Python 2.7 Python以集合集作为输入运行set.intersection

我正在研究生物数据集，直接从转录组（RNA）到寻找某些蛋白质序列。我对每个数据集都有一组蛋白质名称，并希望找到所有数据集共有的名称。由于数据的处理方式，我最终得到了一个包含所有子集的变量。 由于

set.intersect（）

命令的工作方式，它至少需要两个集合作为输入：

IDs = set.intersection(transc1 & trans2)

但是我只有一个输入，

colA

，它包含30组80到100个条目。以下是我到目前为止的情况：

from glob import glob
for file in glob('*_query.tsv'): #input all 30 datasets, first column with protein IDs
  sources = file
  colnames = ['a', 'b', 'c', 'd', 'e', 'f'] 
  df = pandas.read_csv(sources, sep='\t', names=colnames) #colnames headers for df contruction
  colA = df.a.tolist() #turn column a, protein IDs, into list
  IDs = set(colA) #turn lists into sets

如果I

print（colA）

，则输出如下所示，设置了两个未命名的元素：

set(['ID2', 'ID8', 'ID35', 'ID77', 'ID78', 'ID199', 'ID211'])
set(['ID1', 'ID5', 'ID8', 'ID88', 'ID105', 'ID205'])

在这一点上，我被卡住了。我无法获取

set.intersection（）

使用

IDs

集合。还尝试了

pandas.merge（*id）

，语法似乎对其有效，但用于比较的条目数超过了最大值（12）

我想使用集合，因为与列表不同，它应该能够快速找到所有数据集之间的公共ID。如果有更好的办法，我完全赞成

---

非常感谢您的帮助。

transc1&trans2

与

transc1.crossion（trans2）

相同。从您的代码来看，您的数据看起来不太清楚。这30个输入集是什么样子的（我只看到6列被名称引用）？嗨，dhke，b列到f列在很久以后变得很重要-在这一部分中，只调用a列。每行上的a列都有一个ID。然后该列被转换为一组单独的ID。这是针对每个数据集（转录组）完成的，因此在

colA

中有30组ID，每个ID来自各自的列a。这是同时完成的，因为

glob（'*\u query.tsv'）

部分同时对所有30个源文件执行此操作。正如这里所写的，您将得到包含30个源文件的列a，作为集合，在变量

colA

下的集合中！请你修一下缩进好吗？for循环很容易被忽略，目前还不清楚它在哪里终止。当然可以。感谢您指出这一点。

set.intersection（*IDs）

，但我不确定您是否对两个不同的对象使用了相同的名称

IDs

。在您的代码中，它是来自一个数据集的一组ID，但您的描述似乎提到它是来自所有数据集的所有ID的列表。