我有一个大文本文件，例如小例子：
小例子：
chr1 10385347 10385379 11 chr1 10000000 11000000
chr1 10385348 10385379 40 chr1 10000000 11000000
chr1 10385348 10385379 40 chr1 10000000 11000000
chr1 10385348 10385379 381 chr1 10000000 11000000
chr1 10561009 10561040 12 chr1 10000000 11000000
chr1 10561009 10561040 24 chr1 10000000 11000000
chr1 10647768 10647799 68 chr1 10000000 11000000
chr1 10958095 10958126 17 chr1 10000000 11000000
chr1 11196862 11196893 39 chr1 11000000 12000000
chr1 11921548 11921579 56 chr1 11000000 12000000
chr1 13967589 13967620 111 chr1 13000000 14000000
chr1 15290638 15290669 11 chr1 15000000 16000000
chr1 15587268 15587299 32 chr1 15000000 16000000
chr1 15587268 15587299 13 chr1 15000000 16000000
我想计算第6列和第7列相同的行数。然后创建一个新文件，其中包含4 columns，“ column5”，“ column6”，“ column7”在内的count。
这个小例子的输出看起来像这样：
预期输出：
chr1 10000000 11000000 8
chr1 11000000 12000000 2
chr1 13000000 14000000 1
chr1 15000000 16000000 3
我正在尝试在python中这样做，并编写了以下代码：
file = open('infile.txt', 'rb')
line = []
for i in file:
line.append(i.split())
count = 0
new_list = []
for j in range(len(line)):
if line[j] == line[j-i]:
count+=1
new_list.append(count)
with open(outfile, "w") as f:
for item in new_list:
f.write("%s\n" % item)
，但不会返回我期望的输出。你知道如何解决吗？
答案 0 :(得分：2)
Python之所以出名是因为不必编写这样的整体代码。也许，如果将其拆分为多个函数调用，将更易于阅读和调试。
只是没有代码的提示：
答案 1 :(得分：1)
不是答案，但是它将帮助您顺利通过。用分隔符读取文件中的每一行，在您的情况下为2个空格。拆分每一行，并分别获取第5、6部分，并将它们组合起来，使其成为字典和值的键，并将其设为1。对文件中的每一行进行迭代，生成键，每次找到键时将其递增1。我假设col-1对于所有行都是相同的。否则，还请在密钥中包含col-1。
您可以对文件中的每一行执行以下操作，并在读取所有行的末尾获得统计信息。
import re
s="chr1 10385347 10385379 11 chr1 10000000 11000000"
re.sub(' +',' ',s)
res={}
s=re.sub(' +',' ',s)
res[s.split(" ")[5]+"-"+s.split(" ")[6]]=1
答案 2 :(得分：0)
这是我为您解决问题的解决方案。其他人可以发表评论，看看有没有更有效的方法。
result = []
with open('infile.txt', 'rb') as infile:
text = infile.read()
for line in text.splitlines():
fields = line.split()
if any(x['6th'] == fields[5] and x['7th'] == fields[6] for x in result):
for x in result:
if x['6th'] == fields[5] and x['7th'] == fields[6]:
x['counter'] += 1
break
else:
result.append({
'5th': fields[4],
'6th': fields[5],
'7th': fields[6],
'counter': 1
})
with open('outfile.txt', 'w') as outfile:
for x in result:
outfile.write('{} {} {} {}\n'.format(
x['5th'],
x['6th'],
x['7th'],
x['counter']
))
由于我不知道您项目的上下文和值的含义，因此我只放置了5th，6th和7th之类的虚拟名称。
答案 3 :(得分：-1)
您可能要考虑的一种方法是将文本文件加载为Pandas数据框，然后使用库函数从那里开始工作。需要注意的是，这种方法在处理非常大的数据集时会很慢。
您将需要导入的Pandas和Numpy库
using UnityEngine;
using UnityEngine.Networking;
public class EnemySpawner : NetworkBehaviour
{
public GameObject enemyPrefab;
public int numberOfEnemies;
public override void OnStartServer()
{
for (int i = 0; i < numberOfEnemies; i++)
{
var spawnPosition = new Vector3(
Random.Range(-5.0f, 5.0f),
0.0f,
Random.Range(-5.0f, 5.0f));
var spawnRotation = Quaternion.Euler(
0.0f,
Random.Range(0, 180),
0.0f);
var enemy = (GameObject)Instantiate(enemyPrefab, spawnPosition, spawnRotation);
NetworkServer.Spawn(enemy);
}
}
}
接下来，您可以将数据作为数据框导入。
import numpy as np
import pandas as pd
哪个生成以下数据帧：
#Passing `names = ['column1','etc']` as an argument lets us define the headers to be used for each column
#As the name suggests, `delim_whitespace=True` makes whitespace the delimiter.
df = pd.read_csv('filename.txt',names=['column1','column2','column3','column4','column5','column6','column7'], delim_whitespace=True)
设置数据框后，我们现在可以使用Pandas函数来帮助操纵数据框。
要创建一个新的数据帧，其中包含重复的第5,6和7行的计数，您可以使用以下内容（我假设您在第5行中除了'chr1'以外还有其他值，所以也许我们想在计算重复项时包括该行吗？）：
column1 column2 column3 column4 column5 column6 column7
0 chr1 10385347 10385379 11 chr1 10000000 11000000
1 chr1 10385348 10385379 40 chr1 10000000 11000000
2 chr1 10385348 10385379 40 chr1 10000000 11000000
3 chr1 10385348 10385379 381 chr1 10000000 11000000
4 chr1 10561009 10561040 12 chr1 10000000 11000000
5 chr1 10561009 10561040 24 chr1 10000000 11000000
6 chr1 10647768 10647799 68 chr1 10000000 11000000
7 chr1 10958095 10958126 17 chr1 10000000 11000000
8 chr1 11196862 11196893 39 chr1 11000000 12000000
9 chr1 11921548 11921579 56 chr1 11000000 12000000
10 chr1 13967589 13967620 111 chr1 13000000 14000000
11 chr1 15290638 15290669 11 chr1 15000000 16000000
12 chr1 15587268 15587299 32 chr1 15000000 16000000
13 chr1 15587268 15587299 13 chr1 15000000 16000000
这给了我 dfnew ：
#groupby(['column5','column6','column7']) means that we're looking for duplicates across columns 5,6,7 and grouping them together
#.size() returns the number of duplicates aka the size of each group
#.reset_index().rename(columns={0:'count'}) is just giving the new column of duplicate numbers a header 'count'
dfnew = df.groupby(['column5','column6','column7']).size().reset_index().rename(columns={0:'count'})
有了这个新的数据框，用数据生成文件很简单。
column5 column6 column7 count
0 chr1 10000000 11000000 8
1 chr1 11000000 12000000 2
2 chr1 13000000 14000000 1
3 chr1 15000000 16000000 3
最终文件如下：
#The argument sep=' ' indicates that one space is used as a delimiter for the file
#The argument index=False omits the row indexes when writing to the file
df3.to_csv('newfile.txt',sep=' ',index=False)
我希望这会有所帮助！
使用的参考文献：
答案 4 :(得分：-1)
进口大熊猫
url =“将csv文件放在此处”
names = ['preg'，'plas'，'pres'，'skin'，'test'，'mass'，'pedi'，'age'，'class']
数据= pandas.read_csv（URL，名称=名称）
描述= data.describe（）
打印（说明）