如何遍历基因/URL列表并生成基因信息行？

Question

我是Python的新手，不熟悉循环结构。如果我想迭代我感兴趣的基因的urls列表并提取特定的列(例如，来自网站的基因名称、完整基因名称及其生物类型)作为一行

gene1  full_name1  biotype1

并为下一个基因添加新的行，如下所示

gene1  full_name1  biotype1
gene2  full_name2  biotype2
gene3  full_name3  biotype3
...

我不知道该怎么做。也许我应该使用多个循环？

下面是我的代码：

gene_list = [gene1, gene2, gene3, ...]
i = 0
while (i in len(gene_list):
    url = 'https://www.xxxxxxxx?gene=' + str(gene_list[i])
    driver.get(url)
    gene = driver.find_element_by_css_selector('em:nth-of-type(1)').text
    full = driver.find_element_by_css_selector('h2:nth-of-type(1)').text
    biotype = driver.find_element_by_css_selector('span.gc-category').text
    i = i + 1

有人能帮我吗？谢谢。

Answer 1

你会想要使用一个for循环。

首先使用列表理解创建url列表。

gene_list = [gene1, gene2, gene3, ...]
url_list = ['https://www.xxxxxxxx?gene={}'.format(i) for i in gene_list]

接下来，初始化每个列的空列表。

genes = []
full_names = []
biotypes = []

最后，对于url列表中的每个url，您将提取信息并将其附加到各自的列表中。

for url in url_list:
    driver.get(url)
    genes.append(driver.find_element_by_css_selector('em:nth-of-type(1)').text)
    full_names.append(driver.find_element_by_css_selector('h2:nth-of-type(1)').text)
    biotypes.append(driver.find_element_by_css_selector('span.gc-category').text)

如果你想从那里得到花哨的东西，你可以把它放进熊猫的DataFrame中：

import pandas as pd
df = pd.DataFrame([gene_list, genes, full_names, biotypes])

一旦它在pandas DataFrame中，您将能够更轻松、更漂亮地处理和可视化数据。

Answer 2

尝尝这个

gene_list = [gene1, gene2, gene3, ...]
i = 0
gene_info = []
while i < len(gene_list):
    url = 'https://www.xxxxxxxx?gene=' + str(gene_list[i])
    driver.get(url)
    gene = driver.find_element_by_css_selector('em:nth-of-type(1)').text
    full = driver.find_element_by_css_selector('h2:nth-of-type(1)').text
    biotype = driver.find_element_by_css_selector('span.gc-category').text
    gene_info.append([gene, full, biotype])
    i = i + 1
print(gene_info)