如何从 Python 中的空格分隔文件中提取特定列？答案

【问题标题】：How to extract specific columns from a space separated file in Python?如何从 Python 中的空格分隔文件中提取特定列？
【发布时间】：2014-09-10 14:35:47
【问题描述】：

我正在尝试处理蛋白质数据库中的一个文件，该文件由空格（不是 \t）分隔。我有一个 .txt 文件，我想提取特定的行，并且我只想从这些行中提取几列。

我需要用 Python 来做。我首先尝试使用命令行并使用 awk 命令没有问题，但我不知道如何在 Python 中执行相同操作。

这是我的文件的摘录：

[...] SEQRES 6 B 80 ALA LEU SER ILE LYS LYS ALA GLN THR PRO GLN GLN TRP SEQRES 7 B 80 赖氨酸专业版螺旋 1 1 THR A 68 SER A 81 1 14 螺旋 2 2 CYS A 97 LEU A 110 1 14 螺旋 3 3 ASN A 122 SER A 133 1 12 [...]

例如，我想只取“HELIX”行，然后取第 4、第 6、第 7 和第 9 列。我开始使用 for 循环逐行读取文件，然后提取以 'HELIX' 开头的那些行......仅此而已。

编辑：这是我现在的代码，但打印不能正常工作，只打印每个块的第一行（HELIX SHEET AND DBREF）

#!/usr/bin/python
import sys

for line in open(sys.argv[1]):
 if 'HELIX' in line:
   helix = line.split()
 elif 'SHEET'in line:
   sheet = line.split()
 elif 'DBREF' in line:
   dbref = line.split()

print (helix), (sheet), (dbref)

【问题讨论】：

你能发布你目前得到的代码吗？
请发布您的代码。你的具体问题是什么？
我的代码一团糟，这就是我没有发布它的原因......我什至不知道我现在在做什么。我的具体问题是我需要找到那些以“HELIX”开头的行的特定列。对于那些以“SHEET”开头的行，另一个特定的列等等。所以，我在阅读了一些 cmets 后完成了这个：for line in open(sys.argv[1]): if 'HELIX' in line: cols = line. split() print (cols[0], cols[3], cols[5], cols[6], cols[8]) 事情是：我不想对这些行做同样的事情从“SHEET”开始（仅更改我要提取的列的位置）。

标签： python extract pdb

【解决方案1】：

如果您已经提取了该行，则可以使用line.split() 将其拆分。这将为您提供一个列表，您可以从中提取您需要的所有元素：

>>> test='HELIX 2 2 CYS A 97'
>>> test.split()
['HELIX', '2', '2', 'CYS', 'A', '97']
>>> test.split()[3]
'CYS'

【讨论】：

【解决方案2】：

查看 CSV 库。 https://docs.python.org/2/library/csv.html 下面的代码应该可以解决问题

>>> import csv
>>> with open('my-file.txt', 'rb') as myfile:
...     spamreader = csv.reader(myfile, delimiter=' ', )
...     for row in spamreader:
...         print row[3]

【讨论】：

【解决方案3】：

你有什么理由不能只使用 split 吗？

for line in open('myfile'):
  if line.startswith('HELIX')
    cols = line.split(' ')
    process(cols[3], cols[5], cols[6], cols[8])

【讨论】：

最后一列应该是“97”和“122”，但是最后一列返回“97”和“”，因为 122 是一个三位数字，这会改变“”之间的空格数A" 和最终数字，因此，列数......

【解决方案4】：

您可以根据需要扩展关键字。结果是包含关键字的列表你可以对结果做进一步的处理来得到你想要的

with open("your file") as f:
     keyWords = ['HELIX','SHEET','DBREF']
     result = [ line  for line in f for key in keyWords if key in line]

【讨论】：