Question

我有这个.seg文件，我需要根据集群号从中提取第3和第4列中的值，例如S0。

;; cluster S0 
khatija-ankle 1 0 184 F S U S0
;; cluster S1 
khatija-ankle 1 407 291 F S U S1
khatija-ankle 1 790 473 F S U S1
khatija-ankle 1 1314 248 F S U S1
khatija-ankle 1 1663 187 F S U S1

到目前为止，这是我的代码：

file1 = open('f1.seg', "w")
file2 = open('f2.seg', "w")

with open('ankle.seg','r') as f:
    for line in f:
        for word in line.split():
            if word == 'S0':
            file1.write(word)
        elif word == 'S1':
            file2.write(word)

如何创建每个群集的文件并在其中写入第3列和第4列？

Answer 1

问题：如何创建每个群集的文件并在其中写入第三列和第四列？

而不是比较单个列值if word == 'S0':，而是检查哪个集群ID具有一行数据的最后一列。

例如：

# Create a list of column values
data = line.rstrip().split()

# Condition: last value in data == cluster id
if data[-1] == 'S0':
    # write to S0 file
    print("file1.write({})".format(data[2:4]))

elif data[-1] == 'S1':
    # write to S1 file
    print("file2.write({})".format(data[2:4]))

输出：

file1.write(['S0'])
file1.write(['0', '184'])
file2.write(['S1'])
file2.write(['407', '291'])
file2.write(['790', '473'])
file2.write(['1314', '248'])
file2.write(['1663', '187'])

使用Python测试：3.4.2

Answer 2

虽然这当然可以在Python中完成，但它很好地说明了为什么awk非常适合斜线浏览文本文件：

#! /usr/bin/awk -f
/^;;/ {
      filename = $3 ".seg"
      next
}

{ print $3, $4 > filename }

输出：

$ tail *.seg
==> S0.seg <==
0 184

==> S1.seg <==
407 291
790 473
1314 248
1663 187

Python：从.seg文件提取数据

2 个答案: