当所有其他列都保证相同时，仅从 CSV 文件中读取选定的列

我有一堆 CSV 文件，我试图将它们连接成一个 csv 文件。 CSV 文件由一个空格分隔，如下所示：

'initial', 'pos', 'orientation', 'ratio'
'chr', '106681', '+', '0.06'
'chr', '106681', '+', '0.88'
'chr', '106681', '+', '0.01'
'chr', '106681', '+', '0.02'

正如您所看到的，除了ratio。我创建的串联文件将如下所示：

'filename','initial', 'pos', 'orientation', 'ratio1','ratio2','ratio3'
'jon' , 'chr', '106681', '+', '0.06' , '0.88' ,'0.01'

所以基本上，我会遍历每个文件，只存储一个值initial , pos, orientation但所有的值ratio并更新串联文件中的表。事实证明，这比我想象的要混乱得多。我有以下代码来读取 csv 文件：

concatenated_file  = open('josh.csv', "rb")
reader = csv.reader(concatenated_file)

for row in reader:
    print row

这使：

['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一个值，那将非常有帮助initial , pos, orientation（因为它们保持不变）但是所有的值ratio

这是一个单行pandas.read_csv() http://pandas.pydata.org/pandas-docs/stable/generated/pandas.io.parsers.read_csv.html。我们甚至可以删除引用：

import pandas as pd

csva = pd.read_csv('a.csv', header=0, quotechar="'", delim_whitespace=True)

csva['ratio']
0    0.06
1    0.88
2    0.01
3    0.02
Name: ratio, dtype: float64

有几点：

• 实际上你的分隔符是逗号+空格。从这个意义上说，它不是普通的 CSV。看“如何让read_csv中的分隔符更加灵活？” https://stackoverflow.com/questions/15026698/how-to-make-separator-in-read-csv-more-flexible
• 请注意，我们通过设置删除了数字字段上的引号quotechar="'"
• 如果你真的坚持要节省内存（不），你可以删除所有其他列csva在执行 read_csv 之后，比“ratio”更重要。请参阅熊猫文档。