Python 按几列对“唯一”排序，然后合并不匹配列中的值

考虑包含遗传变异的bed文件：

CHR开始停止RSID参考/ALT表型PVALUE
1 987654321 987654322 rs123456 A/T高度6E-9
1 987654321 987654322 rs123456 A/T冲程8E-15 我想按前5列对unique进行排序，然后合并具有唯一值的列中的内容：

示例输出：

CHR开始停止RSID参考/ALT表型PVALUE
1 987654321 987654322 rs123456 A/T高度，行程6E-9,8E-15 这在Python或Unix中可能吗？还是我需要写剧本

如果可以在Python或Unix中使用，那么什么函数允许我这样做

---

这个问题已经解决了，但从未解决。

Python 在Python中，可以使用和使用自定义lambda函数

lambda x:'，'。join（x）

将熊猫作为pd导入
从io导入StringIO
text=''CHR开始停止RSID REF/ALT表型PVALUE
1 987654321 987654322 rs123456 A/T高度6E-9
1 987654321 987654322 rs123456 A/T冲程8E-15''
df=pd.read_csv（StringIO（text），sep=''，dtype={'PVALUE'：str}）
打印（df）
CHR开始停止RSID参考/ALT表型PVALUE
0 1 987654321 987654322 rs123456 A/T高度6E-9
1 987654321 987654322 rs123456 A/T冲程8E-15
df_res=（df.groupby（['CHR'，'START'，'STOP'，'RSID'，'REF/ALT']））
.agg（{'ephentice'：lambda x:'，'.join（x），
“PVALUE”：lambda x:'，'。连接（x）}）
.reset_index（））
打印（df_res）
CHR开始停止RSID参考/ALT表型PVALUE
0 1 987654321 987654322 rs123456 A/T高度，行程6E-9,8E-15

用于按所需顺序对df_res进行排序。

Python

import pandas as pd
data = pd.read_csv('file_name.txt',dtype={'PVALUE':'object'}, sep = ' ' )
PVALUE = data.groupby(['CHR', 'START', 'STOP', 'RSID', 'REF/ALT'])['PVALUE'].apply(','.join).reset_index()['PVALUE']
data = data.groupby(['CHR', 'START', 'STOP', 'RSID', 'REF/ALT'])['PHENOTYPE'].apply(','.join).reset_index()
data['PVALUE'] = PVALUE
print(data)

在Python中，可以使用和使用自定义lambda函数

lambda x:'，'。join（x）

将熊猫作为pd导入
从io导入StringIO
text=''CHR开始停止RSID REF/ALT表型PVALUE
1 987654321 987654322 rs123456 A/T高度6E-9
1 987654321 987654322 rs123456 A/T冲程8E-15''
df=pd.read_csv（StringIO（text），sep=''，dtype={'PVALUE'：str}）
打印（df）
CHR开始停止RSID参考/ALT表型PVALUE
0 1 987654321 987654322 rs123456 A/T高度6E-9
1 987654321 987654322 rs123456 A/T冲程8E-15
df_res=（df.groupby（['CHR'，'START'，'STOP'，'RSID'，'REF/ALT']））
.agg（{'ephentice'：lambda x:'，'.join（x），
“PVALUE”：lambda x:'，'。连接（x）}）
.reset_index（））
打印（df_res）
CHR开始停止RSID参考/ALT表型PVALUE
0 1 987654321 987654322 rs123456 A/T高度，行程6E-9,8E-15

用于按所需顺序对df_res进行排序

import pandas as pd
data = pd.read_csv('file_name.txt',dtype={'PVALUE':'object'}, sep = ' ' )
PVALUE = data.groupby(['CHR', 'START', 'STOP', 'RSID', 'REF/ALT'])['PVALUE'].apply(','.join).reset_index()['PVALUE']
data = data.groupby(['CHR', 'START', 'STOP', 'RSID', 'REF/ALT'])['PHENOTYPE'].apply(','.join).reset_index()
data['PVALUE'] = PVALUE
print(data)

---

下面是实现这一点的一般python方法：

from collections import defaultdict

# Open both files for reading and writing
with open("input.txt") as fin, open("output.txt", mode="w") as fout:
    grouped_columns = defaultdict(list)

    # Extract headers
    headers = next(fin)

    # Collect grouped columns in defaultdict, using first 5 columns as the key
    for line in fin:
        line = line.strip().split()
        grouped_columns[tuple(line[:5])].append(line[5:])

    # Write out result from dictionary
    fout.write(headers)
    for key, value in grouped_columns.items():
        fout.write(
            "%s %s"
            % (
                " ".join(key),
                " ".join("%s,%s" % (ptype, pval) for ptype, pval in zip(*value)),
            ) 
        )

output.txt

CHR START STOP RSID REF/ALT PHENOTYPE PVALUE
1 987654321 987654322 rs123456 A/T Height,Stroke 6E-9,8E-15

---

下面是实现这一点的一般python方法：

from collections import defaultdict

# Open both files for reading and writing
with open("input.txt") as fin, open("output.txt", mode="w") as fout:
    grouped_columns = defaultdict(list)

    # Extract headers
    headers = next(fin)

    # Collect grouped columns in defaultdict, using first 5 columns as the key
    for line in fin:
        line = line.strip().split()
        grouped_columns[tuple(line[:5])].append(line[5:])

    # Write out result from dictionary
    fout.write(headers)
    for key, value in grouped_columns.items():
        fout.write(
            "%s %s"
            % (
                " ".join(key),
                " ".join("%s,%s" % (ptype, pval) for ptype, pval in zip(*value)),
            ) 
        )

output.txt

CHR START STOP RSID REF/ALT PHENOTYPE PVALUE
1 987654321 987654322 rs123456 A/T Height,Stroke 6E-9,8E-15