1

我整天都在尝试完成这项任务，我真的很想学习如何使用 Python 来完成它。我想获取两个制表符分隔的文件，一个只有一个 ID，另一个具有相同的 ID 和一些描述。我可以使用 unix join 轻松地在共享 ID 字段上合并这些文件，但为此我需要对两者进行排序，并且我想保持第一个文件的顺序。

我在下面尝试了一些代码，我的方法是尝试将东西添加到元组中，据我了解，它们会在您添加时保持顺序。我还没有能够得到任何工作。任何人都可以帮忙吗？

示例文件：

file1 ->
111889
1437390
123
27998
2525778
12
1345

file2 ->
2525778'\t'item778
1345'\t'item110
123'\t'item1000
12'\t'item8889
111889'\t'item1111
1437390'\t'item222
27998'\t'item12

output ->
111889'\t'item1111
1437390'\t'item222
123'\t'item1000
27998'\t'item12
2525778'\t'item778
12'\t'item8889
1345'\t'item110

这是我到目前为止所拥有的：

import sys

add_list = ()

with open(sys.argv[1], 'rb') as file1, open(sys.argv[2], 'rb') as file2:
        for line2 in file2:
                f1, f2, f3 = line2.split('\t')
                #print f1, f2, f3
                for row in file1:
                        #print row
                        if row != f1:
                                break
                        else:
                                add_list.append(f1,f2,'\n')
                                break
4

3 回答 3

3

关键是使用 Python字典，它们非常适合这项任务……</p>

这是一个完整的答案：

import sys

# Each id is mapped to its item name
# (split() splits at whitespaces (including tabulation and newline), with no empty output strings):
items = dict(line.split() for line in open(sys.argv[2]))  # Inspired by mgilson's answer

with open(sys.argv[1]) as ids:
    for line in ids:
        id = line.rstrip()  # newline removed
        print '{}\t{}'.format(id, items[id])

结果如下：

% python out.py file1.txt file2.txt
111889  item1111
1437390 item222
123     item1000
27998   item12
2525778 item778
12      item8889
1345    item110

PS：请注意，我没有以rb模式打开文件，因为这里不需要保留原始换行字节，因为我们摆脱了尾随换行符。

于 2013-10-08T06:16:31.507 回答
1

我将创建一个字典，将 ID 映射到第二个文件中的字段值：

with open('file2') as fin:
   d = dict(x.split(None, 1) for x in fin)

然后我会使用第一个文件从字典中按顺序构造输出：

with open('file1') as fin, open('output', 'w') as fout:
    for line in fin:
        key = line.strip()
        fout.write('{key}\t{value}\n'.format(key=key, value=d[key])
于 2013-10-08T06:18:47.330 回答
0 
out = {}
with open(sys.argv[1], 'rb') as file1, open(sys.argv[2], 'rb') as file2:
    d2 = {}
    for line in file2:
        (key, val) = line.split('\t')
        d2[key] = val
    lines = file1.readlines()
    out = { x:d2[x] for x in lines }

我不确定你的排序依据。

于 2013-10-08T06:19:52.820 回答