq haskell-ghci-program-name "ghci6"))))

数据框应如下所示：

ACGT
CGTA
GTAC
TACG

Answer 1

您可以将其读为一列，以后再拆分

# csv
# ATGC
# CTAG

df = pd.read_csv(header=None)
# df
#       0
# 0  ATGC
# 1  CTAG

df[0].str.split('', expand=True)

输出：

    0   1   2   3   4   5
0       A   T   G   X   
1       G   T   A   X

表示您有两列，一列在前，一列在后。但是您可以轻松地将其删除，例如：

df[0].str.split('', expand=True).iloc[:,1:-1]

给予：

   1  2  3  4
0  A  T  G  C
1  C  T  A  G

Answer 2

您可以使用pandas.read_fwf代替pandas.read_csv来完成此操作。如果您的文件名为“ dna.txt”，如下所示：

ACGT
CGTA
GTAC
TACG

您可以执行以下操作：

df = pd.read_fwf("dna.txt", header=None, widths=[1] * 4)
print(df)

要输出：

   0  1  2  3
0  A  C  G  T
1  C  G  T  A
2  G  T  A  C
3  T  A  C  G

有没有什么方法可以不使用分隔符来写入Pandas数据框？

2 个答案: