我有一些長期註釋的部分一些大型的製表符分隔的數據集,其次是表格標題,格式如下:熊貓:read_table用'##'刪除註釋行但不是'#<string>'?
與##
開始
##FORMAT=<ID=AMQ,Number=.,Type=Integer,Description="Average mapping quality for each allele present in the genotype">
##FORMAT=<ID=SS,Number=1,Type=Integer,Description="Variant status relative to non-adjacent Normal, 0=wildtype,1=germline,2=somatic,3=LOH,4=unknown">
##FORMAT=<ID=SSC,Number=1,Type=Integer,Description="Somatic Score">
#CHROM POS ID REF ALT QUAL FILTER INFO FORMAT NORMAL TUMOR
chr1 2985885 . c G . . . GT:IGT:DP:DP4:BCOUNT:GQ:JGQ:VAQ:BQ:MQ:AMQ:SS:SSC 0/0:0/0:202:36,166,0,0:0,202,0,0:255:225:0:36:60:60:0:. 0/1:0/1:321:29,108,37,147:0,137,184,0:228:225:228:36,36:60:60,60:2:225
chr1 3312963 . C T . . . GT:IGT:DP:DP4:BCOUNT:GQ:JGQ:VAQ:BQ:MQ:AMQ:SS:SSC 0/1:0/1:80:36,1,43,0:0,37,0,43:80:195:80:36,31:60:60,60:1:. 0/0:0/0:143:138,5,0,0:0,143,0,0:255:195:255:36:60:60:3:57
一切都需要被剝離出來的一個評論,但我需要保留以#CHROM
開頭的標題。有沒有辦法做到這一點?我看到的大熊貓read_table
的唯一選項只允許單個字符作爲註釋字符串,而我沒有看到正則表達式的選項。
我使用的代碼是這樣的:
SS_txt_df = pd.read_table(SS_txt_file,sep='\t',comment='#')
這消除了與#
開始所有線路,包括我想保持
編輯頁眉:爲了澄清,標題區開始##
是可變長度的。在bash中,這只是grep -Ev '^##'
。
查找csv.reader示例,readline,以「##」開頭的跳過行,構建列表然後轉換爲數據框。 – Merlin