将列表添加到 Excel 列

Question

我有两个文件：

1 文件是包含序列名称及其序列的 fasta 文件。
另一个文件是一个 excel 文件，它有一个 'Hcolumn' 序列名称和一个空列，旁边是 header 'Hsequence' 和一个 'Kcolumn' 的序列名称和它旁边的空列以及 header 'Ksequence'.

我想遍历这两个文件，如果fasta文件中的序列名称也在'Hcolumn'或'Kcolumn'中，则将序列添加到[中相应的序列列=47=] 文件，它是 'Hsequence' 或 'Ksequence' 列。我这里的想法是获取vh值所在的位置，将其seq值添加到其右侧（下一行）的单元格中。

更新示例

fasta 文件（忽略 > 符号）：

headerA
AAAGGCCT
headerB
ATCCTTTG
headerC
GGGGTCCCAAT

excel sheet

Hcolumn   Hsequence     Kcolumn    Ksequence 
headerA                 headerB
headerC                 headerE
headerD                 headerF

期望的结果：

Hcolumn   Hsequence     Kcolumn    Ksequence 
headerA   AAAGGCCT      headerB    ATCCTTTG
headerC   GGGGTCCCAAT   headerE
headerD                 headerF

我的新代码：（我下面的代码只处理一列，我还不知道怎么说它是在 columnA 中还是在 columnB 中）

for line in f:         
    seq = f.readline()
    for vh in data["Hcolumn"]:
        vh = vh.rstrip()
        if (title in vh): 
            #print(">"+title, seq)
            data["HSequence"]=data["Hcolumn"].apply(lambda vh: seq)

        else:
            data["HSequence"]=data["Hcolumn"].apply(lambda vh: '')
            break               
return data.to_csv('Fullseqfile.txt', sep='\t')

序列列返回空值，谁能帮忙谢谢

Answer 1

这是给你一些想法的快速尝试......

FASTA = [
    'headerA',
    'AAAGGCCT',
    'headerB',
    'ATCCTTTG',
    'headerC',
    'GGGGTCCCAAT',
]


EXCEL = {
    'Hcolumn': ['headerA', 'headerC', 'headerD'],
    'Hsequence': {},
    'Kcolumn': ['headerB', 'headerE', 'headerF'],
    'Ksequence': {},
}

for index in range(0, len(FASTA), 2):
    value = FASTA[index]
    column = EXCEL['Hcolumn']
    # print index, value, column
    if value in EXCEL['Hcolumn']:
        position = column.index(value)
        EXCEL['Hsequence'][position] = FASTA[index+1]

for item in EXCEL.iteritems():
    print item

========================

('Hcolumn', ['headerA', 'headerC', 'headerD'])
('Kcolumn', ['headerB', 'headerE', 'headerF'])
('Hsequence', {0: 'AAAGGCCT', 1: 'GGGGTCCCAAT'})
('Ksequence', {})

Answer 2

In [1]: import pandas as pd

In [2]: !cat data/question1/file.fasta
headerA
AAAGGCCT
headerB
ATCCTTTG
headerC
GGGGTCCCAAT

In [3]: xls=pd.read_excel('file.xls')

In [4]: xls
Out[4]: 
   Hcolumn  Hsequence  Kcolumn  Ksequence
0  headerA        NaN  headerB        NaN
1  headerC        NaN  headerE        NaN
2  headerD        NaN  headerF        NaN

In [5]: fh = open('file.fasta')
   ...: fasta_dic={}
   ...: for line in fh:
   ...:     if line.startswith('h'):
   ...:         seq_header = line.strip('\n')
   ...:         fasta_dic[seq_header] = ''
   ...:     else:
   ...:         fasta_dic[seq_header] = line.strip('\n')
   ...:         

In [6]: def fill_seq(x):
   ...:     if x in fasta_dic.keys():
   ...:         return fasta_dic[x]
   ...:     else:
   ...:         return ''
   ...:     

In [7]: xls['Hsequence'] = xls['Hcolumn'].apply(fill_seq)
   ...: xls['Ksequence'] = xls['Kcolumn'].apply(fill_seq)
   ...: 

In [8]: xls
Out[8]: 
   Hcolumn    Hsequence  Kcolumn Ksequence
0  headerA     AAAGGCCT  headerB  ATCCTTTG
1  headerC  GGGGTCCCAAT  headerE          
2  headerD               headerF

构建字典fasta_dic，序列名称作为键，序列作为值。
函数fill_seq检查输入x是否在您之前定义的字典中，如果找到值，它将return序列。
您将函数 fill_seq 应用于 H/K 序列列，使用来自 H/K 序列的值作为输入。

在此之后，您可以继续使用您的数据框或将其导出到 xls 文件。

将列表添加到 Excel 列

Add list to Excel column

python

excel

loops

pandas

fasta