在 Python 中从制表符分隔的文件中读取和导出单个列

Question

我有许多以制表符分隔的大文件保存为.txt，每个文件有七列，标题如下：

#column_titles = ["col1", "col2", "col3", "col4", "col5", "col6", "text"]    

我想简单地提取名为text 的最后一列并将其保存到一个新文件中，每一行都是原始文件中的一行，而都是字符串。

编辑：这不是 a similar problem 的副本，因为在我的情况下 splitlines() 不是必需的。只有事情的顺序需要改进

基于 -several - other - posts，这是我目前的尝试：

import csv

# File names: to read in from and read out to
input_file = "tester_2014-10-30_til_2014-08-01.txt"
output_file = input_file + "-SA_input.txt"

## ==================== ##
##  Using module 'csv'  ##
## ==================== ##
with open(input_file) as to_read:
    reader = csv.reader(to_read, delimiter = "\t")

    desired_column = [6]        # text column

    for row in reader:
    myColumn = list(row[i] for i in desired_column)

with open(output_file, "wb") as tmp_file:
    writer = csv.writer(tmp_file)

for row in myColumn:
    writer.writerow(row)

我得到的只是输入文件中第 2624 行的文本字段，该字符串中的每个字母都被分离出来：

H,o,w, ,t,h,e, ,t.e.a.m, ,d,i,d, ,T,h,u,r,s,d,a,y, ,-, ,s,e,e , ,h,e,r,e

我对编程世界知之甚少是随机的，但这绝对是奇怪的！

This post 与我的需求非常相似，但缺少写入和保存部分，我也不确定。

我已经研究过使用 pandas 工具箱（根据上述链接之一），但我无法安装 Python，因此请仅使用 csv 或其他内置模块的解决方案！

Answer 1

我会选择这个简单的解决方案：

    text_strings = [] # empty array to store the last column text
    with open('my_file') as ff:
        ss = ff.readlines() # read all strings in a string array 

    for s in ss:
        text_strings.append(s.split('\t')[-1]) # last column to the text array



    with open('out_file') as outf:
        outf.write('\n'.join(text_strings)) # write everything to output file

使用列表推导，您可以在一行中更快地将ss 字符串的最后一列转换为text_strings：

    text_strings = [k.split("\t")[-1] for k in ss]

还有其他可能的简化，你懂的）

代码中的问题出现在这两行：

        for row in reader:
        myColumn = list(row[i] for i in desired_column)

首先，没有缩进，所以什么也没有发生。实际上，在我的电脑上，它会抛出一个错误，所以它有可能是一个错字。但是在这种情况下，在 for 循环的每个步骤中，您都会用来自新行的值覆盖 myColumn 值，因此最后您会得到文件最后一行的字符串。 其次，list 应用于字符串（如您的代码中所示），将字符串转换为字符列表：

    In [5]: s = 'AAAA'

    In [6]: list(s)
    Out[6]: ['A', 'A', 'A', 'A']

这正是您在输出中看到的。

Answer 2

您必须一次处理一行文件：读取、解析和写入。

import csv

# File names: to read in from and read out to
input_file = "tester_2014-10-30_til_2014-08-01.txt"
output_file = input_file + "-SA_input.txt"

## ==================== ##
##  Using module 'csv'  ##
## ==================== ##
with open(input_file) as to_read:
    with open(output_file, "wb") as tmp_file:
        reader = csv.reader(to_read, delimiter = "\t")
        writer = csv.writer(tmp_file)

        desired_column = [6]        # text column

        for row in reader:     # read one row at a time
            myColumn = list(row[i] for i in desired_column)   # build the output row (process)
            writer.writerow(myColumn) # write it