找出全长

Question

我有这样一个输入文件

         id_per start end   s_len
con1 P1  95.27   1    148    148    
con2 P2  89.86   4    148    148    
con3 P5  76.67   1    512    516

每一次我都有P(蛋白质)。我想找到全长的蛋白质，如果我知道每一个P的起始点、末端位置和长度，这是可能的。下面的脚本就是这样做的。然而，现在我的问题是，我想找到长度，但考虑到也+ 10单位，从开始和结束的网站。

import re
output=open('res.txt','w')
output2=open('res2.txt','w')
f=open('file.txt','r')
lines=f.readlines()
for line in lines:
    new_list=re.split(r'\t+',line.strip())
    id_per=float(new_list[2])
    s_start=int(new_list[3])
    s_end=int(new_list[4])
    s_len=int(new_list[5])
    if s_start == 1 and s_end == s_len and id_per >= 30:
        new_list.append(s_start)
        new_list.append(s_end)
        new_list.append(s_len)
        new_list.append(id_per)
        output.writelines(line)
    else:
        output2.write(line)
f.close()
output.close()
output2.close()

Answer 1

如果我正确地理解了您，您的条件可以重写为：|distance_from_start_to_end - stated_length| < 10。

with open('example.txt', 'r') as infile, \
        open('output.txt', 'w') as outfile, \
        open('errors.txt', 'w') as errfile:
    for line in in file:
        id_per, s_start, s_end, s_len = (line.split()[i] for i in [2, 3, 4, 5])
        start_to_end = (int(s_end) - int(s_start)) + 1
        if abs(int(s_len) - start_to_end) < 10:
            outfile.write(line)
        else:
            errfile.write(line)

对于原始代码，在这个片段中还有其他改进：

• 使用上下文管理器with避免显式关闭文件句柄。
• 您不需要re模块，split可以接受一个制表器作为拆分字符。
• 使用元组运算符,自动解构从行拆分的标记。
• 通过将字段设置为_来忽略它们
• 删除new_list变量，因为它似乎没有被使用。也许我误解了你的小片段？