Python

Question

那里。我是 python 的初学者，我正在努力做到以下几点：

我有一个这样的文件（+10k 行）：

EgrG_000095700 /product="ubiquitin carboxyl terminal hydrolase 5"
EgrG_000095800 /product="DNA polymerase epsilon subunit 3"
EgrG_000095850 /product="crossover junction endonuclease EME1"
EgrG_000095900 /product="lysine specific histone demethylase 1A"
EgrG_000096000 /product="charged multivesicular body protein 6"
EgrG_000096100 /product="NADH ubiquinone oxidoreductase subunit 10"

还有这个（+600 行）：

EgrG_000076200.1
EgrG_000131300.1
EgrG_000524000.1
EgrG_000733100.1
EgrG_000781600.1
EgrG_000094950.1

第二个文件的所有 ID 都在第一个文件中，所以我希望第一个文件的行与第二个文件的 ID 相对应。

我写了以下脚本：

f1 = open('egranulosus_v3_2014_05_27.tsv').readlines()
f2 = open('eg_es_final_ids').readlines()
fr = open('res.tsv','w')

for line in f1:
     if line[0:14] == f2[0:14]:
        fr.write('%s'%(line))

fr.close()
print "Done!"

我的想法是搜索 id 的每行分隔字符，以将一个文件的 EgrG_XXXX 与另一个文件相匹配，然后将这些行写入新文件。我尝试了一些修改，这只是我的想法"core"。我一无所获。在其中一项修改中，我只有一行。

Answer 1

我会将 f2 中的 ID 存储在一个集合中，然后对照它检查 f1。

id_set = set()
with open('eg_es_final_ids') as f2:
    for line in f2:
        id_set.add(line[:-2]) #get rid of the .1

with open('egranulosus_v3_2014_05_27.tsv') as f1:
    with open('res.tsv', 'w') as fr:
        for line in f1:
            if line[:14] in id_set:
                fr.write(line)

Answer 2

f2 是文件 2 中的行列表。您在哪里遍历列表，就像您对 file-1 (f1) 中的行所做的那样。这似乎是问题所在。

Answer 3

with open('egranulosus_v3_2014_05_27.txt', 'r') as infile:
    line_storage = {}
    for line in infile:
        data = line.split()
        key = data[0]
        value = line.replace('\n', '')
        line_storage[key] = value

with open('eg_es_final_ids.txt', 'r') as infile, open('my_output.txt', 'w') as outfile:
    for line in infile:
        lookup_key = line.split('.')[0]
        match = line_storage.get(lookup_key)
        outfile.write(''.join([str(match), '\n']))

Python - 比较文件分隔行中的字符

Python - Comparing files delimiting characters in line

python-2.7

bioinformatics

text-manipulation