Question

我最近学习了一些Python以及如何将它应用到我的工作中。我已成功编写了几个脚本，但我遇到了一个我无法弄清楚的问题。

我打开的文件大约有4000行，每行有两个制表符分隔的列。在读取输入文件时，我收到索引错误，指出列表索引超出范围。然而，虽然我每次都得到错误，但每次都不会在同一行上发生错误（因为，每次都会在不同的行上抛出错误！）。因此，出于某种原因，它通常有效，但随后（看似）随机失败。

由于我上周才开始学习Python，我很难过。我一直在寻找相同的问题，但没有找到类似的东西。此外，我不知道这是一个特定于语言或IPython的问题。任何帮助将不胜感激！

input = open("count.txt", "r")
changelist = []
listtosort = []
second = str()

output = open("output.txt", "w")

for each in input:
    splits = each.split("\t")
    changelist = list(splits[0])
    second = int(splits[1])

print second

if changelist[7] == ";":   
    changelist.insert(6, "000")
    va = "".join(changelist) 
    var = va + ("\t") + str(second)
    listtosort.append(var)
    output.write(var)

elif changelist[8] == ";":   
    changelist.insert(6, "00")
    va = "".join(changelist) 
    var = va + ("\t") + str(second)
    listtosort.append(var)
    output.write(var)

elif changelist[9] == ";":   
    changelist.insert(6, "0")
    va = "".join(changelist) 
    var = va + ("\t") + str(second)
    listtosort.append(var)
    output.write(var)

else:
    #output.write(str("".join(changelist)))
    va = "".join(changelist)
    var = va + ("\t") + str(second)
    listtosort.append(var)
    output.write(var)

output.close()

错误

---------------------------------------------------------------------------
IndexError                                Traceback (most recent call last)
/home/a/Desktop/sharedfolder/ipytest/individ.ins.count.test/<ipython-input-87-32f9b0a1951b> in <module>()
     57     splits = each.split("\t")
     58     changelist = list(splits[0])
---> 59     second = int(splits[1])
     60 
     61     print second

IndexError: list index out of range

输入：

ID=cds0;Name=NP_414542.1;Parent=gene0;Dbxref=ASAP:ABE-0000006,UniProtKB%2FSwiss-Prot:P0AD86,Genbank:NP_414542.1,EcoGene:EG11277,GeneID:944742;gbkey=CDS;product=thr 12
ID=cds1000;Name=NP_415538.1;Parent=gene1035;Dbxref=ASAP:ABE-0003451,UniProtKB%2FSwiss-Prot:P31545,Genbank:NP_415538.1,EcoGene:EG11735,GeneID:946500;gbkey=CDS;product=deferrrochelatase%2C  50
ID=cds1001;Name=NP_415539.1;Parent=gene1036;Note=PhoB-dependent%2C  36

期望的输出：

ID=cds0000;Name=NP_414542.1;Parent=gene0;Dbxref=ASAP:ABE-0000006,UniProtKB%2FSwiss-Prot:P0AD86,Genbank:NP_414542.1,EcoGene:EG11277,GeneID:944742;gbkey=CDS;product=thr  12
ID=cds1000;Name=NP_415538.1;Parent=gene1035;Dbxref=ASAP:ABE-0003451,UniProtKB%2FSwiss-Prot:P31545,Genbank:NP_415538.1,EcoGene:EG11735,GeneID:946500;gbkey=CDS;product=deferrrochelatase%2C  50
ID=cds1001;Name=NP_415539.1;Parent=gene1036;Note=PhoB-dependent%2C  36

Answer 1

当count.txt中有一行不包含制表符时会发生这种情况。因此，当您按制表符分割时，将不会有任何splits[1]。因此错误“索引超出范围”。

要知道导致错误的行，只需在第57行print(each)之后添加splits。错误消息之前打印的行是您的罪魁祸首。如果您的输入文件不断变化，那么您将获得不同的位置。更改脚本以处理这些格式错误的行。

Answer 2

您获得IndexError的原因是您的输入文件显然不完全以制表符分隔。这就是为什么当你试图访问它时splits[1]没有任何内容。

您的代码可能会使用一些重构。首先，你要重复if - 检查，这是不必要的。这只会将cds0填充到7个字符，这可能不是您想要的。我将以下内容放在一起，以演示如何重构您的代码，使其变得更加pythonic和干燥。我无法保证它可以与你的数据集一起使用，但我希望它可以帮助你理解如何以不同的方式做事。

    to_sort = []
    # We can open two files using the with statement. This will also handle 
    # closing the files for us, when we exit the block.
    with open("count.txt", "r") as inp, open("output.txt", "w") as out:
        for each in inp:
           # Split at ';'... So you won't have to worry about whether or not
           # the file is tab delimited
           changed = each.split(";")

           # Get the value you want. This is called unpacking.
           # The value before '=' will always be 'ID', so we don't really care about it.
           # _ is generally used as a variable name when the value is discarded.
           _, value = changed[0].split("=")

           # 0-pad the desired value to 7 characters. Python string formatting
           # makes this very easy. This will replace the current value in the list.
           changed[0] = "ID={:0<7}".format(value)

           # Join the changed-list with the original separator and
           # and append it to the sort list.
           to_sort.append(";".join(changed))

       # Write the results to the file all at once. Your test data already
       # provided the newlines, you can just write it out as it is.
       output.writelines(to_sort)

       # Do what else you need to do. Maybe to_list.sort()?

你会注意到这段代码会将你的代码减少到8行，但实现完全相同的东西，不会重复，并且很容易理解。

请阅读PEP8，Zen的python，然后浏览official tutorial。

Python / IPython奇怪的不可重现列表索引超出范围错误

2 个答案: