perl - 如何在不使用变量进行比较的情况下替换数组中的空值？
perl - How to replace an empty value in an array without using a variable for comparison?
我有一个数组，其中每个元素都来自由制表符分隔的一行。
初始代码：
#!/usr/bin/perl -w
use strict;
下面的代码是一段代码。
sub parser_domains {
my @params = @_;
my $interpro_line = "";
my @interpro_vector = ( );
my $idr_sub_id = $params[0];
my $idr_sub_start = $params[1]+1;
my $idr_sub_end = $params[2]+1;
my $interpro_id = "";
my $interpro_start_location = 0;
my $interpro_end_location = 0;
my $interpro_db = "";
my $interpro_length = 0;
my $interpro_db_accession = "";
my $interpro_signature = "";
my $interpro_evalue = "";
my $interpro_vector_size = 0;
my $interpro_sub_file= "";
my $idr_sub_lenght = ($idr_sub_end-$idr_sub_start)+1;
$interpro_sub_file = "$result_directory_predictor/"."$idr_sub_id/"."$idr_sub_id".".fsa.tsv";
#open file; if it fails, print a error and exits.
unless( open(TSV_FILE_DATA, $interpro_sub_file) ) {
print "Cannot open file \"$interpro_sub_file\"\n\n";
return;
}
my @interpro_file_line = <TSV_FILE_DATA>;
close TSV_FILE_DATA;
foreach $interpro_line (@interpro_file_line) {
@interpro_vector = split('\t',$interpro_line);
$interpro_id = $interpro_vector[0];
$interpro_db = $interpro_vector[3];
$interpro_db_accession = $interpro_vector[4];
$interpro_start_location = $interpro_vector[6];
$interpro_end_location = $interpro_vector[7];
$interpro_signature = $interpro_vector[11];
$interpro_length = ($interpro_end_location-$interpro_start_location) + 1;
if ($interpro_signature eq ""){
$interpro_signature = "NOPIR";
printf IDP_REGION_FILE "\nFound a $interpro_db domain with no IPR: starts at $interpro_start_location and ends at $interpro_end_location\n";
printf IDP_REGION_FILE "The size of $interpro_db domain in the sequence is $interpro_length\n";
printf IDP_REGION_FILE "The IDR starts at $idr_sub_start and and ends at $idr_sub_end\n";
printf IDP_REGION_FILE "The size of IDR is $idr_sub_lenght\n";
domains_regions($idr_sub_start,$idr_sub_end,$interpro_start_location,$interpro_end_location,$interpro_signature,$interpro_length,$interpro_db,$idr_sub_id,$interpro_db_accession,$idr_sub_lenght);
}
else{
for $entry_line (@entry_file_line) {
@entry_vector = split('\t',$entry_line);
$entry_ac = $entry_vector[0];
$entry_type = $entry_vector[1];
$entry_name = $entry_vector[2];
chomp($entry_name);
if ($interpro_signature eq $entry_ac) {
printf IDP_REGION_FILE "\nFound a $interpro_db domain with Interpro Signature $entry_ac: starts at $interpro_start_location and ends at $interpro_end_location\n";
printf IDP_REGION_FILE "The size of $interpro_db domain in the sequence is $interpro_length\n";
printf IDP_REGION_FILE "The Interpro Signature $entry_ac belongs to type $entry_type\n";
printf IDP_REGION_FILE "The name of $entry_ac is $entry_name\n";
printf IDP_REGION_FILE "The IDR starts at $idr_sub_start and ends at $idr_sub_end\n";
printf IDP_REGION_FILE "The size of IDR is $idr_sub_lenght\n";
domains_regions($idr_sub_start,$idr_sub_end,$interpro_start_location,$interpro_end_location,$interpro_signature,$interpro_length,$interpro_db,$idr_sub_id,$interpro_db_accession,$idr_sub_lenght);
}
}
}
}
}
tsv 文件示例 (interproscan):
P51587 14086411a2cdf1c4cba63020e1622579 3418 Pfam PF09103 BRCA2, oligonucleotide/oligosaccharide-binding, domain 1 2670 2799 7.9E-43 T 15-03-2013
P51587 14086411a2cdf1c4cba63020e1622579 3418 ProSiteProfiles PS50138 BRCA2 repeat profile. 1002 1036 0.0 T 18-03-2013 IPR002093 BRCA2 repeat GO:0005515|GO:0006302
P51587 14086411a2cdf1c4cba63020e1622579 3418 Gene3D G3DSA:2.40.50.140 2966 3051 3.1E-52 T 15-03-2013
...
