如何获得python中的特定字段？

Question

我有两排，如下所示

Tp1g00130_scaffold_1    blastn    exon    20495    20602    .    +    .    
Tp1g00130_scaffold_1    blastn    exon    20650    20804    .    +    .    

我想要做的是合并两行的start (第1行的第3列)和seq结束(第2行的第4列)，如果它们具有相同的ID(第1列)。例如，输出将类似于

Tp1g00130_scaffold_1    blastn    exon    20495    20804    .    +    .    

我开了个好头，但没有很好的成绩。

prev = None

with open("test_parse") as fh_in:
    for line in fh_in:
        line = line.strip()
        line = line.split()
        line_id = line[0]
        print line
        if prev is not None and prev == line_id:
            print "yes"
        prev = line_id

有什么帮助吗？

Answer 1

你快到了。

与其prev仅仅是id，不如把它作为最后一行。这允许我们检查存在性和id (if prev and prev[0] == line[0]:)，并获得start和seq (print('{} -> {}'.format(prev[3], line[4])))。

prev = None
with open("test_parse") as fh_in:
    for line in fh_in:
        line = line.strip().split()
        if prev and prev[0] == line[0]:
            print(' '.join(prev).replace(prev[4], line[4]).split())
        prev = line

Answer 2

如果您的文件很小，您可以使用临时dict。

records = {}

with open("test_parse") as fh_in:
    for line in fh_in:
        id_, f1, f2, start, end, f4, f5, f6 = line.strip().split()
        if id_ in records:
            records[id_][4] = end
        else:
            records[id_] = [id_, f1, f2, start, end, f4, f5, f6]

for line in records.values():
    print "\t".join(line)

Answer 3

如果文件中有标题行，则可以使用DictReader。

对于具有x、y和z列标题的文件，可以这样做：

import DictReader

reader = DictReader(open('sample.csv'))
for line in reader:
    print(line['x'], line['z'])

它是csv模块的一部分，在一般情况下是非常有用的。