1

我在制表符分隔的床文件中有一组原始的基因组坐标（chrom、start、end）。我还有额外的制表符分隔的床文件，其中包含一些原始基因组坐标以及与这些坐标中的每一个相关的数值。这些坐标可以在床文件中多次显示，每次都具有不同的数值。我需要一个最终的床文件，其中包含每个原始基因组坐标以及与该特定坐标相关联的所有值的总和。我正在使用的文件示例如下。

原始文件：

chr1    2100    2300

chr2    3300    3600

chr1    2560    2800

其他床档：

chr1    2100    2300    6

chr2    3300    3600    56

chr1    2100    2300    10

需要的输出文件：

chr1    2100    2300    16

chr2    3300    3600    56

chr1    2560    2800    0

我需要编写一个 python 脚本来执行此操作，但我不确定最好的方法是什么。

4

2 回答 2

1

这是 Pandas 非常容易做到的事情之一：

import pandas
coordnames = ['Name', 'x', 'y']
f1 = pandas.read_table('file1', delimiter=r' +', 
                       names=coordnames).dropna()
f2 = pandas.read_table('file2', delimiter=r' +', 
                       names=coordnames + ['n']).dropna()
result = (f1.merge(f2, on=coordnames, how='left')
          .groupby(coordnames).sum().fillna(0))
于 2014-04-07T03:18:25.073 回答
0 
def fetch_data(filename1, filename2):
    lines = []
    data = {}
    with open (filename1) as f:
        lines = f.readlines()

    for line in lines:
        if not line.strip():
            continue
        data[' '.join(line.split())] = 0

    with open (filename2) as f:
        lines = f.readlines()

    for line in lines:
        if not line.strip():
            continue
        arr = line.split()
        data[' '.join(arr[:-1])] += int(arr[3])

    return data


with open ('output.txt', 'w') as f:
    for key,value in fetch_data('original.txt','data.txt').iteritems():
        f.write('{0}    {1} \n\n'.format('    '.join(key.split()), str(value)))
于 2014-04-06T21:42:42.667 回答