时间戳

首页 > 解决方案 > 使用 pandas 获取文本文件的子集

pandas - 使用 pandas 获取文本文件的子集

问题描述

我有一个像这个例子这样的大文本文件：

例子：

    CodeClass   Name    Accession   CF33500_02.txt  CF33503_07.txt  CF33505_06.txt
dd  Endogenous  dd  hh  101.238776  8.084376    1.187888
bb  Endogenous  bb  jj  562.853249  2013.886134 1288.568388
gg  Endogenous  gg  ll  218.148969  184.816378  176.705670
kk  Endogenous  kk  tt  23.499524   155.006161  593.654190

第一行是标题，第一列是行名。我想获得这个文件的一个子集，其中所有行都存在，但只有这些列在新文件中：

Name,CF33500_02.txt,CF33503_07.txt,CF33505_06.txt

为此，我正在尝试使用以下代码使用 pandas 来做到这一点：

df = pd.read_table("myfile.txt", index_col=0)
df2 = df.iloc[:, [1, 3, 4, 5]]

但它不起作用。你知道怎么解决吗？它给出了这个错误：

: Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
  File "/home/John/.local/lib/python3.6/site-packages/pandas/core/indexing.py", line 1418, in __getitem__
    return self._getitem_tuple(key)
  File "/home/John/.local/lib/python3.6/site-packages/pandas/core/indexing.py", line 2092, in _getitem_tuple
    self._has_valid_tuple(tup)
  File "/home/John/.local/lib/python3.6/site-packages/pandas/core/indexing.py", line 235, in _has_valid_tuple
    self._validate_key(k, i)
  File "/home/John/.local/lib/python3.6/site-packages/pandas/core/indexing.py", line 2031, in _validate_key
    raise IndexError("positional indexers are out-of-bounds")
IndexError: positional indexers are out-of-bounds

标签： pandasfile

解决方案

我建议使用read_table指定为的分隔符\s+，这将根据它们之间是否存在一个或多个空白字符来分隔值列。

df = pd.read_table("myfile.txt", sep="\s+")

df
    CodeClass   Name  Accession  CF33500_02.txt  CF33503_07.txt CF33505_06.txt
dd  Endogenous  dd      hh       101.238776      8.084376       1.187888
bb  Endogenous  bb      jj       562.853249      2013.886134    1288.568388
gg  Endogenous  gg      ll       218.148969      184.816378     176.705670
kk  Endogenous  kk      tt       23.499524       155.006161     593.654190

然后子集数据框：

cols_to_keep = ["Name", "CF33500_02.txt", 
                "CF33503_07.txt", "CF33505_06.txt"]

df2 = df[cols_to_keep]
df2
    Name    CF33500_02.txt  CF33503_07.txt  CF33505_06.txt
dd  dd      101.238776      8.084376        1.187888
bb  bb      562.853249      2013.886134     1288.568388
gg  gg      218.148969      184.816378      176.705670
kk  kk      23.499524       155.006161      593.654190

推荐阅读