Привет У меня есть два CSV файла в качестве входных данных, например:
AK163828 chr5 s1 + e1 cttt 4
AK163828 chr5 s2 + e2 gtca 4
AK168688 chr6 s3 + e3 ggcg 4
AK168688 chr6 s4 + e4 tctg 4
chr6s3+e3 ggcg
chr5s1+e1 cttt
chr6s4+e4 tata
chr5s2+e2 ggcg
#as you can see the file2 is randomly sorted
Я хочу сравнить столбец 1 файла2 со столбцом 2, 3, 4, 5, объединенным с файлом 1 и в то же время столбцом 2 файла2 со столбцом 6 файла 1 и выбрать только соответствующие строки.
chr6s3+e3 ggcg
chr5s1+e1 cttt
Я попытался использовать этот код:
import csv
reader1 = csv.reader(open(file1), dialect='excel-tab' )
reader2 = csv.reader(open(file2), dialect='excel-tab' )
for row1, row2 in zip(reader1,reader2):
F1 = row1[1] + row1[2] + row1[3] + row1[4] + '\t' row1[5]
F2 = row2[0] + '\t' + row2[1]
print set(F1) & set(F2)
Но это не сработает. Можете ли вы помочь мне исправить мой код или дать мне другой способ сделать это? Спасибо за вашу помощь!
Быстрая и грязная:
import csv
file1 = 'C:/Users/Me/Desktop/file1'
file2 = 'C:/Users/Me/Desktop/file2'
reader1 = csv.reader(open(file1))
reader2 = csv.reader(open(file2))
F1 = set(''.join(row1[0].strip().split()[1:6]) for row1 in reader1)
F2 = set(''.join(row2[0].strip().split()) for row2 in reader2)
for sequence in F1.intersection(F2):
print(sequence[:-4]),
print('\t'),
print(sequence[-4:])
Вывод:
chr6s3+e3 ggcg
chr5s1+e1 cttt
Как насчет этого:
import csv
reader1 = csv.reader(open('file1.tsv'), dialect='excel-tab' )
reader2 = csv.reader(open('file2.tsv'), dialect='excel-tab' )
keys = set()
for row in reader1:
keys.add((''.join(row[1:5]), row[5]))
for row in reader2:
if (row[0], row[1]) in keys:
print '\t'.join(row)
Кстати: формат, который вы используете (dialect='excel-tab'
), обычно называется TSV, а не CSV, хотя это вариант CSV. Вы также должны убедиться, что ваши значения разделены вкладками, а не пробелами, например, в вашем сообщении. Я думаю, что они есть, и у вас есть только пробелы из-за проблем с форматированием стека?
reader1 = csv.reader(open('file1.tsv'), delimiter=' ')