脚本运行完美，但比较 $interpro_signature eq "" 提供了警告。
Use of uninitialized value $interpro_signature in string eq at /home/duca/eclipse-workspace/idps/idp_parser_interpro.pl line 666.
所以，我搜索并尝试了在比较之前将空值替换到数组中的方式。我想要 "NOIPR" 的空值。
我正在处理 9 个完整的基因组，并且我有超过 324000 个蛋白质需要解析。
如何替换数组中的空值？
谢谢。
您的数组可能没有 12 个元素（或者第 12 个元素可能 undef）
my $interpro_signature = $interpro_vector[11] // 'some_default_value';
// 是 defined-or operator。
错误Use of uninitialized value表示变量还没有初始化，或者被设置为undef。
请参阅 perldiag 并定期使用它。 运行 代码 perl -Mdiagnostics ... 定期出错。
use warnings;实际上比-w好。
更新问题的实质性编辑
从显示的数据来看，文件中可能还没有给出其他字段；所以用默认值证明所有变量，就像上面索引 11 处的数组元素一样。无论如何，这就是您通常想要做的。例如，如果文件中有所有字段但有些字段可能为空（两个选项卡之间没有任何内容）
my @interpro_defaults = ('id_default', 'db_default', ...);
my ($interpro_id, $interpro_db, ...) =
map {
$interpro_vector[$_] // $interpro_defaults[$_]
} 0 .. $#interpro_defaults;
这取决于列表中的（变量）顺序，变量容易出错；见下文。
如果某些字段根本不存在，则可能需要做（远）更多的工作。
单独的变量太多，所有变量都相关并命名为 $interpro_X（然后是 $idr_Y 和 $entry_Z，但更少，也许可以管理） .
能不能不把它们捆绑在容器类型的变量或数据结构中？
散列 %interpro 似乎很合适，带有键 X（因此，$interpro{id} 等）。然后您可以更轻松地使用它们，并可以对整个地段执行一些操作。您仍然需要在初始化时注意顺序，因为它们是按顺序读取的，但这样应该更清楚。例如
my @interpro_vars = qw(id db db_accesssion ...);
my @interpro_vector = qw(id_default db_default ...);
my %interpro;
@interpro{@interpro_vars} = @interpro_vector;
# or simply
@interpro{qw(id db ...)} = qw(id_default db_default ...);
我先用键和值定义了数组，然后再使用它们，以防您以后可能希望在数组中包含这些列表。如果不是这种情况，您可以使用列表（最后一行）初始化散列。
这里
my %h;
@h{LIST-keys} = LIST-values;
是一种将 LIST-values 的列表分配给 LIST-keys 中给出的散列 %h 的键集的方法。它们按照两个列表的给定顺序一对一分配（大小最好匹配）。在散列的键前面有 @ 印记，因为我们 是 那里有一个（键的）列表，而不是散列。请注意，哈希必须已在某处声明。参见 slices in perldata。
问题是您的第 3 行仅包含 9 个元素。所以
@interpro_vector = split('\t',$interpro_line);
该行仅将 9 个元素分配给 @interpro_vector 但您随后访问 $interpro_vector[11] （即第 12 个元素）并且不存在。您现在可以检查 @interpro_vector 是否包含（至少）12 个元素：
if (@interpro_vector >= 12) {
...
}
或者您可以使用 defined-or operator as 在未定义 $interpro_vector[11] 的情况下使用默认值：
$interpro_signature = $interpro_vector[11] // '';
上面一行相当于
if (defined $interpro_vector[11]) {
$interpro_signature = $interpro_vector[11];
} else {
$interpro_signature = '';
}
现在
if ($interpro_signature eq "") {
...
