Question

我有6个文本文件（每个文件对应一个特定的样本），每个文件都是这样的：

Gene_ID Gene_Name   Strand  Start   End Length  Coverage    FPKM    TPM
ENSMUSG00000102735  Gm7369  +   4610471 4611406 936 0   0   0
ENSMUSG00000025900  Rp1 -   4290846 4409241 10926   0   0   0
ENSMUSG00000104123  Gm37483 -   4363346 4364829 1484    0   0   0
ENSMUSG00000102175  Gm6119  -   4692219 4693424 1206    0.328358    0.015815    0.008621

我想从1＆amp;收集所有元素一个文件中的2列和新文件中每个样本的相应tpm值（第9列），因此在没有tpm值的地方输入0。

我的输出文件应如下所示：

gene_id gene_name sample1_tpm sample2_tpm sample3_tpm ......sample6_tpm

Answer 1

执行此操作的一种方法是保留一个存储每个gene_id的样本值的字典。

初始化字典= {}

遍历6个文件中的每个文件并执行：

for file in [f1,f2,f3..f6]:
   for line in file:
        labels = line.split(" ")
        val = 1 if labels[8] else 0 
     if labels[0] not in dictionary:
        dictionary[labels[0]] = {'name' : labels[1], 'sample' : [val]}            
     else:
        dictionary[labels[0]]['sample'].append(val)

这会将键存储为gene_id和name，sample（6个sample_id列表）作为值。

现在可以通过迭代键和值来写入输出文件。

f = open("output.txt","w+")
f.write("gene_id,gene_name,sample1,sample2,sample3,sample4,sample5,sample6\n")
for key in dictionary.keys():
    samples = ",".join(dictionary[key]['sample'])
    f.write(dictionary[key]+","+dictionary[key]['name']+","+samples+"\n")
f.close()

使用python创建矩阵

1 个答案: