将第一个字典中的键与第二个字典中的值进行比较
Comparing key from first dictionary to values from second dictionary
拜托，我再次需要帮助。
我有一个包含很多信息的大数据库文件（姑且称之为db.csv）。
简化数据库文件说明：
我 运行 在我的基因序列上使用 arch61 -cluster_fast 以便对它们进行聚类。
我获得了一个名为 'clusters.uc' 的文件。我将它作为 csv 打开，然后我编写了一个代码来创建一个字典（假设 dict_1），将我的簇号作为键，将我的 gene_id（VFG...）作为值。
这是我制作然后存储在文件中的示例：dict_1
0 ['VFG003386', 'VFG034084', 'VFG003381']
1 ['VFG000838', 'VFG000630', 'VFG035932', 'VFG000636']
2 ['VFG018349', 'VFG018485', 'VFG043567']
...
14471 ['VFG015743', 'VFG002143']
到目前为止一切顺利。然后使用 db.csv 我制作了另一个字典 (dict_2) gene_id (VFG...) 是键，VF_Accession (IA... 或 CVF.. 或 VF. ..) 是值，插图：dict_2
VFG044259 IA027
VFG044258 IA027
VFG011941 CVF397
VFG012016 CVF399
...
最后我想要的是每个VF_Accession集群组的数量，插图：
IA027 [0,5,6,8]
CVF399 [15, 1025, 1562, 1712]
...
所以我想因为我仍然是编码的初学者，所以我需要创建一个代码来比较来自 dict_1(VFG...) 的值和来自 dict_2(VFG. ..).如果它们匹配，将 VF_Accession 作为键，所有簇号作为值。由于 VF_Accession 是键，它们不能重复，所以我需要一个列表字典。我想我可以做到，因为我为 dict_1 做到了。但我的问题是，我无法找到一种方法来比较 dict_1 中的值和 dict_2 中的键，并为每个 VF_Accession 分配一个簇号。请帮助我。
警告：我没有做太多 Python 开发，所以可能有更好的方法来做到这一点。您可以先将您的 VFG... gene_ids 映射到它们的簇号，然后使用它来处理第二个字典：
from collections import defaultdict
import sys
import ast
# see
vfg_cluster_map = defaultdict(list)
# map all of the vfg... keys to their cluster numbers first
with open(sys.argv[1], 'r') as dict_1:
for line in dict_1:
# split the line at the first space to separate the cluster number and gene ID list
# e.g. after splitting the line "0 ['VFG003386', 'VFG034084', 'VFG003381']",
# cluster_group_num holds "0", and vfg_list holds "['VFG003386', 'VFG034084', 'VFG003381']"
cluster_group_num, vfg_list = line.strip().split(' ', 1)
cluster_group_num = int(cluster_group_num)
# convert "['VFG...', 'VFG...']" from a string to an actual list
vfg_list = ast.literal_eval(vfg_list)
for vfg in vfg_list:
vfg_cluster_map[vfg].append(cluster_group_num)
# you now have a dictionary mapping gene IDs to the clusters they
# appear in, e.g
# {'VFG003386': [0],
# 'VFG034084': [0],
# ...}
# you can look in that dictionary to find the cluster numbers corresponding
# to your vfg... keys in dict_2 and add them to the list for that vf_accession
vf_accession_cluster_map = defaultdict(list)
with open(sys.argv[2], 'r') as dict_2:
for line in dict_2:
vfg, vf_accession = line.strip().split(' ')
# add the list of cluster numbers corresponding to this vfg... to
# the list of cluster numbers corresponding to this vf_accession
vf_accession_cluster_map[vf_accession].extend(vfg_cluster_map[vfg])
for vf_accession, cluster_list in vf_accession_cluster_map.items():
print vf_accession + ' ' + str(cluster_list)
然后保存上面的脚本并像 python <script name> dict1_file dict2_file > output 一样调用它（或者您可以将字符串写入文件而不是打印它们和重定向）。
编辑：看完@BioGeek 的回答后，我应该注意到一次性处理所有内容比创建 dict_1 和 dict_2 文件并读入它们更有意义，将行解析回数字和列表等。如果您不需要先将字典写入文件，那么您只需将其他代码添加到脚本并直接使用字典。
首先，让我们为您的词典起一些比 dict_1、dict_2 更好的名称，...这样可以更轻松地使用它们并记住它们包含的内容。
您首先创建了一个以簇号为键，以 gene_ids (VFG...) 为值的字典：
cluster_nr_to_gene_ids = {0: ['VFG003386', 'VFG034084', 'VFG003381', 'VFG044259'],
1: ['VFG000838', 'VFG000630', 'VFG035932', 'VFG000636'],
2: ['VFG018349', 'VFG018485', 'VFG043567', 'VFG012016'],
5: ['VFG011941'],
7949: ['VFG003386'],
14471: ['VFG015743', 'VFG002143', 'VFG012016']}
你还有另一个字典，其中 gene_ids 是键，VF_Accessions（IA...或 CVF.. 或 VF...）是值：
gene_id_to_vf_accession = {'VFG044259': 'IA027',
'VFG044258': 'IA027',
'VFG011941': 'CVF397',
'VFG012016': 'CVF399',
'VFG000676': 'VF0142',
'VFG002231': 'VF0369',
'VFG003386': 'CVF051'}
并且我们想要创建一个字典，其中每个 VF_Accession 键的值都是集群组的数量：vf_accession_to_cluster_groups.
