當分隔符可能丟失時，如何使用CSV.read將檔案讀取到Julia中的DataFrame？

我有一堆檔案（由 AlphaFold 生成的 *.pdb 檔案，供從事生物/生命科學作業的人使用），我想在 Julia 中讀入 DataFrames。

它們通常是幾 1000 行這樣的內容：

MODEL     1                                                                     
ATOM      1  N   MET B   1      21.976 -98.993 -39.513  1.00 27.24           N  
ATOM      2  CA  MET B   1      23.354 -99.175 -39.063  1.00 27.24           C  
ATOM      3  C   MET B   1      23.767 -98.056 -38.113  1.00 27.24           C  
ATOM      4  CB  MET B   1      24.308 -99.226 -40.258  1.00 27.24           C  
ATOM      5  O   MET B   1      23.315 -96.918 -38.253  1.00 27.24           O  
ATOM      6  CG  MET B   1      24.512-100.624 -40.820  1.00 27.24           C  

我使用空格分隔符和忽略重復將它們讀入帶有 CSV.read 的 DataFrame；

headers = ["Type", "Index", "Atom", "Amino acid type", "Chain", "Amino acid number", "Position X", "Position Y", "Position Z", "Something", "pIDDT", "Atom type"]
types = Dict(:"Type"=>String, :"Index"=>Int64, :"Atom"=>String, :"Amino acid type"=>String, :"Chain"=>Char, :"Amino acid number"=>Int64, :"Position X"=>Float64, :"Position Y"=>Float64, :"Position Z"=>Float64, :"Something"=>Float64, :"pIDDT"=>Float64, :"Atom type"=>Char)
df = CSV.read(file, DataFrame; header=headers, skipto=2, delim=' ', ignorerepeated=true, types=types)

問題在于某些行，其中“缺少”空格。在上面示例檔案的最后一行中，第 7 列和第 8 列之間沒有空格，因為值 i 第 8 列 ( -100.624) 占用了它前面的空間。

這會導致如下所示，其中行（現在是第 6 行）偏移了一些資料：

Row │ Type    Index   Atom     Amino acid type  Chain  Amino acid number  Position X   Position Y  Position Z  Something  pIDDT       Atom type 
     │ String  Int64?  String?  String?          Char?  Int64?             Float64?     Float64?    Float64?    Float64?   Float64?    Char?     
─────┼───────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────────
   1 │ ATOM         1  N        MET              B                      1       21.976     -98.993     -39.513       1.0        27.24  N
   2 │ ATOM         2  CA       MET              B                      1       23.354     -99.175     -39.063       1.0        27.24  C
   3 │ ATOM         3  C        MET              B                      1       23.767     -98.056     -38.113       1.0        27.24  C
   4 │ ATOM         4  CB       MET              B                      1       24.308     -99.226     -40.258       1.0        27.24  C
   5 │ ATOM         5  O        MET              B                      1       23.315     -96.918     -38.253       1.0        27.24  O
   6 │ ATOM         6  CG       MET              B                      1  missing         -40.82        1.0        27.24  missing     missing   

我正在考慮預先格式化檔案（逐行，如果-前面沒有空格，則添加空格），但是有更好的方法嗎？

uj5u.com熱心網友回復：

對于 CSV.jl，我認為沒有比預格式化更好的解決方案了。但是，由于您的檔案很小，您可能只需執行以下操作（以便將預格式化作為 RAM 中的預處理步驟完成）：

io = replace(read(file, String), r"(\d)-" => s"\1 -") |> IOBuffer
df = CSV.read(io, DataFrame; header=headers, skipto=2, delim=' ', ignorerepeated=true, types=types)

標籤：数据框 CSV 朱莉娅 分隔符

上一篇：如何向給定的行和列添加另一個值

下一篇：Python-如何將多個變數存盤在.csv檔案的一列中，然后將這些變數讀入串列