如何从.txt文件的特定列创建Pandas数据帧？

Question

我有一些特定格式的文本文件。文本文件的每一列都分配给特定的信息。没有任何真正的分隔符，有时整个列集合都被填满了，因此并不总是有空白。例如

1 ALA X   4 80.8 40.6
2 VAL X 234 90.1 42.7
3 VAL X1143 95.2 47.8
...
34ALANX3324100.2345.8

第1-2列专用于从1到99的直接计数。第3-6列专用于识别标签。第7列是一个修饰符标记。第8-11列是一个数字，表示另一个序列中的值。实际含义并不重要，我只是解释一下，以帮助您弄清楚这个.txt文件是怎么回事。在

在本例中，我对第1-2列（值为0-99）和第8-11列（值为0-9999）感兴趣。这些值有时可能返回NaN或字母。我需要从.txt文件中获取这些列，并将它们放入一个有两列的pandas数据框中。不得不添加我自己的分隔符似乎很讨厌。有没有一种方法可以告诉pandas使用这些文本文件列中的几个来创建一个dataframe列？在

我在Linux上使用python3.6，pandas v0.23.4。在

编辑：为了澄清，当提到.txt文件的列时，我的意思是指水平移动时光标的位置。所以任何行的第一个字符在列1中，任何行的第二个字符是列2，任何行的第十三个字符是列13，等等。当我提到pandas时，我指的是pandas数据帧中如何使用这个词的上下文中的实际列。很抱歉有任何可能的混淆。在

Answer 1

我发现这似乎是最容易理解的。在

for filename in glob.glob('*.pdb'):    
newfile = open((filename[:5])+".txt","a+")   
newfile.write('Residue_ID')
temporaryfile = open(filename, 'r')        
for line in temporaryfile: 

    if "CA" in line:                      
        newfile.write(line[23:26])         

    else:                                  
        pass

然后使用

^{pr2}$

创建包含一列的数据帧。我现在只是在处理数据帧，把它们加在一起。在

Answer 2

在我看来，你文件中的数据是固定宽度的列。有了这个假设，我修改了你的档案，让熊猫能接受，就像这样。在

 1 ALA X   4 80.8 40.6
 2 VAL X 234 90.1 42.7
 3 VAL X1143 95.2 47.8
34ALAN X3324100.2345.8

然后你可以用这种方法来阅读第一列和第四列。在

^{pr2}$

（完成此操作后，可以删除不需要的列。）