合并来自包含相同列的两个文件的数据 - Python

Question

我正在尝试

文件1：

     #query_name KEGG_KOs
10  PROKKA_00019   K00240
11  PROKKA_00020   K00246
12  PROKKA_00022   K02887

文件2：

Geneid  Chr Count
PROKKA_00019    k141_1000050    102
PROKKA_00020    k141_1000050    132
PROKKA_00021    k141_1000054    36

file3（所需输出）：

Geneid  KEGG_KOs    Chr Count
PROKKA_00019    K00240  k141_1000050    102
PROKKA_00020    K00246  k141_1000050    132

这似乎是正确的脚本：

import pandas as pd
file1 = pd.read_csv('file1.txt', sep="\t")
file2= pd.read_csv('file2.txt', sep="\t")
file3= pd.merge(file1, file2, left_on='#query_name', right_on='Geneid').drop(['#query_name'],axis=1)
print(merged)

但是，它返回的消息是：

Traceback (most recent call last):
  File "**FilePath**C", line 4, in <module>
    merged = pd.merge(genes, counts, left_on='#query_name', right_on='Geneid').drop(['#query_name'],axis=1)
  File "**FilePath**", line 61, in merge
    validate=validate)
  File "**FilePath**", line 551, in __init__
    self.join_names) = self._get_merge_keys()
  File "**FilePath**", line 871, in _get_merge_keys
    lk, stacklevel=stacklevel))
  File "**FilePath**", line 1382, in _get_label_or_level_values
    raise KeyError(key)
KeyError: '#query_name'

我在想可能是因为 file1 开头的空间。但是删除它和以前的数据框脚本创建的索引列并没有改变任何东西。任何人都对为什么或如何解决有任何线索？任何帮助将不胜感激，干杯。

Answer 1

您可以跳过第一行 - csv 的标题并在 read_csv 中通过参数 names 设置新的列名称，然后像在 file2 中一样设置相同的列，因此不需要 drop：

file1 = pd.read_csv('file1.txt', sep="\t", skiprows=1, names=['Geneid','KEGG_KOs'])
print (file1)
          Geneid KEGG_KOs
10  PROKKA_00019   K00240
11  PROKKA_00020   K00246
12  PROKKA_00022   K02887

file2= pd.read_csv('file2.txt', sep="\t")

file3= pd.merge(file1, file2, on='Geneid')
print(merged)