XLRD/ Entrez:通过Pubmed搜索并提取计数

Question

我正在进行一个项目，它要求我使用来自pubmed电子表格的输入和结果的打印计数来搜索Excel。我一直在使用xlrd和entrez来完成这项工作。这是我尝试过的。

1. 我需要使用作者的名字、他/她的医学院、一系列年以及他/她的导师的名字搜索pubmed，这些都在Excel电子表格中。我使用xlrd将包含所需信息的每一列转换为字符串列表。 从xlrd导入open_workbook book =open_workbook med_name = [] sheet.col(2)中的行:med_name.append(行) med_school = []用于sheet.col(3)中的行:med_school.append(行) for = []用于sheet.col(9)中的行:mentor.append(行)
2. 我已经成功地使用Entrez打印了特定查询的计数。 来自Bio import Entrez Entrez.email = "your@email.edu“handle = Entrez.egquery(term="Jennifer和(2012Date-出版物: 2017Date -出版) ") handle_1 = Entrez.egquery(term = "Jennifer AND (2012Date-出版物: 2017Date -出版物)”和LeoardP.Byk) handle_2 = Entrez.egquery(term = "Jennifer“((2012Date -出版物: 2017Date -出版))handle_1= Entrez.read(handle) record_1 =Entrez。阅读(Handle_1) record_2 = Entrez.read(handle_2) pubmed_count = []表示记录中的行“eGQueryResult”：if row"DbName“== "pubmed"：pubmed_count.append(行”Count“)表示record_1"eGQueryResult"：if row"DbName”== "pubmed"：pubmed_count.append(行“Count”)表示record_2“eGQueryResult”中的行: if row"DbName“== "pubmed”"：pubmed_count.append(行“计数”)打印(Pubmed_count)>‘3’>，'0'，'0‘ 问题是，我需要将学生名("Jennifer“)替换为学生名字列表中的下一个学生名(”med_name“)，将医学院替换为下一所学校，将当前导师的名字替换为下一位导师的名字。

我认为我应该在向pubmed声明我的电子邮件之后编写一个for循环，但是我不知道如何将这两个代码块连接在一起。有没有人知道连接这两个代码块的有效方法，或者知道如何用比我尝试过的方法更有效的方法来实现这一点？谢谢!

Answer 1

你已经把大部分代码都准备好了。只是需要稍微修改一下。

假设您的桌子看起来像这样：

Jennifer Bunch  |Southern Illinois University School of Medicine|Leonard P. Rybak
Philipp Robinson|Stanford University School of Medicine         |Roger Kornberg

您可以使用以下代码

import xlrd
from Bio import Entrez
sheet = xlrd.open_workbook("HEENT.xlsx").sheet_by_index(0)

med_name = list()
med_school = list()
mentor = list()
search_terms = list()
for row in range(0, sheet.nrows):
    search_terms.append([sheet.cell_value(row, 0), sheet.cell_value(row,1), sheet.cell_value(row, 2)])

pubmed_counts = list()

for search_term in search_terms:
    handle = Entrez.egquery(term="{0} AND ((2012[Date - Publication] : 2017[Date - Publication])) ".format(search_term[0]))
    handle_1 = Entrez.egquery(term = "{0} AND ((2012[Date - Publication] : 2017[Date - Publication])) AND {1}".format(search_term[0], search_term[2]))
    handle_2 = Entrez.egquery(term = "{0} AND ((2012[Date - Publication] : 2017[Date - Publication])) AND {1}".format(search_term[0], search_term[1]))
    record = Entrez.read(handle)
    record_1 = Entrez.read(handle_1)
    record_2 = Entrez.read(handle_2)

    pubmed_count = ['', '', '']

    for row in record["eGQueryResult"]:
        if row["DbName"] == "pubmed":
            pubmed_count[0] = row["Count"]
    for row in record_1["eGQueryResult"]:
        if row["DbName"] == "pubmed":
            pubmed_count[1] = row["Count"]
    for row in record_2["eGQueryResult"]:
        if row["DbName"] == "pubmed":
            pubmed_count[2] = row["Count"]

    print(pubmed_count)
    pubmed_counts.append(pubmed_count)

输出

['3', '0', '0']
['1', '0', '0']

所需的修改是使用格式化使查询变量。

一些没有必要但可能有帮助的其他修改：

• 只在Excel表上循环一次
• 将pubmed_count存储在预定义列表中，因为如果值返回为空，则输出的大小将不同，因此很难猜测哪个值属于哪个查询。
• 一切都可以进一步优化和修饰，例如，将查询存储在一个列表中并循环它们，这样可以减少代码的重复，但现在它完成了工作。