Question

我有一个标签分隔文件，如下所示：

chrom   start   stop    strand  isoform mu_codon    mut_codon2  more_info
chr22   43089055    43089055    -   NM_017436   C       903delC
chr22   43089715    43089717    -   NM_017436   CTT     241_243delTTC
chr22   43089657    43089657    -   NM_017436   G       301delG
chr12   53701873    53701875    -   NM_015665   TTC A   1292_1294delTTCinsA

我编写了一个脚本来计算mut_codon2列中的字符数，并将信息写入文件。

这是我的剧本：

import csv
OutputFileName = "indels_mut_count2.txt"
OutputFile = open(OutputFileName, 'w')

with open("indels_mut_removed.txt") as f:
    for line in f:
        columns = line.split('\t')
        chrom = columns[0]
        start = columns[1]
        stop = columns[2]
        strand = columns[3]
        isoform = columns[4]
        codon1 = columns[5]
        codon2 = columns[6]
        info = columns[7]
        length = len(codon1)
        length2 = len(codon2)
        OutputFile.write(''+chrom+'\t'+str(start)+'\t'+str(stop)+'\t'+strand+'\t'+isoform+'\t'+codon1+'\t'+codon2+'\t'+str(length)+'\t'+str(length2)+'\t'+info+'\n')

我几乎肯定我的问题与OutputFile.write()有关，因为输出的文件在我要输出的每一行之后添加了空行。这是一个例子：

chrom   start   stop    strand  isoform mu_codon    mut_codon2  8   10  more_info

chr22   43089055    43089055    -   NM_017436   C       1   1   903delC

chr22   43089715    43089717    -   NM_017436   CTT     3   1   241_243delTTC

chr22   43089657    43089657    -   NM_017436   G       1   1   301delG

但是，我也收到的错误是：

info = columns[7] IndexError: list index out of range

我不确定我做错了什么。有什么建议吗？

Answer 1

我建议您使用csv.csvreader而不是手动分割线条。拆分不会处理转义和其他一些事情，因此csv.csvreader更加安全。

有关信息，您遇到此问题是因为您没有使用\n删除每行末尾的rstrip()。然后您将其写入输出，并在调用\n时添加（第二个）write()。

但请再次使用csv.csvreader。

Answer 2

csv（如Arkanosis所示）是一个不错的选择;否则：

with open("indels_mut_removed.txt") as f:
    for line in f:
        line = line.strip() # removes trainling '\n'
        columns = line.split('\t')

Answer 3

要使用csv，您可能会执行与此类似的操作：

</p>

鉴于此输入：

import csv

with open(fn) as fin, open(fo, 'w') as fout:
    reader=csv.reader(fin, delimiter='\t')
    writer=csv.writer(fout, delimiter='\t')
    headers_in=next(reader)
    headers_out=headers_in[:-1]+['len codon 1', 'len codon 2']+headers_in[-1:]
    writer.writerow(headers_out)
    for row_in in reader:
        row_out=row_in[:-1]+map(len, [row_in[5], row_in[6]])+row_in[-1:]
        writer.writerow(row_out)

生成此输出：

chrom   start   stop    strand  isoform mu_codon    mut_codon2  more_info
chr22   43089055    43089055    -   NM_017436   C   903delC
chr22   43089715    43089717    -   NM_017436   CTT 241_243delTTC
chr22   43089657    43089657    -   NM_017436   G   301delG
chr12   53701873    53701875    -   NM_015665   TTC A   1292_1294delTTCinsA

错误地覆盖文件

3 个答案: