如何用pandas正确读取plink关联分析输出以提取P值绘制QQ图

错误原因说明 #

PLINK默认输出的关联分析结果是多空格分隔的固定宽度对齐文本，不是制表符分隔格式，你之前指定sep='\t'的读取逻辑不符合文件的实际分隔规则，所以会出现所有列被合并为单个字段的异常情况。

可行读取方案 #

方案1：全表正确读取 #

直接用pandas的read_csv匹配任意多空白字符作为分隔符即可：

import pandas as pd
# sep='\s+' 表示匹配1个或多个任意空白字符（空格、制表符都可识别）
df = pd.read_csv("你的结果文件路径", sep='\s+')

读取后可以执行print(df.columns)验证列名是否正确拆分，执行print(df.head())查看前几行数据是否符合预期。

方案2：仅读取P值（大文件更高效） #

如果你只需要最后一列的P值绘制Q-Q图，可以直接指定仅加载目标列，减少内存占用，避免大文件加载卡顿：

import pandas as pd
# usecols直接指定要加载的列名，无需读取全表
df_p = pd.read_csv("你的结果文件路径", sep='\s+', usecols=['P'])
# 过滤掉P值为NA的无效行，可直接用于后续绘图
p_values = df_p['P'].dropna()

额外注意事项 #

如果文件开头有PLINK生成的注释行（以#开头的说明行），可以额外加参数comment='#'跳过注释，避免读取报错：

df = pd.read_csv("你的结果文件路径", sep='\s+', comment='#')

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