23

我有两个制表符分隔的文件,我需要针对另一个文件中的所有行测试第一个文件中的每一行。例如,

文件1:

row1    c1    36    345   A
row2    c3    36    9949  B
row3    c4    36    858   C

文件2:

row1    c1    3455  3800
row2    c3    6784  7843
row3    c3    10564 99302
row4    c5    1405  1563

假设我想输出 (file1) 中的所有行,其中 file1 的 col[3] 小于 file2 的任何(不是每个)col[2],因为 col[1] 是相同的。

预期输出:

row1    c1    36    345   A
row2    c3    36    9949  B

由于我在 Ubuntu 中工作,我希望输入命令如下所示:
python code.py [file1] [file2] > [output]

我写了以下代码:

import sys

filename1 = sys.argv[1]
filename2 = sys.argv[2]

file1 = open(filename1, 'r')
file2 = open(filename2, 'r')

done = False

for x in file1.readlines():
    col = x.strip().split()
    for y in file2.readlines():
        col2 = y.strip().split()
        if col[1] == col2[1] and col[3] < col2[2]:
            done = True
            break
        else: continue
print x

但是,输出如下所示:

row2    c3    36    9949  B

这对于较大的数据集很明显,但基本上我总是只得到嵌套循环中条件为真的最后一行。我怀疑“休息”正在让我摆脱两个循环。我想知道(1)如何只跳出一个 for 循环,以及(2)如果这是我在这里遇到的唯一问题。

4

2 回答 2

35

breakcontinue应用于最里面的循环。

问题是您只打开第二个文件一次,因此它只被读取一次。第二次执行for y in file2.readlines():时,file2.readlines()返回一个空的可迭代对象。

要么移动file2 = open(filename2, 'r')到外循环,要么使用seek()倒回到file2.

于 2013-09-01T07:57:53.020 回答
4

您需要将数字字符串解析为其对应的整数值。

您可以int('hoge')如下使用。

import sys

filename1 = sys.argv[1]
filename2 = sys.argv[2]

with open(filename1) as file1:
    for x in file1:
        with open(filename2) as file2:
            col = x.strip().split()
            for y in file2:
                col2 = y.strip().split()
                if col[1] == col2[1] and int(col[3]) < int(col2[2]):
                    print x
于 2013-09-01T08:48:47.347 回答