我们还注意到一个 VF 登录号属于多个基因 ID（例如：VF 登录号 IA027 同时具有 VFG044259 和 VFG044258 基因 ID。
所以我们使用defaultdict制作一个字典，以VF Accession为键，以基因ID列表为值
from collections import defaultdict
vf_accession_to_gene_ids = defaultdict(list)
for gene_id, vf_accession in gene_id_to_vf_accession.items():
vf_accession_to_gene_ids[vf_accession].append(gene_id)
对于我上面发布的示例数据，vf_accession_to_gene_ids 现在看起来像：
defaultdict(<class 'list'>, {'VF0142': ['VFG000676'],
'CVF051': ['VFG003386'],
'IA027': ['VFG044258', 'VFG044259'],
'CVF399': ['VFG012016'],
'CVF397': ['VFG011941'],
'VF0369': ['VFG002231']})
现在我们可以遍历每个 VF Accession 并查找其基因 ID 列表。然后，对于每个基因 ID，我们遍历每个簇并查看该基因 ID 是否存在：
vf_accession_to_cluster_groups = {}
for vf_accession in vf_accession_to_gene_ids:
gene_ids = vf_accession_to_gene_ids[vf_accession]
cluster_group = []
for gene_id in gene_ids:
for cluster_nr in cluster_nr_to_gene_ids:
if gene_id in cluster_nr_to_gene_ids[cluster_nr]:
cluster_group.append(cluster_nr)
vf_accession_to_cluster_groups[vf_accession] = cluster_group
以上示例数据的最终结果现在是：
{'VF0142': [],
'CVF051': [0, 7949],
'IA027': [0],
'CVF399': [2, 14471],
'CVF397': [5],
'VF0369': []}
拜托，我再次需要帮助。
我有一个包含很多信息的大数据库文件（姑且称之为db.csv）。
简化数据库文件说明：
我 运行 在我的基因序列上使用 arch61 -cluster_fast 以便对它们进行聚类。
我获得了一个名为 'clusters.uc' 的文件。我将它作为 csv 打开，然后我编写了一个代码来创建一个字典（假设 dict_1），将我的簇号作为键，将我的 gene_id（VFG...）作为值。
这是我制作然后存储在文件中的示例：dict_1
0 ['VFG003386', 'VFG034084', 'VFG003381']
1 ['VFG000838', 'VFG000630', 'VFG035932', 'VFG000636']
2 ['VFG018349', 'VFG018485', 'VFG043567']
...
14471 ['VFG015743', 'VFG002143']
到目前为止一切顺利。然后使用 db.csv 我制作了另一个字典 (dict_2) gene_id (VFG...) 是键，VF_Accession (IA... 或 CVF.. 或 VF. ..) 是值，插图：dict_2
VFG044259 IA027
VFG044258 IA027
VFG011941 CVF397
VFG012016 CVF399
...
最后我想要的是每个VF_Accession集群组的数量，插图：
IA027 [0,5,6,8]
CVF399 [15, 1025, 1562, 1712]
...
