Изучая python 3.x , прошёл курсы по основам. До этого писал на php.
Сейчас решил выполнить задуманную задачу:
- Прочитать csv
- По мере чтения строк файла, обрабатывать их и записывать в массив, создавая нужную структуру
- ...
Вот мой код
import csv
def gene_name(gene, polfzm, genotype):
return '_'.join([gene, polfzm, genotype]).strip().replace(" ", "-")
data = {}
genes = []
with open('example-2.csv', 'r') as file:
reader = csv.DictReader(file, delimiter=';')
for row in reader:
group = row['group']
person_id = row['person_id']
ab = row['genotype']
name = gene_name(row['gene_name'], row['polfzm_name'], ab)
data[group][person_id][name] = ab # Возникает ошибка
И тут проблема. Если я правильно понимаю, то для хранения моих данных в структурированном виде подходит Словрь - data
. В php я мог легко создать нужную мне структуру/вложенность data[group][person_id][name] = ab
. Тут же возникает ошибка KeyError: '3'
В чём ошибка моего подхода. На курсах, что я проходил, не работали с многомерными структурами. Правильно ли я выбрал тип переменной для хранения данных - Словарь? Как верно тут поступить?
Структура данных, которую требуется получить
Пример данных csv
person_id;number;gene_name;polfzm_name;genotype;expr1;group
1086;AT1;F11;T/C rs2036914;CC;БеремПлохо;3
1086;AT1;F11;С/T rs2289252;TT;БеремПлохо;3
1086;AT1;ITGA2;C/T rs1126643;CT;БеремПлохо;3
1086;AT1;ITGB3;T/C rs5918;CC;БеремПлохо;3
1086;AT1;VEGF;C/T rs3025039;CC;БеремПлохо;3
1085;AT2;F11;T/C rs2036914;TT;БеремПлохо;3
1085;AT2;F11;С/T rs2289252;CC;БеремПлохо;3
1085;AT2;ITGA2;C/T rs1126643;TT;БеремПлохо;3
1085;AT2;ITGB3;T/C rs5918;TT;БеремПлохо;3
1085;AT2;VEGF;C/T rs3025039;CC;БеремПлохо;3
23;МИД6;ACE;Alu Ins/Del;ID;БеремНорм;1
23;МИД6;F1;Thr312Ala;ThrThr;БеремНорм;1
23;МИД6;F11;T/C rs2036914;TC;БеремНорм;1
23;МИД6;F11;С/T rs2289252;CT;БеремНорм;1
23;МИД6;F13;Val34Leu;ValLeu;БеремНорм;1
23;МИД6;F2;G20210А;GG;БеремНорм;1
23;МИД6;F5;Arg506Gln;GG;БеремНорм;1
23;МИД6;ITGA2;C/T rs1126643;CC;БеремНорм;1
23;МИД6;ITGB3;T/C rs5918;TC;БеремНорм;1
23;МИД6;VEGF;G-634C;GG;БеремНорм;1
Данные - плоская выборка данных из реляционной БД. Т.к. там были связи, а данные выбирались из нескольких таблиц, многие значения от строчки к строчке повторяются. Например, первые 5 строк данных (не учитывая шапку) - относятся к одному человеку (person_id), одной группе (group), но имеют разные гены (gene_name) и т.п.
По данным планируется делать множественные сравнения, поиск комбинаций и т.п. - порядка ~ 4 млн проходов, поэтому нужна такая структура, чтобы не бегать по всем строчкам csv впустую столько раз
data[group]
будет каждый раз перезаписываться