在python3中重新组织文本文件的内容

Question

我有一个制表符分隔的文件，如下面的小示例：

小示例：

PB.5680.1   GS_Isoseq_HQ_transcript/9773
PB.5681.1   GS_Isoseq_HQ_transcript/9825,GS_Isoseq_HQ_transcript/9097,GS_Isoseq_HQ_transcript/9835,GS_Isoseq_HQ_transcript/9415,GS_Isoseq_HQ_transcript/9259,GS_Isoseq_HQ_transcript/9539
PB.5686.1   GS_Isoseq_HQ_transcript/9151,GS_Isoseq_HQ_transcript/9450

我正在尝试解析该文件，并生成一个新文件，如下所示。事实上，每个文本/编号都应该在单独的行中，但如果它们来自输入文件中的同一行，它们将具有类似的第一列：

预期输出：

PB.5680.1   transcript/9773
PB.5681.1   transcript/9825
PB.5681.1   transcript/9097
PB.5681.1   transcript/9835
PB.5681.1   transcript/9415
PB.5681.1   transcript/9259
PB.5681.1   transcript/9539
PB.5686.1   transcript/9151
PB.5686.1   transcript/9450

为此，我用python3编写了以下代码。

import pandas as pd
df =  pd.read_csv('myfile.txt',  sep='\t,_', engine='python')
column = []
for line in df:
    dat = column.append(line)
    dat.to_csv("outfile.txt", sep = "\t")

但是它没有返回我想要得到的东西。你知道怎么修吗？

Answer 1

为了方便起见，我们将PB.5680.1列命名为ID，另一列称为TRANSCRIPT。

我还将假设TRANSCRIPT列中的值都是字符串。因此，我们需要首先使每一行成为一个列表，然后分解该列表，最后将其导出。

#Making TRANSCRIPT values lists
df['TRANSCRIPT']= df['TRANSCRIPT'].apply(lambda x: x.split(','))

#Set index to ID and explode TRANSCRIPT
df2 = df.set_index('ID')['TRANSCRIPT'].explode()

#export to CSV
df2.to_csv('./allDone.csv', header = False)