所以我想因为我仍然是编码的初学者，所以我需要创建一个代码来比较来自 dict_1(VFG...) 的值和来自 dict_2(VFG. ..).如果它们匹配，将 VF_Accession 作为键，所有簇号作为值。由于 VF_Accession 是键，它们不能重复，所以我需要一个列表字典。我想我可以做到，因为我为 dict_1 做到了。但我的问题是，我无法找到一种方法来比较 dict_1 中的值和 dict_2 中的键，并为每个 VF_Accession 分配一个簇号。请帮助我。
警告：我没有做太多 Python 开发，所以可能有更好的方法来做到这一点。您可以先将您的 VFG... gene_ids 映射到它们的簇号，然后使用它来处理第二个字典：
from collections import defaultdict
import sys
import ast
# see
vfg_cluster_map = defaultdict(list)
# map all of the vfg... keys to their cluster numbers first
with open(sys.argv[1], 'r') as dict_1:
for line in dict_1:
# split the line at the first space to separate the cluster number and gene ID list
# e.g. after splitting the line "0 ['VFG003386', 'VFG034084', 'VFG003381']",
# cluster_group_num holds "0", and vfg_list holds "['VFG003386', 'VFG034084', 'VFG003381']"
cluster_group_num, vfg_list = line.strip().split(' ', 1)
cluster_group_num = int(cluster_group_num)
# convert "['VFG...', 'VFG...']" from a string to an actual list
vfg_list = ast.literal_eval(vfg_list)
for vfg in vfg_list:
vfg_cluster_map[vfg].append(cluster_group_num)
# you now have a dictionary mapping gene IDs to the clusters they
# appear in, e.g
# {'VFG003386': [0],
# 'VFG034084': [0],
# ...}
# you can look in that dictionary to find the cluster numbers corresponding
# to your vfg... keys in dict_2 and add them to the list for that vf_accession
vf_accession_cluster_map = defaultdict(list)
with open(sys.argv[2], 'r') as dict_2:
for line in dict_2:
vfg, vf_accession = line.strip().split(' ')
# add the list of cluster numbers corresponding to this vfg... to
# the list of cluster numbers corresponding to this vf_accession
vf_accession_cluster_map[vf_accession].extend(vfg_cluster_map[vfg])
for vf_accession, cluster_list in vf_accession_cluster_map.items():
print vf_accession + ' ' + str(cluster_list)
然后保存上面的脚本并像 python <script name> dict1_file dict2_file > output 一样调用它（或者您可以将字符串写入文件而不是打印它们和重定向）。
编辑：看完@BioGeek 的回答后，我应该注意到一次性处理所有内容比创建 dict_1 和 dict_2 文件并读入它们更有意义，将行解析回数字和列表等。如果您不需要先将字典写入文件，那么您只需将其他代码添加到脚本并直接使用字典。
首先，让我们为您的词典起一些比 dict_1、dict_2 更好的名称，...这样可以更轻松地使用它们并记住它们包含的内容。
您首先创建了一个以簇号为键，以 gene_ids (VFG...) 为值的字典：
cluster_nr_to_gene_ids = {0: ['VFG003386', 'VFG034084', 'VFG003381', 'VFG044259'],
1: ['VFG000838', 'VFG000630', 'VFG035932', 'VFG000636'],
2: ['VFG018349', 'VFG018485', 'VFG043567', 'VFG012016'],
5: ['VFG011941'],
7949: ['VFG003386'],
14471: ['VFG015743', 'VFG002143', 'VFG012016']}
你还有另一个字典，其中 gene_ids 是键，VF_Accessions（IA...或 CVF.. 或 VF...）是值：
gene_id_to_vf_accession = {'VFG044259': 'IA027',
'VFG044258': 'IA027',
'VFG011941': 'CVF397',
'VFG012016': 'CVF399',
'VFG000676': 'VF0142',
'VFG002231': 'VF0369',
'VFG003386': 'CVF051'}
并且我们想要创建一个字典，其中每个 VF_Accession 键的值都是集群组的数量：vf_accession_to_cluster_groups.
我们还注意到一个 VF 登录号属于多个基因 ID（例如：VF 登录号 IA027 同时具有 VFG044259 和 VFG044258 基因 ID。
所以我们使用defaultdict制作一个字典，以VF Accession为键，以基因ID列表为值
from collections import defaultdict
vf_accession_to_gene_ids = defaultdict(list)
for gene_id, vf_accession in gene_id_to_vf_accession.items():
vf_accession_to_gene_ids[vf_accession].append(gene_id)
对于我上面发布的示例数据，vf_accession_to_gene_ids 现在看起来像：
defaultdict(<class 'list'>, {'VF0142': ['VFG000676'],
'CVF051': ['VFG003386'],
'IA027': ['VFG044258', 'VFG044259'],
'CVF399': ['VFG012016'],
'CVF397': ['VFG011941'],
'VF0369': ['VFG002231']})
现在我们可以遍历每个 VF Accession 并查找其基因 ID 列表。然后，对于每个基因 ID，我们遍历每个簇并查看该基因 ID 是否存在：
vf_accession_to_cluster_groups = {}
for vf_accession in vf_accession_to_gene_ids:
gene_ids = vf_accession_to_gene_ids[vf_accession]
cluster_group = []
for gene_id in gene_ids:
for cluster_nr in cluster_nr_to_gene_ids:
if gene_id in cluster_nr_to_gene_ids[cluster_nr]:
cluster_group.append(cluster_nr)
vf_accession_to_cluster_groups[vf_accession] = cluster_group
以上示例数据的最终结果现在是：
{'VF0142': [],
'CVF051': [0, 7949],
'IA027': [0],
'CVF399': [2, 14471],
'CVF397': [5],
'VF0369': []}