Python 使用从第一列派生的关系从两列文件的第二列构造边列表

我有一个问题，我有一个文件，上面有几百万行这样排列：

1    Protein_A
1    Protein_B
2    Protein_A 
3    Protein_C
4    Protein_A
4    Protein_B
4    Protein_C
4    Protein_D
5    Protein_C
5    Protein_D

其中第1列表示相互作用途径，第2列表示蛋白质的ID。有人能推荐一种有效的方法吗？我可以将其分类为每个网络中仅包含（非互惠）相互作用的边缘列表，例如：

1    Protein_A,Protein_B
4    Protein_A,Protein_B
4    Protein_A,Protein_C
4    Protein_A,Protein_D
4    Protein_B,Protein_C
5    Protein_C,Protein_D
5    Protein_C,Protein_D

或者告诉我在哪里可以找到这些数据

我尝试了一个shell脚本，它缓慢地遍历文件并删除文件末尾的新行，结果如下：

1    Protein_A    1    Protein_B

这可以被加工成一个边缘，但是如果一个网络中有两个以上的蛋白质，这就不起作用了。我画的是空白。有人能帮忙吗

---

提前谢谢。

使用python和一些智能模块相当简单。我已将文件内容嵌入到字符串中。只需替换为

data=open（“input.txt”）

即可从文件中读取（也可读取）

我创建了一个以数字为键的字典，并将与数字匹配的蛋白质列表作为值

构建完成后，我使用大小为2的

itertools.compositions

生成列表，同时打印密钥

import re
import collections,itertools

data="""1    Protein_A
1    Protein_B
2    Protein_A
3    Protein_C
4    Protein_A
4    Protein_B
4    Protein_C
4    Protein_D
5    Protein_C
5    Protein_D""".split("\n")

d = collections.defaultdict(lambda : list())

for l in data:
    fields = re.split("\s+",l.strip())
    d[int(fields[0])].append(fields[1])

for k,v in d.items():
    for a,b in itertools.combinations(v,2):
        print(k,a,b)

结果:

(1, 'Protein_A', 'Protein_B')
(4, 'Protein_A', 'Protein_B')
(4, 'Protein_A', 'Protein_C')
(4, 'Protein_A', 'Protein_D')
(4, 'Protein_B', 'Protein_C')
(4, 'Protein_B', 'Protein_D')
(4, 'Protein_C', 'Protein_D')
(5, 'Protein_C', 'Protein_D')