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))
答案 0 :(得分:2)
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>更新强>
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。
答案 1 :(得分:0)
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
答案 2 :(得分:0)
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)