使用numpy.genfromtxt读取pdbqt文件时如何忽略列数异常行？

问题背景 #

使用np.genfromtxt读取pdbqt文件时，因部分行列数不符合预期触发ValueError报错，需要跳过这些格式异常的行完成文件转换。

修正后的代码 #

from __future__ import division
import numpy as np
import glob

def pdbqt_to_txt(filename):
    # 读取指定列，忽略格式错误的行
    data = np.genfromtxt(
        filename,
        dtype=float,
        usecols=(6, 7, 8),
        skip_footer=1,
        invalid_raise=False  # 核心：遇到错误行不抛出异常，填充为NaN
    )
    # 过滤掉包含NaN的无效行
    valid_data = data[~np.isnan(data).any(axis=1)]
    # 生成输出文件名并保存
    output_name = filename.replace('.pdbqt', '.txt')
    np.savetxt(output_name, valid_data, fmt='%.6f')

# 获取所有pdbqt文件
all_files = glob.glob('*.pdbqt')
print(all_files)

# 批量处理
for file in all_files:
    pdbqt_to_txt(file)

关键调整说明 #

• invalid_raise=False：关闭genfromtxt的错误抛出机制，遇到列数不匹配、无法转换为浮点型的行时，会将该行数据填充为NaN而非直接报错。
• 过滤NaN行：通过~np.isnan(data).any(axis=1)筛选出所有无NaN的有效行，确保输出的txt文件只包含符合格式的数据。
• 冗余代码清理：移除原脚本中重复的os导入和重复赋值的all_filenames，直接用glob获取目标文件更高效。
• 补充输出逻辑：原脚本仅读取数据未保存，新增np.savetxt完成txt文件输出，可通过fmt参数调整输出精度。

额外提示 #

如果pdbqt文件开头存在注释类非数据行，可在genfromtxt中添加skip_header=N参数（N为需要跳过的行数），确保只读取有效数据段。

内容的提问来源于stack exchange，提问作者user3765252