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.txtPython 比较两个网络边缘列表,python,awk,Python,Awk,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_nam
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