Question

我是python的新手，为两个制表符分隔的输入文件制作了两个数组。我正在寻找一种方法来将一个数组的列（元素）以数字方式与另一个数组的元素进行比较。有没有办法做到这一点。我的代码到现在为止

#!/usr/bin/python
import sys
from array import *
#print len(sys.argv)
if len(sys.argv) != 4:
 print 'Usage: python scores.py <infile1> <infile2> <outfile>'
 sys.exit(1)

f1 = open ("12877overlappedallvariants.gvf", "r")
f2 = open ("unmatched.12877overlappedallvariants.gvf", "r")
f3 = open ("out.txt", "w")

for line in f1.readlines():
 cols = line.split('\t')
 #print cols[5:6]


for line in f2.readlines():
 cols1 = line.split('\t')
 #print cols1[5:6]

我在下面的代码部分尝试了这个但不起作用

slice1 = cols[5:6]
slice2 = cols1[5:6]
new_list = []
for element in slice1:
 if element in slice2:
  new_list.append(element)
  print new_list

我试图看看array1的元素5是否等于，大于或小于array2的元素5。任何帮助表示赞赏。感谢。

Answer 1

值得注意的是，这些是列表，而不是数组。有区别。

每次循环时你都会覆盖cols - 这意味着你只能得到最后一行数据 - 这里有一个列表理解来获取你想要的所有数据，或者更好的是，根本就没有完全存储数据 - 按照你想要的操作进行操作。

比较的主要问题是你正在采用列表切片，而不是仅仅采用你需要的元素。这使你想要做的事情过于复杂。

因此，正如我在评论中提到的，您可以对初始代码进行大量改进 - 主要是with语句和csv模块。

首先，使用with语句打开文件。我们也使用csv.reader()，使用"excel-tab"方言，因为它是制表符分隔文件，csv.QUOTE_NONNUMERIC告诉它值是数字，所以我们不必将它们从字符串以后。请注意，如果只有某些值是数字，则需要引用所有非数字值才能使用此方法，或者明确转换这些值而不使用它。

with open("file1.tsv") as file1, open("file2.tsv") as file2:
    rows = csv.reader(file2, dialect="excel-tab", quoting=csv.QUOTE_NONNUMERIC)
    rows1 = csv.reader(file2, dialect="excel-tab", quoting=csv.QUOTE_NONNUMERIC)

要执行检查，只需执行以下操作（从上面with块中继续）：

    for cols, cols1 in zip(rows, rows1): #Use itertools.izip() in 2.x for efficiency.
        first = cols[4]
        second = cols1[4]

        if first < second:
            ...
        elif first == second:
            ...
        else: #first > second
            ...

请注意使用zip一次循环遍历这两个文件。我们需要循环遍历文件，因为它们一次返回一行，每行都是每列的数据列表。然后，您可以随意使用数据。我给出了一个比较第五个值的例子（注意索引4 - python是0索引的 - 也就是说，第一个值是0，所以第五个值是{{1} }）。

通过循环浏览文件，我们确保不必创建列表并临时存储数据 - 如果我们最终处理大文件，这将非常有用。

如果您需要稍后使用该数据，并希望将其作为列表，则可以通过在{{1}周围调用4来简单地创建两个rows对象列表}第

Answer 2

有一些事情你需要注意 - 首先，在阅读你的文件之后，你只存储了最后一行（在一个名为'cols'的变量中不少;）。循环如：

lines1=f1.readlines()
lines2=f2.readlines()

for f1line,f2line in zip(lines1,lines2):
    #compare here

可能更合适。这会将两个文件的全部内容读入内存 - 有一些方法可以在不读取大量数据的情况下执行此操作，但有时这是最简单的方法。 zip可能有点令人困惑，但基本上，它匹配file1的第一行和file2的第一行，然后匹配两个文件的第二行，依此类推......

如@Lattyware的评论所述，上述内容相当于：

for f1line,f2line in zip(f1,f2):
    #compare here

因为文件可以迭代。在python 2中，它仍将一次读取/存储两个文件，但在python 3中，它一次只能从每个文件中生成一行。最后，如果您不想在python 2中存储文件的所有内容，可以使用itertools.izip

import itertools
for f1line,f2line in itertools.izip(f1,f2):
    #compare here

的工作原理与zip类似，只是它一次产生一个元素。这里的缺点是当你转移到python 3时itertools.izip消失了......但是，在这种情况下，2to3应该进行适当的转换。（有关详细信息，请参阅评论）。

至于比较，这在很大程度上取决于文件包含的内容。如果它包含数字，你可以这样做......

 for f1line,f2line in zip(lines1,lines2):
     row1=map(float,f1line.split())
     row2=map(float,f2line.split())
     #compare the 5th element
     if(row1[4]==row2[4]):
         #equal
     elif(row1[4]>row2[4]):
         ...

如果你没有map(float,...)位，python将进行字符串比较。

如果你想现在进行比较并稍后使用比较结果，那么

python也有cmp function可能很有用。

Answer 3

我会这样写：

import csv

file1 = csv.reader(open('name1'), delimiter='\t')
file2 = csv.reader(open('name2'), delimiter='\t')

for row1, row2 in zip(file1, file2):
    print cmp(row1[5], row2[5])

`

cmp返回-1表示lt，0表示eq，或1表示gt

如果行？[5]是数字，那么......

print cmp(float(row1[5]), float(row2[5])) # or int, or any other dtype

如何将一个数组中的一个元素以数字方式与python中另一个数组中的另一个元素进行比较

3 个答案: