读取基于文本的（床）文件，将新列添加到它们保存在 csv 文件中

Question

我尝试读取 700 个床位文件并将它们保存在一个 csv 文件中。 这部分我没有问题。 我必须在每个bedfile中添加一列作为条形码，这个条形码是每个文件名的一部分（文件名TCGA-02-0047-01A-01R-1849-01 ，条形码部分是TCGA-02-0047-01A ），每个bedfile由 64000 行组成。 这意味着在条形码列中我重复相同的值 67000 次。 我写的代码有点工作，但我被困在for循环中并且不起作用。

这是我的代码：

import pyranges as pr
import pandas as pd
import os

H = ["chrom",  "chromStart", "chromEnd", "strand", "gene_symbol", "entrez_gene_id", "transcript_id" , "raw_count", "scaled_estimate", "normalized_count", "barcode"]
list = os.listdir("E:\\newdata")   
#extract the barcode 
code =[]
for f in list:
    x = '-'.join(f.split('-')[0:3])
    code.append(x)
print('2')  
 #find direction of each bed file
newList=[]
for i in range(len(list)):
    newList.append("E:\\newdata\\" + list[i])
print('3')  
#read the bed files one after another, save it in file and add barcode

for bed in newList: #bed file in newlist
    for n in code: #barcode for each bed files
        df = pr.read_bed(bed, as_df=True)
        df['barcode'] = n #add colum for each bed file
        filename = df.to_csv('E:\\data951.csv',mode ='a', header = H, index=False)

Answer 1

从您的代码中，我假设代码是相对于文件的。 所以你不应该使用嵌套循环（一个用于文件，一个用于代码），而是一个单循环并使用具有相同索引的代码。 CSV 文件的顶部应该只有一个 header。 所以我会使用：

#read the bed files one after another, save it in file and add barcode
# create the csv file and add a header only on first file
header = H
mode = 'w'
for i, bed in enumerate(newList): #bed file in newlist and get its index for the code
    n = code[i]: # barcode associated with each bed files
    df = pr.read_bed(bed, as_df=True)
    df['barcode'] = n #add colum for each bed file
    header = None    # will append without any header for following files
    mode = 'a'
    df.to_csv('E:\\data951.csv',mode=mode, header = header, index=False)