我有一堆CSV文件,我试图连接成一个单一的CSV文件。CSV文件由一个空格隔开,如下所示:
'initial', 'pos', 'orientation', 'ratio'
'chr', '106681', '+', '0.06'
'chr', '106681', '+', '0.88'
'chr', '106681', '+', '0.01'
'chr', '106681', '+', '0.02'
如您所见,除了ratio
,所有值都是相同的。我创建的连接文件如下所示:
所以基本上,我将遍历每个文件,只存储initial
,pos
,orientation
的一个值,但存储{
concatenated_file = open('josh.csv', "rb")
reader = csv.reader(concatenated_file)
for row in reader:
print row
它给出了:
['chrom', 'pos', 'strand', 'meth_ratio']
['chr2', '106681786', '+', '0.06']
['chr2', '106681796', '+', '0.88']
['chr2', '106681830', '+', '0.01']
['chr2', '106681842', '+', '0.02']
如果有人能告诉我如何只存储initial
,pos
,orientation
的一个值(因为它们保持不变),但是{
这是一个带有pandas.read_csv()的单行线。我们甚至可以放弃引用:
有几点:
quotechar="'"
删除了对数值字段的引用首先用英语表达。在
您必须从某个地方读取所有其他字段,因此它也可能来自第一行。在
然后,在完成这些操作之后,您需要从每个后续行中读取最后一列,并将其打包到新行的末尾,而忽略其余部分。在
因此,要将其转换为Python:
我不确定评论是否真的添加了什么;我认为我的Python比我的英语更容易理解。:)
值得一提的是,你在这里要做的就是所谓的“非规范化”。据我所知,您的数据将以每行任意数量的
ratio
列结尾,所有这些列都具有相同的“含义”,因此每行不再是真正的值,而是值的集合。在反规范化通常被认为是不好的,原因有很多。有些情况下,只要你知道你在做非规范化的数据,那么它就更容易或更快地处理,为什么,这可能是一件有用的事情。Wikipedia有一篇很好的关于database normalization的文章,解释了这些问题;您可能想阅读它,以便了解您在这里做什么,并确保它是正确的。在
相关问题 更多 >
编程相关推荐