}
会起作用。
我有一个数组，其中每个元素都来自由制表符分隔的一行。
初始代码：
#!/usr/bin/perl -w
use strict;
下面的代码是一段代码。
sub parser_domains {
my @params = @_;
my $interpro_line = "";
my @interpro_vector = ( );
my $idr_sub_id = $params[0];
my $idr_sub_start = $params[1]+1;
my $idr_sub_end = $params[2]+1;
my $interpro_id = "";
my $interpro_start_location = 0;
my $interpro_end_location = 0;
my $interpro_db = "";
my $interpro_length = 0;
my $interpro_db_accession = "";
my $interpro_signature = "";
my $interpro_evalue = "";
my $interpro_vector_size = 0;
my $interpro_sub_file= "";
my $idr_sub_lenght = ($idr_sub_end-$idr_sub_start)+1;
$interpro_sub_file = "$result_directory_predictor/"."$idr_sub_id/"."$idr_sub_id".".fsa.tsv";
#open file; if it fails, print a error and exits.
unless( open(TSV_FILE_DATA, $interpro_sub_file) ) {
print "Cannot open file \"$interpro_sub_file\"\n\n";
return;
}
my @interpro_file_line = <TSV_FILE_DATA>;
close TSV_FILE_DATA;
foreach $interpro_line (@interpro_file_line) {
@interpro_vector = split('\t',$interpro_line);
$interpro_id = $interpro_vector[0];
$interpro_db = $interpro_vector[3];
$interpro_db_accession = $interpro_vector[4];
$interpro_start_location = $interpro_vector[6];
$interpro_end_location = $interpro_vector[7];
$interpro_signature = $interpro_vector[11];
$interpro_length = ($interpro_end_location-$interpro_start_location) + 1;
if ($interpro_signature eq ""){
$interpro_signature = "NOPIR";
printf IDP_REGION_FILE "\nFound a $interpro_db domain with no IPR: starts at $interpro_start_location and ends at $interpro_end_location\n";
printf IDP_REGION_FILE "The size of $interpro_db domain in the sequence is $interpro_length\n";
printf IDP_REGION_FILE "The IDR starts at $idr_sub_start and and ends at $idr_sub_end\n";
printf IDP_REGION_FILE "The size of IDR is $idr_sub_lenght\n";
domains_regions($idr_sub_start,$idr_sub_end,$interpro_start_location,$interpro_end_location,$interpro_signature,$interpro_length,$interpro_db,$idr_sub_id,$interpro_db_accession,$idr_sub_lenght);
}
else{
for $entry_line (@entry_file_line) {
@entry_vector = split('\t',$entry_line);
$entry_ac = $entry_vector[0];
$entry_type = $entry_vector[1];
$entry_name = $entry_vector[2];
chomp($entry_name);
if ($interpro_signature eq $entry_ac) {
printf IDP_REGION_FILE "\nFound a $interpro_db domain with Interpro Signature $entry_ac: starts at $interpro_start_location and ends at $interpro_end_location\n";
printf IDP_REGION_FILE "The size of $interpro_db domain in the sequence is $interpro_length\n";
printf IDP_REGION_FILE "The Interpro Signature $entry_ac belongs to type $entry_type\n";
printf IDP_REGION_FILE "The name of $entry_ac is $entry_name\n";
printf IDP_REGION_FILE "The IDR starts at $idr_sub_start and ends at $idr_sub_end\n";
printf IDP_REGION_FILE "The size of IDR is $idr_sub_lenght\n";
domains_regions($idr_sub_start,$idr_sub_end,$interpro_start_location,$interpro_end_location,$interpro_signature,$interpro_length,$interpro_db,$idr_sub_id,$interpro_db_accession,$idr_sub_lenght);
}
}
}
}
}
tsv 文件示例 (interproscan):
P51587 14086411a2cdf1c4cba63020e1622579 3418 Pfam PF09103 BRCA2, oligonucleotide/oligosaccharide-binding, domain 1 2670 2799 7.9E-43 T 15-03-2013
P51587 14086411a2cdf1c4cba63020e1622579 3418 ProSiteProfiles PS50138 BRCA2 repeat profile. 1002 1036 0.0 T 18-03-2013 IPR002093 BRCA2 repeat GO:0005515|GO:0006302
P51587 14086411a2cdf1c4cba63020e1622579 3418 Gene3D G3DSA:2.40.50.140 2966 3051 3.1E-52 T 15-03-2013
...
