Question

我正在学习python，我正在努力研究地图和元组。我已经从解析的文件创建了一个字典，并在另一个文件中解析。我想遍历字典并用从字典中获取的ID替换已解析文件的每一行的第一个元素

我的字典：

for line in blast_lines:
    (transcript,swissProt,identity) = parse_blast(blast_line=line)
    transcript_to_protein[transcript] = swissProt

解析文件，并创建一个元组，如果该ID的条目存在，该元组将字典中的值作为第一个元素

def parse_matrix(matrix_line):
    matrixFields = matrix_line.rstrip("\n").split("\t")
    protein = matrixFields[0] 
    if matrixFields[0] in transcript_to_protein:
            protein = transcript_to_protein.get(transcript)
            matrixFields[0] = protein
    return(tuple(matrixFields))

我没有在这里包含我的所有代码，因为我确定我的问题必须是我如何迭代解析文件和字典，但我会在底部包含所有内容。

输入：

爆炸（存储在字典中的内容）

c1000_g1_i1|m.799   gi|48474761|sp|O94288.1|NOC3_SCHPO  100.00  747 0   0   5   751 1   747 0.0  1506

对于这一行，成绩单是c1000_g1_i1，瑞士prot是O94288.1

矩阵（正在解析的文件）

c3833_g1_i2 4.00    0.07    16.84   26.37

如果第一个字段中的值与字典中的键（transcript）匹配，我试图用字典中的swissProt替换第一个字段（matrixFields [0]）。

我想要一个看起来像这样的输出

Q09748.1    4.00    0.07    16.84   26.37
O60164.1    24.55   116.87  220.53  28.82
C5161_G1_I1 107.49  89.39   26.95   698.97
P36614.1    27.91   72.57   5.56    36.58
P37818.1    82.57   19.03   48.55   258.22

但是我得到了这个：

O94423.1    4.00    0.07    16.84   26.37
O94423.1    24.55   116.87  220.53  28.82
C5161_G1_I1 107.49  89.39   26.95   698.97
O94423.1    27.91   72.57   5.56    36.58
O94423.1    82.57   19.03   48.55   258.22

请注意其中4个都具有相同的值而不是字典中的单个成绩单

完整代码：

transcript_to_protein = {};

def parse_blast(blast_line="NA"):
    fields = blast_line.rstrip("\n").split("\t")
    queryIdString = fields[0]
    subjectIdString = fields[1]
    identity = fields[2]
    queryIds = queryIdString.split("|")
    subjectIds = subjectIdString.split("|")
    transcript = queryIds[0].upper()
    swissProt = subjectIds[3]
    base = swissProt.split(".")[0]
    return(transcript, swissProt, identity)

blast_output = open("/scratch/RNASeq/blastp.outfmt6")
blast_lines = blast_output.readlines()

for line in blast_lines:
    (transcript,swissProt,identity) = parse_blast(blast_line=line)
    transcript_to_protein[transcript] = swissProt

def parse_matrix(matrix_line):
    matrixFields = matrix_line.rstrip("\n").split("\t")
    matrixFields[0] = matrixFields[0].upper()
    protein = matrixFields[0]
    if matrixFields[0] in transcript_to_protein:
            protein = transcript_to_protein.get(transcript)
            matrixFields[0] = protein
    return(tuple(matrixFields))

def tuple_to_tab_sep(one_tuple):
    tab = "\t"
    return tab.join(one_tuple)

matrix = open("/scratch/RNASeq/diffExpr.P1e-3_C2.matrix")

newline = "\n"

list_of_de_tuples = map(parse_matrix,matrix.readlines())

list_of_tab_sep_lines = map(tuple_to_tab_sep, list_of_de_tuples)
print(newline.join(list_of_tab_sep_lines))

Answer 1

首先出现parse_blast()中的错误 - 它没有返回元组(transcript,swissProt,identity)，而是返回(transcript,base,identity)和base不包含遗漏的信息。

<强>更新

其次，parse_matrix()中还有一个错误。从文件中读取的第一个字段没有丢失的信息，但它在matrixFields[0]字典中transcript_to_protein时返回的元组中放置的内容。

只要修好一个就不会自己解决问题。

Answer 2

似乎问题可能出在parseblast函数中。对于行

c1000_g1_i1|m.799   gi|48474761|sp|O94288.1|NOC3_SCHPO  100.00  747 0   0   5   751 1   747 0.0  1506

subjectIdString = fields[1]

所以subjectIdString将是gi | 48474761 | sp | O94288.1 | NOC3_SCHPO

然后

swissProt = subjectIds[3]

swissProt将是O94288.1，该函数进一步拆分，使用。在线

base = swissProt.split(".")[0]

最终结果是swissprot将是094288而不是| O94288.1，这似乎是你所期待的。我建议在单行输入上测试该功能，直到获得所需的输出

Answer 3

错误发生在我的字典调用中，因为我想将matrixFields [0]与字典中的成绩单进行匹配，我试图使用if matrixFields[0] in transcript_to_protein:搜索字典，而是需要分配字段

trasncript = matrixfields[0]
if transcript in transcript_to_protein:
        protein = transcript_to_protein.get(transcript)

在创建元组时迭代字典

3 个答案: