1

我最近一直在学习一些 Python 以及如何将它应用到我的工作中。我已经成功编写了几个脚本，但是我遇到了一个我无法弄清楚的问题。

我正在打开一个包含 ~4000 行的文件，每行有两个制表符分隔的列。读取输入文件时，我收到一个索引错误，指出列表索引超出范围。但是，虽然我每次都收到错误，但它不会每次都发生在同一行（如，它每次都会在不同的行上抛出错误！）。因此，由于某种原因，它通常可以正常工作，但随后（似乎）随机失败。

因为我实际上是上周才开始学习 Python，所以我很难过。我四处寻找同样的问题，但没有发现任何类似的问题。此外，我不知道这是特定于语言还是特定于 IPython 的问题。任何帮助将不胜感激！

input = open("count.txt", "r")
changelist = []
listtosort = []
second = str()

output = open("output.txt", "w")

for each in input:
    splits = each.split("\t")
    changelist = list(splits[0])
    second = int(splits[1])

print second

if changelist[7] == ";":   
    changelist.insert(6, "000")
    va = "".join(changelist) 
    var = va + ("\t") + str(second)
    listtosort.append(var)
    output.write(var)

elif changelist[8] == ";":   
    changelist.insert(6, "00")
    va = "".join(changelist) 
    var = va + ("\t") + str(second)
    listtosort.append(var)
    output.write(var)

elif changelist[9] == ";":   
    changelist.insert(6, "0")
    va = "".join(changelist) 
    var = va + ("\t") + str(second)
    listtosort.append(var)
    output.write(var)

else:
    #output.write(str("".join(changelist)))
    va = "".join(changelist)
    var = va + ("\t") + str(second)
    listtosort.append(var)
    output.write(var)

output.close()

错误

---------------------------------------------------------------------------
IndexError                                Traceback (most recent call last)
/home/a/Desktop/sharedfolder/ipytest/individ.ins.count.test/<ipython-input-87-32f9b0a1951b> in <module>()
     57     splits = each.split("\t")
     58     changelist = list(splits[0])
---> 59     second = int(splits[1])
     60 
     61     print second

IndexError: list index out of range

输入：

ID=cds0;Name=NP_414542.1;Parent=gene0;Dbxref=ASAP:ABE-0000006,UniProtKB%2FSwiss-Prot:P0AD86,Genbank:NP_414542.1,EcoGene:EG11277,GeneID:944742;gbkey=CDS;product=thr 12
ID=cds1000;Name=NP_415538.1;Parent=gene1035;Dbxref=ASAP:ABE-0003451,UniProtKB%2FSwiss-Prot:P31545,Genbank:NP_415538.1,EcoGene:EG11735,GeneID:946500;gbkey=CDS;product=deferrrochelatase%2C  50
ID=cds1001;Name=NP_415539.1;Parent=gene1036;Note=PhoB-dependent%2C  36

期望的输出：

ID=cds0000;Name=NP_414542.1;Parent=gene0;Dbxref=ASAP:ABE-0000006,UniProtKB%2FSwiss-Prot:P0AD86,Genbank:NP_414542.1,EcoGene:EG11277,GeneID:944742;gbkey=CDS;product=thr  12
ID=cds1000;Name=NP_415538.1;Parent=gene1035;Dbxref=ASAP:ABE-0003451,UniProtKB%2FSwiss-Prot:P31545,Genbank:NP_415538.1,EcoGene:EG11735,GeneID:946500;gbkey=CDS;product=deferrrochelatase%2C  50
ID=cds1001;Name=NP_415539.1;Parent=gene1036;Note=PhoB-dependent%2C  36
4

2 回答 2

0

当 count.txt 中有一行不包含制表符时，就会发生这种情况。因此，当您按制表符拆分时，不会有任何splits[1]. 因此出现错误“索引超出范围”。

要知道是哪一行导致了错误，只需在第 57 行中添加一个print(each)after 。错误消息之前打印的行是您的罪魁祸首。splits如果您的输入文件不断变化，那么您将获得不同的位置。更改您的脚本以处理此类格式错误的行。

于 2014-02-10T13:32:00.630 回答
0

你得到的原因IndexError是你的输入文件显然不是完全用制表符分隔的。这就是为什么splits[1]当您尝试访问它时什么都没有。

您的代码可以使用一些重构。首先，您使用if-checks 重复自己，这是不必要的。这只是填充cds07 个字符，这可能不是您想要的。我将以下内容放在一起，以演示如何将代码重构为更加 Pythonic 和枯燥。我不能保证它会与您的数据集一起使用，但我希望它可以帮助您了解如何以不同的方式做事。

    to_sort = []
    # We can open two files using the with statement. This will also handle 
    # closing the files for us, when we exit the block.
    with open("count.txt", "r") as inp, open("output.txt", "w") as out:
        for each in inp:
           # Split at ';'... So you won't have to worry about whether or not
           # the file is tab delimited
           changed = each.split(";")

           # Get the value you want. This is called unpacking.
           # The value before '=' will always be 'ID', so we don't really care about it.
           # _ is generally used as a variable name when the value is discarded.
           _, value = changed[0].split("=")

           # 0-pad the desired value to 7 characters. Python string formatting
           # makes this very easy. This will replace the current value in the list.
           changed[0] = "ID={:0<7}".format(value)

           # Join the changed-list with the original separator and
           # and append it to the sort list.
           to_sort.append(";".join(changed))

       # Write the results to the file all at once. Your test data already
       # provided the newlines, you can just write it out as it is.
       output.writelines(to_sort)

       # Do what else you need to do. Maybe to_list.sort()?

您会注意到，这段代码将您的代码减少到 8 行，但实现了完全相同的效果，不会重复本身并且很容易理解。

请阅读PEP8，python 之禅，并通过官方教程。

于 2014-02-10T15:00:54.373 回答