Skip to main content
 首页 » 编程设计

python之验证前一行是否具有与当前行相同的字符串和另一列的总和值

2025年05月04日22dudu

我想做的是这样的脚本读取当前文件:

chr1,700244,714068,LOC100288069,982 
chr1,1568158,1570027,MMP23A,784 
chr1,1567559,1570030,MMP23A,784 
chr1,1849028,1850740,TMEM52,799 
chr1,2281852,2284100,LOC100129534,934 
chr1,2281852,2284100,LOC100129534,800 
chr1,2460183,2461684,HES5,819 
chr1,2460183,2461684,HES5,850 
chr1,2517898,2522908,FAM213B,834 
chr1,2518188,2522908,FAM213B,834 
chr1,2518188,2522908,FAM213B,834 
chr1,2518188,2522908,FAM213B,834 
chr1,2517898,2522908,FAM213B,834 

如果第 3 列在一行中重复,则对第 4 列的值求和并得出此类总和的平均值。输出应该是:

chr1,700244,714068,LOC100288069,982 
chr1,1568158,1570027,MMP23A,784 
chr1,1849028,1850740,TMEM52,799 
chr1,2281852,2284100,LOC100129534,934 
chr1,2460183,2461684,HES5,834.5 
chr1,2517898,2522908,FAM213B,867 

我试过这个脚本,但它不起作用。谁能给我一些提示?

f1 = open('path', 'r') 
 
reader1 = f1.read() 
 
f3 = open('path/B_Media.txt','wb') 
 
for line1 in f1: 
 
    coluna = line1.split(',') 
    chr = coluna[0] 
    start = coluna[1] 
    end = coluna[2] 
    gene = coluna[3] 
    valor_B = coluna[4] 
    previous_line = current_line 
    current_line = line 
    gene2 = previous_line[3] 
    soma_B2 = previous_line[4] 
    soma_de_B = int(valor_B)+int(soma_B2) 
    if gene == gene2: 
            x += 1 
            media_gene = soma_de_B/x 
            output = chr + "," + start + "," + end + "," + gene + "," +valor_B+","+media_gene 
            f3.write(output) 
            f3.flush() 
            print output 

请您参考如下方法:

因为你需要知道接下来会发生什么(以逐行阅读的方式来说),我会把阅读和写作分成两个不同的部分。

另外,csv -module 可能会派上用场,因为您不必处理任何特殊情况(如文本中的逗号等)并且读/写非常容易。使用 with 打开文件通常是一个好习惯,因为关闭它是自动处理的。

现在写一些代码:-)

from __future__ import division 
import csv 
 
gene = 3 
valor_B = 4 
 
data = [] 
with open('data.csv', 'r') as readfile: 
    reader = csv.reader(readfile) 
    for row in reader: 
        data.append(row) 
 
values_to_add = [] 
with open('B_Media.txt','wb') as writefile: 
    writer = csv.writer(writefile) 
 
    for i in range(len(data)): 
        values_to_add.append(int(data[i][valor_B])) 
        # if last row or row is different from previous, write it 
        if i == len(data)-1 or data[i][gene] != data[i+1][gene]: 
            data[i][valor_B] = sum(values_to_add)/len(values_to_add) 
            writer.writerow(data[i]) 
            values_to_add = [] 

基本上它首先从输入文件中读取所有内容并将其放入data。然后,使用 输出文件,遍历每一行,执行以下操作:

  • 将我们最终将写入的第 4 列的值添加到要写入的值列表中(也许不是现在,但最终)
  • 如果我们遇到的一行不同于前一行或最后一行(我们也需要捕获那一行!),写入输出。如果我们这样做,我们将取到目前为止收集的值列表的平均值(至少 1 个,可能 2 个或更多)。我们使用 sum()/len() 计算平均值,并用我们的新值替换相应的列,然后将其写入输出文件。
  • 如果不是这种情况,什么都不做!第 4 列的值已在第一步中添加到列表中,因此我们可以向前移动一步到下一行。

结果:

chr1,700244,714068,LOC100288069,982.0 
chr1,1567559,1570030,MMP23A,784.0 
chr1,1849028,1850740,TMEM52,799.0 
chr1,2281852,2284100,LOC100129534,867.0 
chr1,2460183,2461684,HES5,834.5 
chr1,2517898,2522908,FAM213B,834.0 

(您可能认识 from __future__ import division 语句,它确保我们在除法时可以使用非整数值,例如 834.5。)