Question

我有2个大的.txt文件，每个文件有10列和21008行。我需要获取两个文件的常见行并创建一个新文件。两个文件的第一列包含ID。 2个文件中的一些ID是相似的，但不是全部。新文件将包含公共ID，当然还有完整的行。这是一个小例子：

INPUT1：

ENSG00000137288.5   0,111111112 0,099415205 0,894736842 
ENSG00000116085.9   0,086826347 0,152694613 1,758620722 
ENSG00000167578.12  0,052093968 0,096016347 1,843137535 
ENSG00000167531.2   0,042553194 0,085106388 2   
ENSG00000078237.4   0,016129032 0   0   0,031746034

输入2：

ENSG00000137288.5   0,167213112 0,134426236 0,803921621 
ENSG00000116032.5   0,094311371 0,144461095 1,531746311 
ENSG00000167578.12  0,062894806 0,101620428 1,615720507 
ENSG00000103227.14  0,067720085 0,068472534 1,011111165 
ENSG00000078241.8   0,016260162 0,040650405 2,5

输出文件：

ENSG00000137288.5   0,111111112 0,099415205 0,894736842 ENSG00000137288.5   0,167213112 0,134426236 0,803921621     
ENSG00000167578.12  0,052093968 0,096016347 1,843137535 ENSG00000167578.12  0,062894806 0,101620428 1,615720507

由于

Answer 1

读取第一个文件并逐行迭代，每行保留id和line。只有这一次才能为下一个查找公共行，然后按照输出格式附加到列表中：

ids = {}
found = []
with open(filepath1) as file1:
    for line in file1.lines():
        id_ = line.split()[0]
        ids[id_] = line

with open(filepath2) as file2:
    for line in file2.lines():
        id_ = line.split()[0]
        if id_ in ids:
            found.append("{} {}".format(ids[id_], line))

Answer 2

您可以使用dict跟踪第二个文件中显示的行，以允许第一个设置顺序：

d2={}
with open("f2.txt") as f2:
    for line in f2:
        k,_,v=line.partition(' ')
        d2[k]=line.strip()

with open("f1.txt") as f1:
    for line in f1:
        k,_,v=line.partition(' ')
        if k in d2:
            print line.strip(), d2[k]

打印：

ENSG00000137288.5   0,111111112 0,099415205 0,894736842 ENSG00000137288.5   0,167213112 0,134426236 0,803921621
ENSG00000167578.12  0,052093968 0,096016347 1,843137535 ENSG00000167578.12  0,062894806 0,101620428 1,615720507

Answer 3

这是针对您的问题的工作解决方案（使用列表）。最后，您将获得一个列表，其中包含名为“res”的文件中具有相同ID的所有行

l1 = []
l2 = []

with open('file1', 'r') as f1:
    for line in f1:
        line = line.split()
        l1.append(line)

with open('file2', 'r') as f2:
    for line in f2:
        line = line.split()
         l2.append(line)

res = [i + j for i, j in zip(l1, l2) if i[0] == j[0]]

target = open('res', 'w')
for i in res:
    for j in i:
        target.write(j)
        target.write(' ')
    target.write('\n')

python中两个.txt文件的常见行

3 个答案: