使用pandas从多个文件构建矩阵

2024-10-04 11:30:16 发布

您现在位置:Python中文网/ 问答频道 /正文

在一个有两列的目录中有多个文件(20),例如

transcript_id value
ENMUST001     2
ENMUST003     3
ENMUST004     5

每个文件中的行数不同我想做的是以这种方式将所有20个文件合并到一个巨大的矩阵中

transcript_id value_file1 value_file2....value_file20
ENMUST001     2  3 
ENMUST003     3  4
ENMUST004     5  0

从transcript\u id列收集所有id,并从每个文件收集相应的值(filename作为列名),如果没有值,则使用0。你知道吗

我试着用熊猫做这个

import os
import glob
import pandas as pd
path = 'pathtofiles'
transFiles = glob.glob(path + "*.tsv")
df_files = []
for file in transFiles:
    df = pd.read_csv(file, sep='\t')
    df.set_index('transcript_id')
    df_files.append(df)
df_combine = pd.concat(df_files, axis=1).fillna(0) 

Error:
ValueError: No objects to concatenate

想知道非熊猫方式是否更好?任何伪代码都是值得赞赏的。你知道吗

编辑

找到输出

df.set_index('transcript_id')
print (df.shape)

    (921, 1)
    (1414, 1)
    (659, 1)
    (696, 1)
    (313, 1)
print (df.is_unique)
    (921, 1)
False
(1414, 1)
False
(659, 1)
False
(696, 1)
False
(313, 1)
False
df = df.drop_duplicates(inplace=True)
df_files.append(df)
df_combine = pd.concat(df_files, axis=1).fillna(0)

New error
ValueError: All objects passed were None

复印件

before:  (921, 1)
after:  (914, 1)
before:  (1414, 1)
after:  (1410, 1)
before:  (659, 1)
after:  (658, 1)
before:  (696, 1)
after:  (694, 1)
before:  (313, 1)
after:  (312, 1)

Tags: 文件importidfalsedfvaluefilesglob
1条回答
网友
1楼 · 发布于 2024-10-04 11:30:16

set_index的默认行为是inplace=False。尝试用df = df.set_index('transcript_id')替换df.set_index('transcript_id')。还可以使用df = df[~df.index.duplicated(keep='first')]删除索引中的重复值。你知道吗

import os
import glob
import pandas as pd

path = 'pathtofiles'
transFiles = glob.glob(path + "*.tsv")
df_files = []
for file in transFiles:
    df = pd.read_csv(file, sep='\t')
    df = df.set_index('transcript_id') # set index
    df = df[~df.index.duplicated(keep='first')] # remove duplicates
    df.columns = [os.path.split(file)[-1]] # set column name to filename
    df_files.append(df)
df_combine = pd.concat(df_files, axis=1).fillna(0) 

相关问题 更多 >