Question

我有一个包含8列和100多行的文件，如下所示：

PAIR 1MFK 1 URANIUM 82 HELIUM 112 3.6997  
PAIR 2JGH 2 PLUTONIUM 98 POTASSIUM 88 5.3003  
PAIR 345G 3 SODIUM 23 CARBON 14 1.664  
PAIR 4IG5 4 LITHIUM 82 ARGON 99 2.5506

我想要做的是比较第5列以找出任何值的重复，然后生成包含两个完整行的outfile。

Answer 1

使用str.split()拆分行

使用collections.defaultdict(list)跟踪重复

例如

>>> lines = """PAIR 1MFK 1 URANIUM 82 HELIUM 112 3.6997  
... PAIR 2JGH 2 PLUTONIUM 98 POTASSIUM 88 5.3003  
... PAIR 345G 3 SODIUM 23 CARBON 14 1.664  
... PAIR 4IG5 4 LITHIUM 82 ARGON 99 2.5506  """.split("\n")
>>> 
>>> from collections import defaultdict

>>> D = defaultdict(list)
>>> for line in map(str.split, lines):
...     k = line[4]
...     D[k].append(line)
... 

>>> [v for k,v in D.items() if len(v) > 1]
[[['PAIR', '1MFK', '1', 'URANIUM', '82', 'HELIUM', '112', '3.6997'], ['PAIR', '4IG5', '4', 'LITHIUM', '82', 'ARGON', '99', '2.5506']]]

>>> [(k,v) for k,v in D.items() if len(v) > 1]
[('82', [['PAIR', '1MFK', '1', 'URANIUM', '82', 'HELIUM', '112', '3.6997'], ['PAIR', '4IG5', '4', 'LITHIUM', '82', 'ARGON', '99', '2.5506']])]

Answer 2

以下是另一种使用setdefault的方法（即您无需导入collections：

>>> lines = [
... 'PAIR 1MFK 1 URANIUM 82 HELIUM 112 3.6997',
... 'PAIR 2JGH 2 PLUTONIUM 98 POTASSIUM 88 5.3003',
... 'PAIR 345G 3 SODIUM 23 CARBON 14 1.664',
... 'PAIR 4IG5 4 LITHIUM 82 ARGON 99 2.5506',
... 'PAIR AB32 4 KRYPONITE 98 ARSENIC 99 2.3406'
... ]
>>> d = {}
>>> for line in lines:
...     d.setdefault(line.split()[4], []).append(line)
...
>>> [(k, v) for k,v in d.items() if len(v) > 1 ]
[('82', ['PAIR 1MFK 1 URANIUM 82 HELIUM 112 3.6997', 'PAIR 4IG5 4 LITHIUM 82 ARGON 99 2.5506']), ('98', ['PAIR 2JGH 2 PLUTONIUM 98 POTASSIUM 88 5.3003', 'PAIR
B32 4 KRYPONITE 98 ARSENIC 99 2.3406'])]

PYTHON列表搜索值重复

2 个答案: