我有两个 csv 文件:一个是 98 mb,另一个是 152 kb。较小的文件是较大文件的随机子集,我想从大的 csv 中写入第三个文件,以便行对应于较小的 csv 文件中的每一行。
大文件(摘录):
ZINC_ID MWT LogP Desolv_apolar Desolv_polar HBD HBA tPSA Charge NRB SMILES
ZINC00000017 281.337 1.33 3.07 -19.2 2 6 87 0 4 CCC[S@](=O)c1ccc2c(c1)[nH]/c(=N/C(=O)OC)/[nH]2
ZINC00000036 151.141 0.37 3.51 -45.3 1 3 60 -1 2 c1ccc(cc1)[C@@H](C(=O)[O-])O
ZINC00000048 222.24 2.42 3.78 -8.68 0 4 37 0 4 COc1cc(c(c2c1OCO2)OC)CC=C
ZINC00000053 179.151 1.43 6.59 -56.84 0 4 66 -1 3 CC(=O)Oc1ccccc1C(=O)[O-]
小文件(摘录):
SMILES
CCOc1ccc(cc1)NC(=O)C[C@@H](C)O
C[C@@H](c1ccc2c(c1)nc(o2)c3ccc(cc3)Cl)C(=O)[O-]
CC(=O)Oc1ccccc1C(=O)[O-]
COc1cc(c(c2c1OCO2)OC)CC=C
这是我的代码:
import csv
writer = csv.writer(open('/Users/Eric/Desktop/newZincSubset.csv','wb'))
count = 0
with open('/Users/Eric/Desktop/test700.csv','rU') as i:
with open('/Users/Eric/Desktop/initial_data.csv','rU') as j:
subject = csv.reader(i)
reference = csv.reader(j)
for row in subject:
smiles = row[0]
for reference_row in reference:
suspect = reference_row[10]
if (smiles == suspect):
writer.writerow(reference_row)
它似乎写标题很好(ZINC_ID MWT LogP)很好,但停止搜索每一行。是内存问题还是我的代码有问题?
谢谢!
最佳答案
CSV 阅读器只能迭代一次。第一次内部迭代完成后,底层文件对象到达文件末尾。一旦您第二次尝试遍历 reference
阅读器,就没有更多内容可读了。
我建议您首先将小文件读取到字典中,然后在较大的文件上迭代,以搜索与内存中数据的匹配项。您还可以根据最终要查找的内容来键入字典中的元素(我认为是 ref[10]),因此不需要嵌套循环。
关于python - 简单的python对csv进行排序,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/8706896/