Question

我正在使用python3的linux系统，其中包含遗传学常见的.psl格式的文件。这是一个制表符分隔文件，其中包含一些逗号分隔值的单元格。下面是一个包含.psl某些功能的小示例文件。

input.psl

1 2 3 x read1 8,9, 2001,2002,
1 2 3 mt read2 8,9,10 3001,3002,3003
1 2 3 9 read3 8,9,10,11 4001,4002,4003,4004
1 2 3 9 read4 8,9,10,11 4001,4002,4003,4004

我需要过滤此文件以仅提取感兴趣的区域。在这里，我只提取第四列中值为9的行。

import csv

def read_psl_transcripts():
    psl_transcripts = []
    with open("input.psl") as input_psl:
        csv_reader = csv.reader(input_psl, delimiter='\t')
        for line in input_psl:
        #Extract only rows matching chromosome of interest
        if '9' == line[3]:
            psl_transcripts.append(line)
    return psl_transcripts

然后我需要能够以与制表符分隔的格式打印或写入这些选定的行，这些格式与输入文件的格式相匹配，而不添加其他引号或逗号。我似乎无法使这一部分正确，并且总是添加额外的括号，引号和逗号。以下是使用print（）的尝试。

outF = open("output.psl", "w")
for line in read_psl_transcripts():
    print(str(line).strip('"\''), sep='\t')

非常感谢任何帮助。以下是所需的输出。

1 2 3 9 read3 8,9,10,11 4001,4002,4003,4004
1 2 3 9 read4 8,9,10,11 4001,4002,4003,4004

Answer 1

您可以使用简单的awk语句解决问题。

awk '$4 == 9' input.pls > output.pls

但是使用python你可以像这样解决它：

write_pls = open("output.pls", "w")

with open("input.pls") as file:
    for line in file:
        splitted_line = line.split()
        if splitted_line[3] == '9':
            out_line = '\t'.join(splitted_line)
            write_pls.write(out_line + "\n")

write_pls.close()

Python打印.psl格式，不带引号和逗号

1 个答案: