python - 在文件循环中连接 Pandas 数据框

Question

我正在尝试编写一个脚本，通过特定模式/变量循环文件，然后连接文件的第 8 列，同时保留所有文件共有的前 4 列。如果我使用以下命令，该脚本将起作用:

reader = csv.reader(open("1isoforms.fpkm_tracking.txt", 'rU'), delimiter='\t') #to read the header names so i can use them as index. all headers for the three files are the same
header_row = reader.next() # Gets the header
df1 =  pd.read_csv("1isoforms.fpkm_tracking.txt", index_col=header_row[0:4], sep="\t") #file #1 with index as first 5 columns
df2 = pd.read_csv("2isoforms.fpkm_tracking.txt", index_col=header_row[0:4], sep="\t") #file #2 with index as first 5 columns
df3 = pd.read_csv("3isoforms.fpkm_tracking.txt", index_col=header_row[0:4], sep="\t") #file #3 with index as first 5 columns

result = pd.concat([df1.ix[:,4], df2.ix[:,4]], keys=["Header1", "Header2", "Header3"], axis=1) #concatenates the 8th column of the files and changes the header
result.to_csv("OutputTest.xls", sep="\t")

虽然这可行，但对我来说一个一个输入文件名是不切实际的，因为我有时有 100 个文件，所以不能为每个文件输入一个 df... 函数。相反，我试图使用 for 循环来执行此操作，但我无法弄清楚。这是我目前所拥有的:

k=0
for geneFile in glob.glob("*_tracking*"):
    while k < 3:
         reader = csv.reader(open(geneFile, 'rU'), delimiter='\t')
         header_row = reader.next()
         key = str(k)
         key = pd.read_csv(geneFile, index_col=header_row[0:1], sep="\t")
   result = pd.concat([key[:,5]], axis=1)
   result.to_csv("test2.xls", sep="\t")

但是，这是行不通的。

我遇到的问题如下:

1. 我怎样才能遍历输入文件并生成不同的每个变量的名称，然后我可以在pd.concat函数一个接一个？

2. 如何使用 for 循环生成字符串文件名df 和整数的组合

3. 如何修复上述脚本以获得我想要的项目。

4. 一个小问题是关于我使用 col_index 函数的方式:有没有办法使用列 # 而不是列名？我知道它适用于 index_col=0 或任何单个 #。但我不能将整数用于 > 1 列的索引。

请注意，所有文件都具有完全相同的结构，并且索引列也相同。

非常感谢您的反馈。

Answer 1

考虑使用 merge使用 right_index 和 left_index 参数:

import pandas as pd

numberoffiles = 100

# FIRST IMPORT (CREATE RESULT DATA FRAME)
result = pd.read_csv("1isoforms.fpkm_tracking.txt", sep="\t",
                      index_col=[0,1,2,3], usecols=[0,1,2,3,7])

# ALL OTHER IMPORTS (MERGE TO RESULT DATA FRAME, 8TH COLUMN SUFFIXED ITERATIVELY)
for i in range(2,numberoffiles+1):    
    df = pd.read_csv("{}isoforms.fpkm_tracking.txt".format(i), sep="\t",
                     index_col=[0,1,2,3], usecols=[0,1,2,3,7])

    result = pd.merge(result, df, right_index=True, left_index=True, suffixes=[i-1, i])

result.to_excel("Output.xlsx")
result.to_csv("Output.csv")