Python 比较两个网络边缘列表

我有两个列表-master.txt和它的一个子集child.txt。我想在master.txt中打印child.txt中没有的边

master.txt

A    B
B    C
D    F

child.txt

B    A
C    B
E    F

输出： D-F

我已经编写了一个示例代码

file1 = open("master.txt", "r")
file2 = open("child.txt", "r")
probe_id = file1.readlines()
loc_names = file2.readlines()`
#flag=0
for i in probe_id:
    i=i.rstrip()
    probe_info=i.split("\t")
    probe_info[0]=probe_info[0].strip()
    probe_info[1]=probe_info[1].strip()
    flag=0
    for j in loc_names:
        j=j.strip()
        loc_names=j.split("\t")
        loc_names[0]=loc_names[0].strip()
        loc_names[1]=loc_names[1].strip()  #throwing index out of range error
        if (probe_info[0]==loc_names[0] and probe_info[1]==loc_names[1]) or (probe_info[0]==loc_names[1] and probe_info[1]==loc_names[0]):
            flag=1
        if flag==0:
            print i

---

现在，当我分割较小的文件时，索引超出了范围。请帮忙。此外，如果有任何其他更快的技术做同样的事情，请让我知道。谢谢

如果我正确理解您的要求，那么您所需要的就是：

$ awk '
    { edge=($1>$2 ? $1 FS $2 : $2 FS $1) }
    NR==FNR{ file1[edge]; next }
    !(edge in file1)
' child.txt master.txt
D    F

如果您想在child中找到不在master中的边，只需翻转输入文件的顺序：

$ awk '
    { edge=($1>$2 ? $1 FS $2 : $2 FS $1) }
    NR==FNR{ file1[edge]; next }
    !(edge in file1)
' master.txt child.txt
E    F

---

上述操作将非常快速，因为它只是进行散列查找。

您可能希望使用python

dict

进行快速查找：

child = {}
with open('child.txt', 'r') as c:
    for line in c:
        p1, p2 = line.strip().split()
        child[p1] = p2
        child[p2] = p1


with open('master.txt', 'r') as m:
    for line in m:
        p1, p2 = line.strip().split()
        if child.get(p1) == p2:
            continue
        print(line)

---

关于您的代码，您正在将

loc_name

重新分配给该对

['E'，'F']

，因此下一次外循环迭代意味着

loc_name

上的内循环将设置

j

将设置为

'E'

：

file1 = open("master.txt", "r")
file2 = open("child.txt", "r")
probe_id = file1.readlines()
loc_names = file2.readlines()`
#flag=0
for i in probe_id:
    i=i.rstrip()
    probe_info=i.split("\t")
    probe_info[0]=probe_info[0].strip()
    probe_info[1]=probe_info[1].strip()
    flag=0
    for j in loc_names: # j will be 'E' after second iteration of outer loop
        j=j.strip()
        loc_names=j.split("\t") 
        loc_names[0]=loc_names[0].strip()
        loc_names[1]=loc_names[1].strip()  # loc_names is ['E', 'F']
        if (probe_info[0]==loc_names[0] and probe_info[1]==loc_names[1]) or (probe_info[0]==loc_names[1] and probe_info[1]==loc_names[0]):
            flag=1
        if flag==0:
            print i

---

您可以将每行中的项目拆分为

frozenset

s，并将它们放入每个文件的

set

，以便您可以使用

set.difference

高效地获取

child.txt

中没有的内容：

print(' '.join({frozenset(l.split()) for l in open("master.txt")} - {frozenset(l.split()) for l in open("child.txt")}))

---

这种方法将每条线剥离，以便只剩下节点（例如，

AB

->

AB

）。然后，由于边是无向的，只需对这些对进行排序，然后使用列表理解来过滤出

子项中的元素即可：

with open("master.txt", "r") as f:
    master = [''.join(sorted(x.strip().replace(" ", ""))) for x in f.readlines()]

with open("child.txt", "r") as f:
    child = [''.join(sorted(x.strip().replace(" ", ""))) for x in f.readlines()]

[x for x in master if x not in child] # ['DF']

我尝试使用
set
对重复项进行排序：

with open('master.txt', 'r', newline='') as master_in, \
     open('child.txt', 'r', newline='') as child_in:

    seen = set(tuple(sorted(line.split())) for line in child_in)

    for line in master_in:
        if tuple(sorted(line.split())) not in seen:
            print(line)

印刷品：

D    F

边缘是无向的？是的..它们是无向的啊！现在我明白了。谢谢你给我指路！谢谢，我以前从来没有用过冰柜，它似乎很有用