Python 优化问题：使用文件1中的字典转换文件2

我正在尝试转换文件1（如果有生物信息学家经过，则为gtf文件），其行如下：

1 X外显子1 300000 1000-。基因识别号“Z.633”；抄本“Z.633.mrna1”；外显子_编号“1”；
1份成绩单1 300000 1000-。基因识别号“Z.633”；抄本“Z.633.mrna1”；
1个外显子300005 300500 1000-。基因识别号“Y.6330”；成绩单编号“Y.6330.mrna1”；外显子_编号“2”；
1个外显子300500 310000 1000+。基因识别号“Y.6330”；成绩单编号“Y.6330.mrna1”；外显子_编号“1”；
1份成绩单30005310000 1000+。基因识别号“Y.6330”；成绩单编号“Y.6330.mrna1”；

将所有“Z”替换为“F”和其他对应项的文件。所有对应项都在我用作字典的文件2中，第1列是键，第2列是值

示例文件2：

Z.633 F.633
Y.6330 U.6330

示例结果：

1 X外显子1 300000 1000-。基因识别号“F.633”；转录本“F.633.mrna1”；外显子_编号“1”；
1份成绩单1 300000 1000-。基因识别号“F.633”；转录本“F.633.mrna1”；
1个外显子300005 300500 1000-。基因识别号“U.6330”；成绩单“U.6330.mrna1”；外显子_编号“2”；
1个外显子300500 310000 1000+。基因识别号“U.6330”；成绩单“U.6330.mrna1”；外显子_编号“1”；
1份成绩单30005310000 1000+。基因识别号“U.6330”；成绩单“U.6330.mrna1”；

file1大约有200000行，file2有20000行

为此，我使用了一个awk脚本：

NR == FNR {
  rep[ $2 ] = $1 
  next
} 

{
  for (key in rep)
    gsub(key, rep[key])
  print
}

然后：

awk-f dict.awk file2 file1>newfile

我的问题是脚本实际上运行了几天。。。我有什么办法可以改进吗？ 有没有更适合这个问题的编程语言？（我尝试了python，但运行时间更糟）

（使用的python脚本：）

---

我可以告诉你，这并不是字典部分需要这么长时间，因为我用一个较小的文件1测试了它，它运行得很快…

假设每个记录只有一个

gene\u id

要替换，它总是可以在第10列找到，就像在你的示例文件中一样，你可以找到它并调用

gsub

一次，而不是每个记录调用20K函数

> cat tst.awk
NR==FNR {
  r[$1] = $2
  next
}

{
  x = $10
  gsub(/"|;/, "", x)   
  gsub(x, r[x])
  print
}

---

---

假设每个记录只有一个要替换的

gene\u id

，它总是可以在第10列找到，就像在示例文件中一样，您可以找到它并调用

gsub

一次，而不是每个记录调用20K函数

> cat tst.awk
NR==FNR {
  r[$1] = $2
  next
}

{
  x = $10
  gsub(/"|;/, "", x)   
  gsub(x, r[x])
  print
}

---

awk -f tst.awk file2 file1