脚本运行完美，但比较 $interpro_signature eq "" 提供了警告。
Use of uninitialized value $interpro_signature in string eq at /home/duca/eclipse-workspace/idps/idp_parser_interpro.pl line 666.
所以，我搜索并尝试了在比较之前将空值替换到数组中的方式。我想要 "NOIPR" 的空值。 我正在处理 9 个完整的基因组，并且我有超过 324000 个蛋白质需要解析。
如何替换数组中的空值？
谢谢。
您的数组可能没有 12 个元素（或者第 12 个元素可能 undef）
my $interpro_signature = $interpro_vector[11] // 'some_default_value';
// 是 defined-or operator。
错误Use of uninitialized value表示变量还没有初始化，或者被设置为undef。
请参阅 perldiag 并定期使用它。 运行 代码 perl -Mdiagnostics ... 定期出错。
use warnings;实际上比-w好。
更新问题的实质性编辑
从显示的数据来看，文件中可能还没有给出其他字段；所以用默认值证明所有变量，就像上面索引
11处的数组元素一样。无论如何，这就是您通常想要做的。例如，如果文件中有所有字段但有些字段可能为空（两个选项卡之间没有任何内容）my @interpro_defaults = ('id_default', 'db_default', ...); my ($interpro_id, $interpro_db, ...) = map { $interpro_vector[$_] // $interpro_defaults[$_] } 0 .. $#interpro_defaults;这取决于列表中的（变量）顺序，变量容易出错；见下文。 如果某些字段根本不存在，则可能需要做（远）更多的工作。
单独的变量太多，所有变量都相关并命名为
$interpro_X（然后是$idr_Y和$entry_Z，但更少，也许可以管理） .
能不能不把它们捆绑在容器类型的变量或数据结构中？
散列 %interpro 似乎很合适，带有键 X（因此，$interpro{id} 等）。然后您可以更轻松地使用它们，并可以对整个地段执行一些操作。您仍然需要在初始化时注意顺序，因为它们是按顺序读取的，但这样应该更清楚。例如
my @interpro_vars = qw(id db db_accesssion ...);
my @interpro_vector = qw(id_default db_default ...);
my %interpro;
@interpro{@interpro_vars} = @interpro_vector;
# or simply
@interpro{qw(id db ...)} = qw(id_default db_default ...);
我先用键和值定义了数组，然后再使用它们，以防您以后可能希望在数组中包含这些列表。如果不是这种情况，您可以使用列表（最后一行）初始化散列。
这里
my %h;
@h{LIST-keys} = LIST-values;
是一种将 LIST-values 的列表分配给 LIST-keys 中给出的散列 %h 的键集的方法。它们按照两个列表的给定顺序一对一分配（大小最好匹配）。在散列的键前面有 @ 印记，因为我们 是 那里有一个（键的）列表，而不是散列。请注意，哈希必须已在某处声明。参见 slices in perldata。
问题是您的第 3 行仅包含 9 个元素。所以
@interpro_vector = split('\t',$interpro_line);
该行仅将 9 个元素分配给 @interpro_vector 但您随后访问 $interpro_vector[11] （即第 12 个元素）并且不存在。您现在可以检查 @interpro_vector 是否包含（至少）12 个元素：
if (@interpro_vector >= 12) {
...
}
或者您可以使用 defined-or operator as $interpro_vector[11] 的情况下使用默认值：
$interpro_signature = $interpro_vector[11] // '';
上面一行相当于
if (defined $interpro_vector[11]) {
$interpro_signature = $interpro_vector[11];
} else {
$interpro_signature = '';
}
现在
if ($interpro_signature eq "") {
...
}
会起作用。