用python提取CSV格式的BLAST输出列

Question

我在excel中有一个csv文件，其中包含BLAST搜索的输出，格式如下：

# BLASTN 2.2.29+                                            
# Query: Cryptocephalus androgyne                                           
# Database: SANdouble                                           
# Fields: query id   subject id  % identity  alignment length    mismatches  gap opens   q. start    q. end  s. start    s. end  evalue  bit score
# 1 hits found                                          
Cryptocephalus  ctg7180000094003    79.59   637 110 9   38  655 1300    1935    1.00E-125   444
# BLASTN 2.2.29+                                            
# Query: Cryptocephalus aureolus                                            
# Database: SANdouble                                           
# Fields: query id   subject id  % identity  alignment length    mismatches  gap opens   q. start    q. end  s. start    s. end  evalue  bit score
# 4 hits found                                          
Cryptocephalus  ctg7180000093816    95.5    667 12  8   7   655 1269    1935    0   1051
Cryptocephalus  ctg7180000094021    88.01   667 62  8   7   655 1269    1935    0   780
Cryptocephalus  ctg7180000094015    81.26   667 105 13  7   654 1269    1934    2.00E-152   532
Cryptocephalus  ctg7180000093818    78.64   515 106 4   8   519 1270    1783    2.00E-94    340

我已经将它作为csv导入到python中，使用

^{pr2}$

我现在想做的是提取数据列作为列表。我的总体目标是统计所有具有98%以上标识的匹配项（第三列）。在

问题是，由于这不是典型的csv格式，因此顶部没有标题，因此我无法根据其标题提取列。我在想，如果我能把第三列提取为一个列表，那么我可以使用python中的普通列表工具来提取我想要的数字，但是我从来没有使用过pythons csv模块，我正在努力寻找一个合适的命令。关于SO的其他问题也很相似，但不是指我的具体情况，那里没有标题和空单元格。如果你能帮助我，我将非常感激！在

Answer 1

我设法找到了一种基于：

Python: split files using mutliple split delimiters

import csv

csvfile = open("SANDoubleSuperMatrix.csv", "rU")
dialect = csv.Sniffer().sniff(csvfile.read(1024))
csvfile.seek(0)
reader = csv.reader(csvfile, dialect)


identity = []

for line in reader:
    identity.append(line[2])

print identity

Answer 2

数据文件不像CSV格式。它有注释，并且它的分隔符不是单个字符，而是格式化的空格。在

因为你的总目标是

to count all the matches which have over 98% identity (the third column).

并且数据文件内容格式良好，可以使用普通的文件解析方法：

import re

with open('BLASToutput.csv') as f:
    # read the file line by line
    for line in f:
        # skip comments (or maybe leave as it is)
        if line.startswith('#'):
            # print line
            continue
        # split fields
        fields = re.split(r' +', line)
        # check if the 3rd field is greater than 98%
        if float(fields[2]) > 98:
            # output the matched line
            print line