Ошибка модуля Python csv: индекс вне диапазона

Очевидно, что некоторые строки не содержат достаточного количества столбцов. Попробуй это:

import csv

with open('input.csv', 'r') as f:

    reader = csv.reader(f)

    for row in reader:
        try:
            if 'gene_name' in row[4]:
                print('%s, %s' % (row[1].strip(), row[5].strip()))
        except IndexError:
            continue

...выход:

ЭНСДАРГ00000104632, РЕРГ

Мне нужны 2-й и 6-й столбцы, но только из строк, в которых есть «gene_name» в 5-м столбце.

Я люблю питона. Но наиболее естественно это выражается как

awk '$5 ~ /gene_name/ {print $2, $6}'

Вернемся к питону. Это не то, что вы хотели написать:

                    print row[1, 5]

Вместо этого сформулируйте это как print(row[1], row[5]).

Некоторые из ваших строк имеют лишь небольшое количество столбцов. Итак, вы захотите обернуть разыменования, например. row[4] или row[5] в операторе if, который проверяет, что это достаточно длинная строка:

    if len(row) > 5:
        ...

Как заметил Антимони, похоже, что в ваших данных есть случайные пропущенные значения, с которыми csv не может легко справиться из коробки. Я бы предложил использовать такую ​​библиотеку, как pandas, которая имеет функцию read_csv и может обрабатывать отсутствующие значения. Используя эти данные в качестве примера:

gene_id, ENSDARG00000104632, gene_version, 2, gene_name, RERG
gene_id, ENSDARG00000104632, gene_version, 2, transcript_id, ENSDART00000166186
gene_id, ENSDARG00000104632, gene_version, 2, transcript_id, ENSDART00000166186
gene_id, ENSDARG00000104632, gene_version, 2, transcript_id, ENSDART00000166186
gene_id, ENSDARG00000104632, gene_version, 2, transcript_id, ENSDART00000166186
gene_id, ENSDARG00000104632, gene_version, 2, transcript_id, ENSDART00000166186
gene_id, ENSDARG00000104632, gene_version, 2, transcript_id, ENSDART00000166186
gene_id, ENSDARG00000104632, gene_version, 2, transcript_id,
gene_id, ENSDARG00000104632, gene_version, , transcript_id,
gene_id, ENSDARG00000104632, gene_version, 2, transcript_id, ENSDART00000166186

его можно было бы прочитать следующим образом:

import pandas as pd

# Use the 2nd, 5th and 6th columns - i.e.column indices 1, 4 and 5 respectively
# And, we set the 'not available' data - i.e. `na_values` as 'N/A'.
data = pd.read_csv('test.dat', na_values='N/A', header=None, skipinitialspace=True, usecols=[1,4,5])

# now select only the rows without 'gene_version':
d = data.loc[data[4] != 'gene_name']

# and, now we only select columns with index 1 and 5:
selected_data = d[[1, 5]]

Урожайность:

                    1                   5
0  ENSDARG00000104632                RERG
1  ENSDARG00000104632  ENSDART00000166186
2  ENSDARG00000104632  ENSDART00000166186
3  ENSDARG00000104632  ENSDART00000166186
4  ENSDARG00000104632  ENSDART00000166186
5  ENSDARG00000104632  ENSDART00000166186
6  ENSDARG00000104632  ENSDART00000166186
7  ENSDARG00000104632                 NaN
8  ENSDARG00000104632                 NaN
9  ENSDARG00000104632  ENSDART00000166186

По желанию.

Однако, если данные отсутствуют, как в этом примере, все, что вам нужно сделать, это удалить такие строки, как:

selected_data.dropna()

Что выводит:

                    1                   5
1  ENSDARG00000104632  ENSDART00000166186
2  ENSDARG00000104632  ENSDART00000166186
3  ENSDARG00000104632  ENSDART00000166186
4  ENSDARG00000104632  ENSDART00000166186
5  ENSDARG00000104632  ENSDART00000166186
6  ENSDARG00000104632  ENSDART00000166186
9  ENSDARG00000104632  ENSDART00000166186

(Однако это может быть не то, что вам нужно.)

СПРАВКА

https://pandas.pydata.org/pandas-docs/stable/generated/pandas.read_csv.html