如何在julia中仅将列的子集读入数据帧？

我有这样一个文件：

chr1    47727   47778   2PJ3LS1:190:C5R7BACXX:3:2202:6839:64070 1   +
chr1    48132   48183   2PJ3LS1:190:C5R7BACXX:3:2109:14612:23955    60  +
chr1    49316   49367   2PJ3LS1:190:C5R7BACXX:3:1107:8369:30676 1   +
chr1    57049   57100   2PJ3LS1:190:C5R7BACXX:3:1205:2852:33393 60  -
chr1    59296   59347   2PJ3LS1:190:C5R7BACXX:3:2306:14160:96792    1   -
chr1    62116   62165   2PJ3LS1:190:C5R7BACXX:3:1203:3949:66047 60  +
chr1    64636   64687   2PJ3LS1:190:C5R7BACXX:3:2112:11315:75619    60  -
chr1    108831  108882  2PJ3LS1:190:C5R7BACXX:3:2211:11748:76230    60  +
chr1    150522  150573  2PJ3LS1:190:C5R7BACXX:3:2108:11820:88376    60  -
chr1    180744  180794  2PJ3LS1:190:C5R7BACXX:3:2115:5327:39987 60  -

---

我不关心第4列和第5列。在阅读我的巨型文件时，有可能忽略这些吗？CSV.read中没有允许这样做的内容。

这不是一个CSV文件，所以我宁愿直接解析它（这不是最高效率，但在大多数情况下应该足够好）：

编辑：如果您还想使用第6列（我假设最后一列是

Char

）：

---

如果您使用的是Linux，那么可以使用awk创建另一个文件，其中只包含所需的列。在朱莉娅：

run(pipeline(`awk '{print $1, $2, $3, $6}' filename.txt`, "otherfile.txt"))
df = CSV.read("otherfile.txt",delim=" ")

---

我不知道它是否是最有效的，因为它涉及到创建一个中间文件，但是非常简单，允许您在以后需要时保存该文件。要删除它们中的任何一个或两者，只需运行

rm（“anyfile.txt”）

CSV.read需要一个delim:）您的答案考虑的列数不超过三列，对吗？是的

a

、

b

和

c

只考虑前三列。您的文件的问题是每行的列数不同。实际上，您可以使用

CSV.read

在中解析此文件将来，但当前在

ignorerepeated

关键字参数中有一个bug。修复后，您将能够编写类似

CSV.read（“filename.txt”，delim=“”，ignorerepatted=true，header=[“a”，“b”，“c”]）

的内容，以获得您想要的内容（但由于它现在不起作用，我不推荐它）.Oh-实际上每行中有相同数量的列。无论如何-这不会改变我的建议。我的文件是常规文件，6列选项卡分开。这只是它不以这种方式显示：）此外，您可以查看CSV.jl创建者推荐的方法。

df = DataFrame(a=String[], b=Int[], c=Int[], d=Char[])
for line in eachline("filename.txt")
    a, b, c, _, _, d = split(line)
    push!(df, (String(a), parse(Int, b), parse(Int, c)), d[1]) 
end

run(pipeline(`awk '{print $1, $2, $3, $6}' filename.txt`, "otherfile.txt"))
df = CSV.read("otherfile.txt",delim=" ")