Question

我是一个Python菜鸟。经过几个小时的谷歌搜索，并搜索stackoverflow，我找不到解决问题的方法：

我使用外部脚本来读取包含分子活动信息的文件。一旦读取，数据将以下列形式列在列表中：

INACT67481 -10.84

即，分子的名称和活动值，由单个空格分隔。分子名称的长度差别很大。

现在，麻烦的是，每个分子可能有多个（最多n个）值，并且只应保留最高值，同时确保顺序不会更改（除了删除具有较小值的重复项）。

在this和this之类的线程的帮助下，我知道如何简单地删除重复项，但我很遗憾我只能删除值最小的那个，没有诉诸可怕的乱七八糟的循环。

编辑：我也可以在python中重写文件解析脚本，如果以不同的形式获得数据会更容易。

编辑：示例数据：
CHEMBL243059.smi 11.75
CHEMBL115092.smi 10.49
CHEMBL244771.smi 10.79
CHEMBL471221.smi 10.78
CHEMBL573301.smi 10.77
CHEMBL469583.smi 10.77
CHEMBL115092.smi 10.97
CHEMBL244771.smi 8.95
CHEMBL16781.smi 10.76
CHEMBL440776.smi 10.76
CHEMBL243059.smi 10.75
CHEMBL115092.smi 10.69

应该返回：

CHEMBL243059.smi 11.75
CHEMBL244771.smi 10.79
CHEMBL471221.smi 10.78
CHEMBL573301.smi 10.77
CHEMBL469583.smi 10.77
CHEMBL115092.smi 10.97
CHEMBL16781.smi 10.76
CHEMBL440776.smi 10.76

Answer 1

from collections import OrderedDict

D = OrderedDict()

with open("fin.txt") as fin:
    for line in fin:
        if line.isspace():   # Guard against empty lines
            continue
        molecule, sep, activity = line.partition(" ")
        activity = float(activity)
        if molecule in D:
            if activity > D[molecule]:
                D[molecule] = activity
                D.move_to_end(molecule)
        else:
            d[molecule] = activity

在保留顺序的同时从列表中删除具有重复值的多个条目

1 个答案: