我试图找到两个文件中存在的公共(public) ID,并将结果打印到一个新文件中,并附加与这些 ID 对应的附加行。我该怎么做?
输入文件1.txt
F775_23607 EMT15298 GO:0003674 molecular_function PF08268 345
F775_00510 EMT20601 GO:0005515 protein binding PF08268 456
F775_00510 EMT23774 GO:0003674 molecular_function PF00646 134
F775_00510 EMT23774 GO:0005515 protein binding PF03106 888
F775_23182 EMT33502 GO:0003677 DNA binding PF03106 789
输入文件2.txt
contig15 EMT15298 95.27 148
contig18 EMT04099 97.95 293
contig18 EMT20601 92.83 293
contig18 EMT23062 93.17 293
所需的输出文件(我希望能够决定打印哪些行,哪些不打印)
EMT15298 GO:0003674 molecular_function PF08268
EMT20601 GO:0005515 protein binding PF08268
我的脚本(基本上只打印公共(public)的列)
fileA = open("file1.txt",'r')
fileB = open("file2.txt",'r')
output = open("results.txt",'w')
fileA.next()
setA = set()
for line1 in fileA:
listA = line1.split('\t')
setA.add(listA[1])
setB = set()
for line1 in fileB:
listB = line1.split('\t')
setB.add(listB[1])
for key in setA & setB:
output.writelines(key+'\n')
请您参考如下方法:
由于您的第一个文本文件包含输出的所有“字段”,我们可以稍微减少逻辑和步骤数。
首先我们打开两个输入文件并将它们读入列表:
with open('file1.txt', 'r') as a, open('file2.txt','r') as b:
fileA = [l.rstrip('\n').split('\t')[1:5] for l in a.readlines()]
fileB = [l.rstrip('\n').split('\t')[1:] for l in b.readlines()]
现在我们有两个列表,fileA 和 fileB。您会注意到它们两个上的切片符号。由于 fileA 具有您希望输出的所有值,它现在已准备就绪,因此只需要针对第二个列表进行过滤。我还从两个列表中删除了第一项,以便我们可以使用 EMT... 值进行比较。
现在我们可以检查 fileB 是否包含(不是全部)fileA 并将匹配项写入结果文件:
with open('results.txt','w') as o:
for line in fileA:
if any(line[0] in l for l in fileB):
o.write('%s\n' % '\t'.join(line))
results.txt 再次以制表符分隔并带有相应的匹配项:
EMT15298 GO:0003674 molecular_function PF08268
EMT20601 GO:0005515 protein binding PF08268
