使用python在文件中添加缺少的行

对于编程和python之类的东西，我是个初学者。 如果这是一个简单的问题，我道歉

但我有一些大型文件，例如包含以下行：

10000     7
20000     1
30000     2
60000     3

10000     7
20000     1
30000     2
40000     0
50000     0
60000     3

我想要的是一个包含“缺失”行的文件，如下所示：

10000     7
20000     1
30000     2
60000     3

10000     7
20000     1
30000     2
40000     0
50000     0
60000     3

这些文件相当大，因为我正在处理全基因组序列数据。第一列基本上是基因组中的一个位置，第二列是我在10kb窗口中发现的SNP数量。但是，我认为这些信息甚至都不相关，我只想编写一个简单的python代码，通过使用if-else语句将这些行添加到文件中

---

因此，如果位置与前一行+10000的位置不匹配，则写入“缺失行”，否则写入正常发生的行

我只是预见了其中的一个问题，即当一行中有几行丢失时（如我的示例中所示）。 对于这个简单的问题，有人有聪明的解决方案吗

---

非常感谢

我建议一个大致如下的计划。你可以跟踪你最后看到的基因组位置（我猜，一开始是0）。然后从输入文件中逐个读取行。对于每一行，您首先输出任何缺失的行（从上一个基因组位置+10kb，以10kb的步骤，到您读取的新行之前的10kb），然后输出您刚刚读取的行

换句话说，您缺少的一点是，当“位置与前一行+10000的位置不匹配”时，您应该有一个小循环来生成缺少的输出，而不是仅仅写出一行。（在您真正开始编写代码之前，以下注释可能毫无意义：您实际上不需要测试位置是否匹配；如果您编写正确，您将发现当它匹配您的循环时，不会输出额外的行）

---

出于各种原因，这里的通常做法是不为您编写代码：-），但我希望上面的内容会有所帮助。

我建议按照以下思路编写一个程序。你可以跟踪你最后看到的基因组位置（我猜，一开始是0）。然后从输入文件中逐个读取行。对于每一行，您首先输出任何缺失的行（从上一个基因组位置+10kb，以10kb的步骤，到您读取的新行之前的10kb），然后输出您刚刚读取的行

from collections import defaultdict

d = defaultdict(int)
with open('file1.txt') as infile:
    for l in infile:
        pos, count = l.split()
        d[int(pos)] = int(count)

with open('file2.txt') as outfile:
    for i in range(10000, pos+1, 10000):
        outfile.write('{}\t{}'.format(i, d[i]))

换句话说，您缺少的一点是，当“位置与前一行+10000的位置不匹配”时，您应该有一个小循环来生成缺少的输出，而不是仅仅写出一行。（在您真正开始编写代码之前，以下注释可能毫无意义：您实际上不需要测试位置是否匹配；如果您编写正确，您将发现当它匹配您的循环时，不会输出额外的行）

出于各种原因，这里的通常做法不是为您编写代码：-），但我希望上面的内容会有所帮助

from collections import defaultdict

d = defaultdict(int)
with open('file1.txt') as infile:
    for l in infile:
        pos, count = l.split()
        d[int(pos)] = int(count)

with open('file2.txt') as outfile:
    for i in range(10000, pos+1, 10000):
        outfile.write('{}\t{}'.format(i, d[i]))

这里有一个快速版本。我们将文件读入一个

defaultdict

。当我们稍后访问这些值时，任何没有关联值的键都将获得默认值零。然后我们取

10000

到

pos

范围内的每个数字，其中

pos

是第一个文件中的最后一个位置，以

10000

的步骤进行。我们在

defaultdict

中访问这些值，并将它们写入第二个文件

这里有一个快速版本。我们将文件读入一个

defaultdict

。当我们稍后访问这些值时，任何没有关联值的键都将获得默认值零。然后我们取

10000

到

pos

范围内的每个数字，其中

pos

是第一个文件中的最后一个位置，以

10000

的步骤进行。我们在

defaultdict

中访问这些值，并将它们写入第二个文件

这个怎么样：

# Replace lines.txt with your actual file
with open("lines.txt", "r") as file:
    last_line = 0
    lines = []
    for line in file:
        num1, num2 = [int(i) for i in line.split("\t")]
        while num1 != last_line + 10000:
            # A line is missing
            lines.append((last_line + 10000, 0)) 
            last_line += 10000
        lines.append((num1, num2))
        last_line = num1
    for num1, num2 in lines:
        # You should print to a different file here
        print(num1, num2)

您将把值写入一个新文件，而不是上一个print语句

编辑：我在这个示例上运行了这段代码。输出如下

lines.txt

10000   7
20000   1
30000   2
60000   3

10000 7
20000 1
30000 2
40000 0
50000 0
60000 3

输出

10000   7
20000   1
30000   2
60000   3

10000 7
20000 1
30000 2
40000 0
50000 0
60000 3

这个怎么样：

# Replace lines.txt with your actual file
with open("lines.txt", "r") as file:
    last_line = 0
    lines = []
    for line in file:
        num1, num2 = [int(i) for i in line.split("\t")]
        while num1 != last_line + 10000:
            # A line is missing
            lines.append((last_line + 10000, 0)) 
            last_line += 10000
        lines.append((num1, num2))
        last_line = num1
    for num1, num2 in lines:
        # You should print to a different file here
        print(num1, num2)

您将把值写入一个新文件，而不是上一个print语句

编辑：我在这个示例上运行了这段代码。输出如下

lines.txt

10000   7
20000   1
30000   2
60000   3

10000 7
20000 1
30000 2
40000 0
50000 0
60000 3

输出

10000   7
20000   1
30000   2
60000   3

10000 7
20000 1
30000 2
40000 0
50000 0
60000 3

---

我将使用

defaultdict

，它将使用

0

作为默认值 因此，您将把文件读到此

defaultdict

，然后读取它（手动处理密钥）并将其写回文件

看起来有点像这样

from collections import defaultdict

x = defaultdict(int)
with open(filename) as f:
    data = x.split()
    x[data[0]] = x[data[-1]]

with open(filename, 'w') as f:
    for i in range(0, max(x.keys())+1, 10000):
        f.write('{}\t{}\n'.format(i, x[i]))

---

我将使用

defaultdict

，它将使用

0

作为默认值 因此，您将把文件读到此

defaultdict

，然后读取它（手动处理密钥）并将其写回文件

看起来有点像这样

from collections import defaultdict

x = defaultdict(int)
with open(filename) as f:
    data = x.split()
    x[data[0]] = x[data[-1]]

with open(filename, 'w') as f:
    for i in range(0, max(x.keys())+1, 10000):
        f.write('{}\t{}\n'.format(i, x[i]))

---

为此，您必须编写代码。这很简单。你自己试试看。在过程中您将面临的任何特定问题；你可以随时回来。现在，将第一个文件读入字典，然后将缺少的数字添加到字典中，然后将字典写入一个文件“因此，如果位置与前一行+10000的位置不匹配，则写入‘缺少的行’，否则写入正常发生的行。”，找到要做的事情。谢谢，我知道我可以更努力地想出我自己的简单代码，但第一行对我来说是初学者，也是最难的。。。我不认为这类问题是离题的，因为有很多像我这样的人在编码的开始阶段遇到了麻烦。对不起，如果我的问题很简单，甚至可能是愚蠢的，但我也在幕后尝试。感谢您的快速回复。为此，您必须编写代码