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。