解決df.to_csv()中文件名的問題

更新時間：2023年08月03日 09:32:18 作者：HealthScience

這篇文章主要介紹了解決df.to_csv()中文件名的問題,具有很好的參考價值,希望對大家有所幫助,如有錯誤或未考慮完全的地方,望不吝賜教

df.to_csv()中文件名問題

下午做了一下午的拆分數(shù)據集，將具有相同母核的分子放在一個csv文件中，然后新的csv文件命名是母核的名字，然后拆分出的數(shù)據集和原始未拆分的數(shù)據集的數(shù)量總是對不上，我無語了，排查錯誤了很久，我快吐了，最后發(fā)現(xiàn)是出在了下面這一行代碼上：

df_match.to_csv('drawimages/data/diffscaffold/{}.csv'.format(csv_name), index=False)

乍一看可能感覺沒問題，確實也是可以存入數(shù)據，但是里面有一個坑，就是如果現(xiàn)在兩個母核是下面這兩種的時候（這兩個母核只有部分的原子大小寫不一致，但是他們是不一樣的），那么它只會存儲其中一種（大坑）！【原因：Windows會把這兩個雖然大小寫不一致的文件夾認為是一種，且只能存在一種！】

所以會一直導致不能存儲所有的數(shù)據，總是對不上數(shù)據。。。。

O=C(NCc1ccccc1)c1c(Cc2ccccc2)sc2c1CCOC2

O=C(NCC1CCCCC1)c1c(Cc2ccccc2)sc2c1CCOC2

只需要修改代碼為：

for i, core in enumerate(core_list):
    matches = []
    for j, smiles in enumerate(smiles_list):
        mol = Chem.MolFromSmiles(smiles)
        core_mol = Chem.MolFromSmiles(core)
        if mol.HasSubstructMatch(core_mol):
            matches.append(j)
    # 選取包含母核的行，并保存到一個新的csv文件中
    df_match = df.iloc[matches]
    df_match.to_csv('drawimages/data/diffscaffold/{}.csv'.format(i+1), index=False)
    print("{}.csv is done! ".format(i+1))

Pandas學習之to_csv()

用法：

df.to_csv(輸出路徑,參數(shù)1,參數(shù)2,,參數(shù)3...)

sep=',' ? #以逗號 ，作為數(shù)據的分隔符，如果分隔符不為逗號，則包含符雙引號”“就會消失。分隔符為Tab時，寫法如下：df.to_csv('new.csv', sep='\t')
na_rep='NA' ? #確實值保存為NA，如果不寫，默認是空 ??
shkiprows= 10 ? # 跳過前十行
usecols=['column1', 'column2', 'column3'] # 讀取指定列
nrows = 10 ? # 只取前10行
chunksize=1000 # 分塊大小來讀取文件(每次讀取多少行)，不一次性把文件數(shù)據讀入內存中，而是分多次
parse_dates = ['col_name'] ? # 指定某行讀取為日期格式
index_col = ['col_1','col_2'] ? # 讀取指定的幾列
error_bad_lines = False ? # 當某行數(shù)據有問題時，不報錯，直接跳過，處理臟數(shù)據時使用
na_values = 'NULL' ? # 將NULL識別為空值
header=0 #不保存列名
index=0 ? #不保存行索引
columns=['name'] ? ? #保存索引列和name列
float_format='%.2f' ? ? ? ? #保留兩位小數(shù)